一种药物特别是新开发的新药，选择何种剂型，是摆在研究者面前的首要问题，若剂型选择不当，就发挥不了药物的最后治疗效果，甚至使整个研究失败。在剂型初步确定以后，要进行处方设计和处方的筛选。药物的配方是一门艺术，它将正确的化学组分（主料和辅料）用正确的比例组合在一起，从而得到具有正确性质的最终产品。这个过程所需的信息量和知识大的不可思议，据有关文献报道，60%的配方测试其实是多余的，制剂研究人员的大量时间和精力都浪费在低可能性的方案上，极大地拖延了药品上市的时间，从而影响到企业的竞争力。 对于市场特定的要求，研究人员需要同时满足多个因素，但是这些因素往往是矛盾的，例如产品性能和价格的关系，人们总是希望其性能最好，同时，成本也最低，但是性能好的产品往往价格高，价格低的产品呢性能又比较差。 性能与成本（或者另外一种性能）的关系如下图中红色曲线所示。传统方法进行处方设计如下图所示。当市场对制剂的性能和成本提出要求后，实验者需要作10-100个实验来寻找符合要求的处方A，该处方性能已能够满足市场需求，但是距离具有最佳性能/成本的配方还有一定距离。当市场发生变化时，需要设计者快速改变配方，以适合新市场的要求。此时，安装传统实验方法，又需要做100-1000次实验来确定处方B，此处方仍然距离最佳处方有一定差距。通过以上描述，我们可以发现，采用传统的实验方法，寻找最佳处方需要进行多次实验，且得到的处方性价比不是最佳。

为了应对上述挑战，Siemyx公司开发了药物配方设计软件DFAS。DFAS采用贝叶斯神经网络和遗传算法来构造统计模型，能够对新的配方进行性能预测和对已有配方进行优化。对于上述相同的市场，DFAS的开发流程如下所示。当市场对药物载体的性能和成本提出要求后，实验者只需要50-500次实验即可，DFAS程序能够对这些实验点进行统计学分析，从中找出性能/成本最佳的处方点曲线（如蓝色点所示），并根据市场需求，从曲线上找出最佳处方点（用绿色五角星表示）。当市场变化后，不需要重复进行实验，只需要从最佳处方曲线上找到符合新市场要求的处方即可，大大地缩短了产品上市的周期，为企业赢得市场创造了良机。