研究人员使用36个小分子组成的初始小组，训练机器学习模型来识别有助于阻止病毒的某些形状和化学特征，并对每个化合物阻断EV71的可能性进行评分。作者对他们的AI-chosen候选名单进行了测试：在八种化合物中，有五种在细胞实验中成功减缓了病毒的传播速度，这比传统筛查方法通常提供的点击率高出十倍。

精神病学、微生物学、生物工程、化学和生物分子工程及化学的总统副教授César de la Fuente博士说：“我们正在将过去几个月的试验和错误缩短为几天。”。“当时间、预算或其他限制限制了您可以预先生成的数据量时，这种方法尤其强大。”

EV71感染可从轻度皮疹和发热升级为严重的神经并发症，尤其是在7岁以下儿童和免疫功能受损的成年人中。目前没有FDA批准的抗病毒药物针对该病毒。

所有五个确认的结果都通过计算机模拟进行了测试，结果表明它们粘附在病毒上的某些斑点上，这一发现可能有助于未来的研究人员阻止病毒改变形状并进入细胞。

研究合著者、博士后研究员安吉拉·塞萨罗博士补充道：“我们将此视为快速发现抗病毒药物的模板。”。“无论下一个威胁是另一种肠道病毒、一种紧急呼吸道病原体还是脊髓灰质炎等再次出现的病毒，我们的人工智能驱动方法表明，即使数据有限，机器学习也可以加快有效解决方案的开发，并推动对未来疫情的快速反应。”