創薬ターゲット探索にAIで挑む
第2回日本メディカルAI学会の話題から

　第2回日本メディカルAI学会学術集会（会長＝株式会社ヒューマノーム研究所・瀬々潤氏）が1月31日～2月1日，「AIを医師にも患者にも」をテーマに東京ビッグサイト（東京都江東区）にて開催された。本紙では，AIを用いた創薬ターゲット探索について議論されたシンポジウム「内閣府のメディカルAI研究戦略とその成果」（座長＝システム・バイオロジー研究機構・北野宏明氏）の模様を紹介する。

AIに期待される新規創薬の可能性

大会長の瀬々潤氏

　初めに本プログラムのプログラムディレクターを務める神戸大大学院医学研究科の榑林陽一氏が登壇した。氏は，本プログラムの企図に近年の新薬開発の生産性低下を挙げ，その原因の一つとして，未解明な難病や希少病へと創薬対象が移行していることを解説した。特に創薬ターゲットの枯渇は深刻であり，細胞や動物による実験を中心とした従来の創薬ターゲット探索には限界があるとの見解を示した。

　本プログラムは厚労省と文科省の連携のもと，医薬基盤・健康・栄養研究所を中核に，理研，科学技術振興機構，大学など，国内14機関が緊密に連携し，AI技術を用いて新規アルゴリズムや技術創出をめざす。現在，各機関で研究成果が徐々に生まれており，榑林氏は「成果をもとにさらなる発展を見据え，今後は全ての研究成果をオープンソース化して，広く健康・医療領域での活用促進につなげたい」と語った。

　阪大病院のバイオバンクデータを用いて，間質性肺炎患者からIPF患者を層別化するバイオマーカーの探索法について報告したのは，上田修功氏（理研革新知能統合研究センター）。氏が探索研究に用いたIPFを含む間質性肺炎患者156人分のデータは，110項目に分類した電子カルテ情報および276項目に分類した血液検査結果，CT画像の読影所見3342項目からなる。これらのデータを用いて，氏が考案した新規のAI手法の活用によりIPFのバイオマーカーとなり得るタンパク質を検出した。現在，研究成果は論文投稿準備中であり，新規AI手法の詳細な説明は省くとしたものの，本研究の本質は「既存のバイオマーカーや診断基準などの事前知識に依存することなく，層別化バイオマーカー候補を検出できたことにある」と，研究の意義を強調した。

世界規模の統合データベースが創薬にブレークスルーをもたらす

　「AIブームに踊らされず，地に足を付けた研究を行うべき」。こう述べた浜本隆二氏（国立がん研究センター研究所）は，臨床現場に直結するAI研究の必要性を訴えた。氏は，本プログラムにおける肺がん解析の中核を担っており，これまでの成果として，①国立がん研究センターに保存されている肺がん臨床検体を用いた1500例を超す世界最大の肺がん統合データベースの開発，②精緻な解析が可能な次世代型ChIP-seq解析システムの開発，③放射線画像を中心とする臨床データの効率的収集およびアノテーション（病変部指定）機能の開発，④深層学習・機械学習技術を用いたオミックスデータを統合的に解析するプラットフォームの開発，に関する詳細を報告した。

　また，本研究と並行し，放射線画像の読影レポートに対する自然言語処理を用いた診療情報の応用にも氏は取り組む。「読影レポートのデータと画像特徴との組み合わせによって，個々の疾患の精緻な層別化を行いたい」との展望を示した。

　ゲノム情報から表現型の予測をめざす瀬々氏は，機械学習におけるデータのブラックボックス化の話題を挙げた。近年，画像診断領域でブラックボックス化を解消する兆しは見られるものの，ゲノム領域ではいまだその方策が確立されていないと指摘。特にゲノム情報においては，「機械学習の精度の向上のみならず，導出された遺伝子がなぜ重要なのか，根拠を示す研究が必要である」と続けた。ゲノム領域におけるブラックボックス化の課題克服に向け，Two phase modelという機械学習手法を開発した氏は，精度および結果の解釈可能性の向上に成功。新規マーカーの開発，創薬ターゲットの同定につながる可能性を報告し，シンポジウムを締めくくった。