在很多國際巨頭藥廠有類似的科研軟件，因為藥品的研發投入巨大，成功率極低，所以藥廠非常重視科研方法。比如一個新藥在研發的過程中，如果遇上某種阻力，已經無法推進，如果就此停止，前面所有投入打水漂，而且萬一距離成功不遠了呢？如果繼續，萬一這種新藥根本就沒辦法研究出來，或者無法達到預期目的，那么花費大量的精力、時間和金錢，最后還打水漂。
這個時候如果憑借經驗來做判斷，來決定下一步怎么做，效率非常低，而且指導的準確性非常低。這個時候需要一款軟件來完成這個工作，這款軟件能夠收集現有的所有實驗數據，進行分類，然后使用概率學知識進行推測它的成功率是多少。
聽起來很簡單，其實操作起來很麻煩，雖然這種方法會出現誤判，但是只要正確率達到一定的水平就能夠為研發節約很多資金，避免不必要的投入。
這就像有一款軟件可以預測所有的股票漲跌，不需要每一支股票都預測準確，它只需準確率超過某個基準線，這個人按照軟件的指導去買股票，有的會賺，有的會賠，但是一旦軟件預測準確率超過贏與虧的臨界線，而且穩定在這個臨界線以上，這個人就會穩賺不賠。
其實一些醫藥巨頭真正的技術壁壘不是已經上市的幾種藥，而是背后強大的研發體系，其中最核心的就是既往研發所積累的數據庫，這些數據庫里的數據不僅可以避免以后新藥研發走彎路，還可以指導新藥研發沿著正確的方向前進。
一些新的藥廠投入巨資研究的項目，自以為找到一條新路，很可能就是那些巨頭幾十年前已經走過的失敗的路，這就是醫藥業巨頭難以被撼動的原因。
一般的科研實驗項目不像藥品研發那么集中，帶有分散性，藥物研發每一個項目都是藥物研發，具有很多的共同點，其它醫學類的研究課題，共同性非常小，比如腫瘤治療與干細胞的共同點非常少，所以這類軟件極難開發，也沒有人愿意去開發。
這類軟件開發非常有難度，不亞于一些重量級工業軟件。
其實楊平以前有開發這類軟件的想法，自己也看了很多這方面的書，將數學與生物學結合起來，無奈現在缺乏這方面的人才，如果要開發這軟件，需要組建一個六千人以上的團隊，這個團隊里除了有優秀的程序員、醫學領域的科研人才，還要有頂尖的數學人才。
當時礙于人才不足，也沒有時間來做這件事，所以楊平做了一個簡單的流程進行粗略的人工判斷，他當時將這個流程命名為測不準漸進性推進程序，這是一種動態優選方法，沒想小五和張林聽課很認真，這種知識也沒有漏過。這兄弟倆裝逼歸裝逼，學習還是很賣力的。
楊平搖搖頭說：“我們現在只有一個簡陋的人工判斷流程，非常麻煩，需要手動收集數據、計算、判斷，對單個的實驗效果還行，一旦體系化使用就不知道究竟能不能用，不過我現在打算專門成立一個團隊來研究科研軟件，用來支撐我們醫學科學院的科研。”
看來楊教授的志向遠不是這幾個實驗室，他要建立一個先進的超級體系，林嵐想。
在科學的歷史上，很多科學成果都是出自一些實驗室，比如c語言、計算機系統等等，當初他們只是用這些來做科研的工具，后來慢慢流出去，成為改變世界的科研成果。
比如大名鼎鼎的貝爾實驗室，c語言，c++語言，unix操作系統，全部都出自這個實驗室。