AIはいかにして「医療の神様」となったのか？

「彼はただ生き残りたいだけ。どんな罪を犯したのか？」

黄茂さんが亡くなった後、遺体安置所の外で程勇さんは警察官に向かって叫んだ。

ジェネリック医薬品のため、そして生き残るために、どれほどの人々が命を犠牲にしてきたことか。

本物の薬の値段が高いため、患者は逃げ場がない。新薬、特に「特殊効果薬」の研究開発には、1億元を超える研究開発費とサイクルが必要であることは否定できない。それが市場で入手可能になったことは、すでに多くの患者にとって「朗報」となっている。しかし、価格の高さや、「奇跡の薬」や病気の治療を「クールダウン」する方法などに直面し、AI は少しずつあなたの「薬の神」になれるかもしれません。

ステップ1：AIが白血病を予測し、白血病はもはや「突然の災害」ではなくなる

最近、ネイチャー誌に研究結果が掲載されました。全国の複数の科学研究機関の白血病科学者で構成された研究チームが、血液検査と機械学習を使用して、健康な個人が急性骨髄性白血病（AML）を発症するリスクがあるかどうかを予測しました。

これにより、将来的にAMLの発症を早期に警告し、AMLのリスクが高い人を早期に特定して監視できるようになります。同時に、病気のリスクを軽減するための解決策を見つけるための研究開発を行うことができます。

AML は「急性骨髄性白血病」の略称です。その主な特徴は、骨髄と末梢血における原始的で未熟な骨髄細胞の異常な増殖です。AML 患者の癌細胞は骨髄で急速に増殖し、正常な血液細胞の生成を妨げ、出血や感染症状を引き起こし、生命を脅かすこともあります。

そこで研究者らは、AMLに関連することが知られている遺伝子をターゲットにした遺伝子配列ツールを開発し、AML患者124人の血液DNAの配列を解析した。そして、そのDNAをAMLや関連癌を患っていない676人のDNAと比較した。

ビッグデータのモニタリングを通じて、AML患者の多くは遺伝子に遺伝的変化が見られ、一方、AMLのない人にはそのような変化が見られないことがわかった。後に AML を発症した人々は遺伝子の変異の数が多く、これらの変異は血液細胞に高率に現れました。

研究者らはさらなる研究を重ね、ビッグデータ変数に裏付けられたロボット学習モデルを通じてAML予測モデルを構築した。このモデルは診断の6～12か月前にAMLを予測することができ、感度と特異度はそれぞれ25.7%と98.2%である。

以前、ワトソンは60歳の女性に珍しい形の白血病を診断した。2000万件のがんデータレポートでさまざまな患者の遺伝子変化を比較することで、ワトソンはわずか10分で結果を出した。病気を正確に診断しただけでなく、ワトソンは適切な治療計画も提供した。

AI予測の登場は人々を喜ばせますが、懐疑的な人も多くいます。実際、例えば死亡時刻を予測する AI の出現により、AI の応用はもはや技術的な問題ではなく、倫理的な問題にもなっています。自分がいつ病気になるか、あるいはいつ死ぬかを確実に知っているというのは、良いこととは思えません。

ステップ2：AI医薬品製造、医薬品開発モデルの変更

映画「Dying to Survive」では、対立の焦点は「グレニン」の高騰にあります。新薬は高価で、そのコストは研究開発にあります。研究開発の「試行錯誤」の段階では、AIが大きな助けになるかもしれません。

現在のスマートヘルスケアの発展状況から判断すると、パターン認識に優れた人工知能は、膨大な既存および新規の遺伝情報、代謝情報、臨床情報をスクリーニングして選択し、さまざまな疾患の背後にある複雑なネットワークを解読することができます。これにより、特定の患者グループに効果のある薬を特定し、失敗する可能性のある薬を企業が避けることができるようになります。

さらに、人工知能の生物学的意義は、製薬会社が患者の状態に基づいて最も効果的である可能性が高い革新的な治療法の臨床試験に参加するのを助け、米国 FDA などによる新薬の承認の可能性を高める可能性があります。

実際、医療研究開発の核心はナレッジグラフにあります。ナレッジグラフとは、実験情報、データ、臨床試験結果、データを組み合わせ、散在するデータを統合して、意思決定に役立つデータサポートを提供することです。

現在、人工知能は主に、標的薬物開発、候補薬物マイニング、化合物スクリーニング、ADMET特性の予測、薬物結晶形の予測、補助的な病理生物学的研究、および新薬適応症の発見という7つのシナリオで薬物研究開発の役割を果たしています。

Tech Emergence の調査レポートによると、AI は新薬の研究開発の成功率を 12% から 14% に高めることができるそうです。この 2% は、バイオ医薬品業界が数十億ドルの研究開発費と試行錯誤の時間を大幅に節約できることを意味します。

しかし、AI医薬品開発は長期戦になることは否定できない。現在、世界ではAI医薬品開発の成功例はなく、人工知能によって開発された医薬品は販売承認されていない。

現在、AIを活用し先進的な海外企業が開発した新薬は第2相臨床試験に入っているが、第2相から第3相までの失敗率は70～80％と高い。 AI技術の応用展望は広いですが、まだ道のりは長いです。ファイザー、ロシュ、GSKなどの大企業はいずれもAI企業に「賭け」ているが、現在の開発にはテストにまだ時間が必要である。

しかし、これは AI による医薬品製造が不可能であることを意味するものではありません。技術によって医薬品の研究開発の効率を効果的に短縮し、研究開発から市場投入までの成功率を向上させることができれば、医薬品の研究開発コストは大幅に削減され、国民医療保険の負担を大幅に軽減し、「手ごろな価格の医薬品」も可能となる。

ステップ3: 医薬品データがAI医薬品製造の鍵となる

実際、スマートヘルスケアの分野における AI のあらゆるステップは、重要な要素である医薬品データから切り離せないこともわかります。

例えば、新薬の研究開発の分野では、AI は科学者が膨大な化合物データベースから文献検索を完了するのを手助けすることができます。また、多くの企業は、機械を使用して化合物と特定のターゲットの結合効果をシミュレートし、新薬のスクリーニングプロセスを大幅にスピードアップする方法を研究しています。世界中で毎年、新薬の研究開発に数千億ドルが費やされています。AI技術を活用することで、研究開発の効率をある程度向上させることができます。

AIは機械学習を通じてプロセスをスピードアップできるだけでなく、後期試験段階に到達する薬剤の成功確率も高めることができます。 AIが医薬品の治験のリスクを軽減できれば、大手製薬会社は多額の費用を節約でき、より有望な機会を見つけることに集中するためのリソースを確保できるようになります。

同様の AI アプリケーションは、疫学統計、臨床試験データ分析、精密医療遺伝子検査においても大きな可能性を秘めています。人工知能による精密医療プロジェクトに関しては、IBMは「Waston Oncologist」に続いて「Waston for Genomics」も立ち上げた。

医薬品データに加えて、医療データも医師の診断やその後の医薬品開発の重要な基盤となっています。スマートヘルスハードウェアの台頭により、医療データの境界は絶えず拡大しています。

2016年4月、スマート健康ハードウェアによって記録されたデータがニュージャージー州の男性の命を救った。この男性は仕事中に突然心臓発作を起こし、医師は彼のスマートフォンから毎日の心拍数データを抽出しました。このデータにより、医師は不必要な診断を除外し、適切な治療を迅速に見つけることができ、命を救うことができました。

医療データは、医師がコンピューターに入力する医療雑誌や医療記録だけではありません。私たちの体は常に膨大な量の潜在的な医療データを生み出しています。しかし、現時点では、毎日何歩歩いたか、今日の心拍数はどれくらいか、皮膚温度は高いか低いか、今日何を食べたかなど、ほとんどのデータは「失われた」状態にあります。これらのデータは、いくつかの隔離されたデバイスとアプリにローカルにのみ保存されています。

AI医療にとって、データの重要性は自明です。医薬品開発や診断・治療への応用にしろ、大きな可能性を秘めています。しかし、小さなサンプルセットでAIが行う診断や推論は、範囲を少し広げたり、病気の種類や場所を変えたりすると、結果に偏りが生じたり、精度が低下したりする可能性があるため、持続不可能なモデルであると考えられています。

全体的に、AI医療の発展は大きく進歩しています。多くのAI医療製品はまだ発売されていませんが、患者にとって「薬の神」となるかどうかは、今後見守る必要があります。