人工知能（AI）は、日本の薬剤開発において新しい時代を切り拓き、研究期間やコストを大幅に削減することを目指して、「医薬品AI」プロジェクトを通じて進化しています。COVID-19などの感染症に対するワクチンや新薬の開発では、AIはウイルスや細菌のタンパク質の電子顕微鏡画像を解析し、形態学的変化を予測することで感染のメカニズムを理解するのに役立っています。
17社の製薬会社が連携し、薬剤化合物とその効果に関するデータを共有するコンソーシアムが設立され、有望な化合物を推奨するAIシステムの開発に取り組んでいます。
西洋の大手製薬会社に対抗するため、日本は医薬品産業の存在感を高めるためにAIを活用しています。京都大学教授であり理化学研究所コンピュータ科学研究センターの部長である奥野泰史教授は、AI主導の薬物発見への切り替えを強調し、タンパク質の形状とその変化を理解することが新薬の開発において重要であると述べています。
RIKENと富士通は、タンパク質の電子顕微鏡画像の大規模データセットでAIモデルをトレーニングした結果、昔ながらの手法よりも形態学的変化を予測するAIアルゴリズムを約2時間で開発しました。この高速化されたプロセスは、製薬会社がこれらの形態変化を抑制できる薬剤成分を効率的に特定する可能性を秘めています。
日本医療研究開発機構は、「共同次世代薬物発見AI開発（DAIIA）」プロジェクトを牽引し、大学研究者と17の製薬会社と協力して新薬に関する有望な化合物を提案するAIシステムの開発に取り組んでいます。
DAIIAプロジェクトに参加している奥野教授は、国内の製薬会社と研究者の協力の必要性を強調し、国際的な製薬巨大企業との競争に遅れを取らないよう、AI技術を活用することが不可欠であると述べています。
追加情報:
– 薬剤開発におけるAI技術は日本に限らず、アメリカ、中国、イギリスなどの国々も薬剤発見プロセスを加速させるために積極的に投資しています。
– AIの採用は感染症に限定されるだけでなく、がん、神経変性疾患、希少遺伝子疾患など、さまざまな治療領域にも拡大しています。
– 製薬会社は、より効率的な薬剤開発のためにAIを活用するために、AIに特化したテック企業との提携を増やしています。
重要な質問:
1. AI技術は、薬剤の効力と安全性プロファイルの予測の精度と速度をどのように向上させることができるのでしょうか？
2. 薬剤開発における重要な決定にAIアルゴリズムに大きく依存することの倫理的な問題は何でしょうか？
3. 規制当局は、薬剤開発プロセスにAIを統合し、患者の安全性を確保するためにどのように適応すべきでしょうか？
主な課題／論争点:
– 協力型AIプロジェクトで機密性の高い製薬データを複数の関係者間で共有する際に生じるデータプライバシーと所有権の問題。
– AIアルゴリズムに潜在的なバイアスがあるという懸念は、医薬品化合物に対する歪んだ推奨をもたらし、製薬開発活動の多様性と包括性に影響を与える可能性があります。
– ステークホルダー間で信頼を築くために、AI意思決定プロセスに透明性と説明可能性が必要であり、これには規制当局や患者も含まれます。
利点と欠点:
– 利点: AI技術は薬剤開発のスケジュールを大幅に短縮し、コストを削減し、予測の精度を向上させ、新たな薬物標的の発見を促進することができます。
– 欠点: データ品質、アルゴリズムのバイアス、AI推奨の説明可能性、規制上の障害、一部の薬剤開発の側面での人間研究者の置換などに関する課題。