开发新药是极为耗费资金的，而在科技的进步下，计算机可用来克服此困难，计算机的运算可以降低耗时的试验数量，计算机用于药物的开发是优良的研究方式，且我们已可在相关新闻中看到利用AI发现新的有效抗生素。
基于用于新药开发的计算机投资，我们可预期此类发明的所有人想要利用专利系统保护他们的投资。然而，此类专利申请面临可能被认定为不予专利标的的难题，例如计算机软件或是数学方法，此为依赖计算机软件及数学方法的新药开发过程面临的重要问题。此抗生素案的新闻即可帮助我们及时了解医药产业如何保护其基于计算机协助新药开发的投资。
在欧洲专利局为不予专利标的
欧洲专利局就计算机软件或数学方法不会准予专利，即便发明的整体较“单独”计算机软件要多，任何步骤或特征单独涉及不予专利标的的项目将不被采纳，除非他们形成了对于技术问题的部分技术解决方案。
当发明为利用计算机软件或数学方法，则必须要细究其与所请系统或方法的交互关系，这包括了此特征产生什么效果。
基于AI协助的新药开发过程可否在欧洲专利局得到专利保护？
根据前述抗生素开发的相关新闻报导指出此得到抗生素的过程包括：
-研发人员训练类神经网络以预测抗菌活性的分子，训练过程包括2000个化合物及其述每一化合物对于抑制细菌生长的结果；
-训练完成后，研发人员将类神经网络运用至人类疾病研究各阶段的含有约6000个化合物的数据库，以辨识出可能有抗菌活性的化合物
-研发人员接着优先选出结构不同于现有抗生素且预测具有抗菌活性的化合物，以找出候选化合物进行进一步的研究。
姑且不论欧洲专利局的不予专利标的限制，让一个基本的概念-利用类神经网络协助抗生素开发获得专利是不太可能的，因为利用类神经网络协助新药开发系为已知。因此仅仅利用类神经网络将不会取得专利。
前述优先选择步骤则能发现具有抗菌活性化合物且细菌可能不会对其产生抗药性，如果专利的请求项包含得到被视为抗生素的实体样品的步骤，则此优先选择步骤对真实世界具有实体的功效。此优先选择步骤影响了选择何种化合物以准备实体样品，也就是说获得实体样品的步骤具有将根据计算机的优先选择步骤“固着”在真实世界的效果。
然而，许多申请人可能会偏好专利的请求项不包含获得被视为抗生素的实体样品的步骤，而偏好请求项的步骤停在计算机屏幕输出一个候选的化合物。然而，在欧洲专利局取得此类专利虽是较为困难的，但仍是可能的。重点是在于过程是否辨识出候选化合物，而不是提供该化合物的实体样品是具有技术性的。
近来工程师增加了运用计算机仿真作为设计或开发的部分过程亦面临相同的问题，这些由现代工程师操做的此类典型的工作，在欧洲最近的案例趋势中慢慢接受此类工作为本身是具有“技术性”的，基本上是根据此类工作由从事为“技术性”的工程师完成。
然而，尽管在案例中的趋势如上所述，但此情况仍然是不很确定。因为相关问题已被提交至欧洲专利局的扩大上诉委员会，而扩大上诉委员会近期正要决定是否计算机仿真本身为可专利性的情形是否需要一个最终的“固着”步骤。由于扩大上诉委员会尚未做出最终的决定，因此相关情况尚未被确认。因此在此阶段，在相关领域中，最佳是能够提交能考虑到此不确定性的弹性专利申请案。
数据源：Artificial intelligence and antibiotics: overcomingexcluded subject-matter hurdles, February 27, 2020, Reddie and Grose. <https://www.reddie.co.uk/2020/02/27/artificial-intelligence-and-antibiotics-overcoming-excluded-subject-matter-hurdles/>