Tôi nghĩ một trong những khía cạnh hứa hẹn nhất của AI trong việc phát hiện thuốc là lợi ích của đa phương thức và khả năng xây dựng các mô hình cho nhiều nhiệm vụ khác nhau. Trong bài tiểu luận năm 2012 của mình phác thảo Luật Eroom (hiệu quả R&D của việc phát hiện thuốc đang giảm dần theo cấp số nhân), một trong những "chẩn đoán" của Jack Scannell cho vấn đề này là thiên kiến 'nghiên cứu cơ bản – sức mạnh thô bạo'. Chúng ta có xu hướng đánh giá quá cao tác động của việc mở rộng các công nghệ phát hiện giai đoạn đầu. Thường thì, những thử nghiệm này có "độ chính xác dự đoán" về thành công lâm sàng thấp. Một cách mà các mô hình AI giúp giải quyết vấn đề này là chúng có thể tích hợp nhiều dự đoán có liên quan đến chuyển giao hơn vào những giai đoạn đầu tiên của quá trình phát hiện. Tôi nghĩ đây là sự thiên tài trong tầm nhìn của Brandon và Alex tại Axiom. Bằng cách giảm chi phí, thời gian và sự cản trở liên quan đến việc thử nghiệm độc tính, nó có thể được thực hiện sớm hơn nhiều trong quá trình phát hiện—ngay khi bạn có một phân tử. Đây là một trong những sự thay đổi mang tính cách mạng nhất của học máy phân tử so với những nỗ lực hóa học tính toán sớm. Một số lượng lớn các tiêu chí phát hiện khác nhau có thể được tính đến trong một lần truyền tiến.