總部位於香港的 Insilico Medicine 2 日發表研究成果，深度學習（DL）系統可辨識纖維化的潛在治療方法。此系統稱為生成性張力強化學習（Generative Tensorial Reinforcement Learning），簡稱 GENTRL，能在 21 天內找到 6 種有希望的治療方法，其中一個在小鼠實驗顯示出很有希望與前景的成果。研究發表在《自然生物科技》（Nature Biotechnology）期刊，模型程式碼也在 Github 釋出。
人工智慧策略與人工智慧想像的結合「我們將人工智慧策略與人工智慧想像相結合，」Insilico 執行長 Alex Zhavoronkov 表示，他認為 GENTRL 的執行模式與 Google 旗下 DeepMind 專門設計挑戰 Champion Go 玩家的 AlphaGo 機器學習很像。
Zhavoronkov 於 2014 年創建公司，最初的背景是電腦科學，在 ATI 工作了幾年，直到 2006 年被 AMD 收購。就在那個時候，他改變了方向，決定從事生物科技研究，對減緩衰老過程的研究特別感興趣。他在約翰霍普金斯大學獲得碩士學位，然後在莫斯科州立大學獲得博士學位，他的研究重點是利用機器學習（ML）研究生物系統中分子相互作用的物理現象。之後他在多家公司工作，但後來回到巴爾的摩，並創辦了 Insilico 公司。
Insilico 最初理念是利用深度學習訓練神經網路檢查大型分子庫，進而找出藥物標靶（Drug Target）。然而 Insilico 成立後不久，Zhavoronkov 就對 Ian Goodfellow 在機器學習方面的研究著迷不已，並決定改行。
「我們一直在思考，『我們能讓機器想像出具特殊性質的新分子，而不只是做供應商大型分子庫的篩選工作而已嗎？』」他表示。在傳統藥物研發領域，篩選分子是他們的工作方式，但他想看看這類機器學習能否更快完成任務。
獲得 2,430 萬美元投資 公司估值達 5,600 萬美元2016 年，Insilico 基於這想法發表了初步研究成果，此舉助其在競爭激烈的生物科技和人工智慧領域獲得投資。據 Pitchbook 資料顯示，Insilico 迄今從 A-Level Capital 和 Juvenescence 等投資者籌集了 2,430 萬美元資金，估值達 5,600 萬美元。Insilico 在生物科技領域也有多個合作夥伴，包括 A2A Pharmaceuticals 和 TARA Biosystems。
Insilico 利用 GENTRL 設計候選新藥（drug candidate），合成出領先業界的候選藥物，並在小鼠身上進行成功的實驗。以 AI 系統設計分子耗時約 21 天，設計、合成及驗證的總時間約為 46 天。雖然 GENTRL 設計的藥物並沒有比傳統研究方法開發的抑制劑更有效，但以傳統製程開發候選藥物需花超過 8 年的時間以及數百萬美元的經費才可能辦到，相對而言，Insilico 的方法只需幾週時間，以及約 15 萬美元成本。
儘管他強調 Insilico 還有很多工作要做，但對 Zhavoronkov 來說，這項研究是個重要突破，因它顯示 AI 在藥物研發方面的發展前景。 | 
