Mielestäni yksi tekoälyn lupaavimmista puolista lääkekehityksessä on multimodaalisuuden etu ja kyky rakentaa malleja moniin eri tehtäviin. Vuonna 2012 julkaistussa esseessään, jossa hän hahmotteli Eroomin lakia (lääkekehityksen eksponentiaalisesti laskeva tutkimus- ja kehitystehokkuus), yksi Jack Scannellin "diagnooseista" ongelmaan oli "perustutkimus – raaka voima" -harha. Meillä on taipumus yliarvioida varhaisen vaiheen löytöteknologioiden skaalaamisen vaikutusta. Usein näillä määrityksillä on alhainen kliinisen menestyksen "ennustevaliditeetti". Yksi tapa, jolla tekoälymallit auttavat ratkaisemaan tämän ongelman, on se, että ne voivat sisällyttää translaatiollisesti merkityksellisempiä ennusteita löytöjen varhaisimpiin vaiheisiin. Mielestäni tämä on Brandonin ja Alexin vision nerokkuus Axiomissa. Vähentämällä myrkyllisyystestaukseen liittyviä kustannuksia, aikaa ja kitkaa se voidaan vetää paljon aikaisemmin löytöprosessissa – heti, kun sinulla on molekyyli. Tämä on yksi molekyylikoneoppimisen radikaaleimmista poikkeamista verrattuna varhaisiin laskennallisen kemian ponnisteluihin. Suuri määrä erilaisia etsintäkriteereitä voidaan ottaa huomioon yhdellä eteenpäin syötöllä.