インベントリ | 2018 年のトップ 10 新興テクノロジー: 人体は「医薬品工場」になる

[[244104]]

Scientific American誌によると、近い将来、人工知能（AI）が革新的な医薬品や材料の発見を大幅に加速させるだろう。高度な診断ツールにより、よりパーソナライズされた医療が可能になります。拡張現実 (AR) はあらゆる場所に存在し、現実世界の画像に情報やアニメーションを重ねて、私たちの日常業務を支援し、産業の運営効率を高めます。

病気の場合、医師はあなたの体に生きた細胞を移植し、あなたの体を病気を治療するための「薬品工場」に変えることができます。幹細胞から育てられた人工の牛肉、鶏肉、魚を食べることで、動物農業が環境に与える影響を大幅に軽減できます。

今年の「トップ 10 新興テクノロジー」を構成するこれらの世界を変えるアイデアやその他の独創的なアイデアは、生物学、無機化学、ロボット工学、AI などの分野の第一人者によって選ばれました。選定された技術は、今後 3 ～ 5 年で社会と経済に多大な貢献をすることができ、産業や既存のやり方を変えるほどの破壊力を持つものでなければなりません。しかし、それらは開発の比較的初期段階にあり、まだ広く使用されていません。

1. AR技術はどこにでもある

VR（仮想現実）テクノロジーにより、人々は架空の孤立した世界に没入することができます。対照的に、AR はコンピューターで生成された情報を現実世界にリアルタイムで重ね合わせます。スマートフォン、タブレット、ヘルメット、スマートグラスなど、AR ソフトウェアとカメラを搭載したデバイスを装着すると、プログラムは受信したビデオ ストリームを分析し、シーンに関する大量の情報をダウンロードし、関連するデータ、画像、アニメーションを 3D でオーバーレイします。

外国人観光客向けに道路標識を翻訳するもの、学生が仮想的にカエルを解剖できるようにするもの、消費者が自分のリビングルームに椅子を置いたらどのように見えるかを確認できるものなど、数多くの消費者向けアプリにはすでに AR 機能が搭載されている。また、車を安全にバックさせるディスプレイや人気のゲーム「ポケモン GO」にも AR 機能が搭載されている。近い将来、この技術により、博物館を訪れる人はホログラムのようなツアーガイドを呼び出し、外科医は患者の皮膚の下の組織を 3D で視覚化し、建築家やデザイナーは斬新な方法で創作し、ドローン操縦者は強化された画像を通じて遠隔ロボットを制御し、初心者は医療から工場のメンテナンスまでさまざまな分野で新しいタスクを素早く習得できるようになるでしょう。

今後数年間で、使いやすいアプリケーション設計ソフトウェアにより、消費者向け製品の範囲が拡大するはずです。しかし、AR は現在、インダストリー 4.0 に不可欠な要素である産業分野に最も大きな影響を与えています。 「インダストリー 4.0」とは、品質の向上、コストの削減、効率性の向上を実現する方法で物理システムとデジタルシステムを統合することにより、製造業を体系的に変革することを指します。例えば、多くの企業が生産ラインで使用しています。 AR は必要なときに適切な情報を提供できるため、エラーが減り、効率が向上し、生産性が向上します。また、デバイス内の圧力を視覚化し、問題のある場所のリアルタイム画像を作成することもできます。

ABI Research、IDC、Digi-Capital などの市場アナリストは、AR テクノロジーが主流になりつつあると考えています。彼らは、AR の市場価値（現在約 15 億ドル）が 2020 年までに 1,000 億ドルに成長すると予想しています。 Apple、Google、Microsoft などのテクノロジー大手は、AR/VR 製品とそのアプリケーションの開発に多額の資金と人的資源を投資しています。ベンチャーキャピタルも流入し始め、ARとVRは2017年に30億ドルの投資を集めました。ハーバード・ビジネス・レビューは最近、AR はあらゆるビジネスに影響を与える革命的なテクノロジーであると強調しました。

しかし課題はまだ残っています。現在、ハードウェアと通信帯域幅の制限が、消費者の日常的な使用に障害となっています。たとえば、AR テクノロジーを使用して体験を強化する既存の博物館や旅行のアプリの多くは、事前にダウンロードする必要があります。それでも、グラフィックの品質がユーザーの期待に応えられない可能性があります。しかし、より安価で高速な AR モバイル チップの登場により、より多用途なスマート グラスが市場に登場しています。 AR はインターネットやリアルタイム ビデオと並んで、私たちの日常生活に欠かせないテクノロジーになるでしょう。

2.個別化医療のための高度な診断

乳がんの女性に対する治療はより個別化されてきています。乳がんは現在、さまざまなサブタイプに分類されており、それに応じて治療することができます。たとえば、腫瘍がエストロゲン受容体を産生する女性の多くは、標準的な術後化学療法に加えて、それらの受容体を特に標的とする薬剤を投与されることがあります。今年、研究者らは、かなりの割合の患者が、安全に化学療法を行わなくてもよく、化学療法が引き起こすことが多い重篤な副作用を回避できることを示す特徴を持つ腫瘍を持っていることを発見した。

診断ツールの進歩により、多くの病気に対する個別化治療や精密治療の開発が加速しました。これらの技術は、医師が複数のバイオマーカー（病気の存在を示す分子）を検出して定量化し、病気への感受性、予後、または特定の治療に対する反応の可能性が異なるサブグループに患者を分類するのに役立ちます。初期の分子診断ツールは、糖尿病患者のブドウ糖などの単一分子を調べていました。

しかし、過去 10 年間で「オミクス」技術が大きく進歩し、個人の全ゲノムの配列を迅速かつ確実に、そして安価に決定したり、体液や組織のサンプルに含まれるすべてのタンパク質 (プロテオーム)、代謝副産物 (メタボローム)、微生物 (マイクロバイオーム) のレベルを測定したりできるようになりました。この技術を日常的に応用することで、同時に、AI がマイニングして臨床的に有用な新しいバイオマーカーを発見できる膨大なデータセットが生成され始めています。このハイスループットのオミクス技術は、AI と組み合わせることで、多くの疾患の理解と治療を変革する高度な診断の新時代を切り開き、医師が個々の患者の分子特性に合わせて治療を調整できるようにします。

いくつかの高度な診断技術が癌に適用されてきました。たとえば、Oncotype DX は 21 個の遺伝子をチェックできるため、多くの乳がん患者が化学療法を回避するのに役立ちます。 FoundationOne CDx は、固形腫瘍内の 300 を超える遺伝子の遺伝子変異を検出し、特定の患者にどの遺伝子標的薬が有用であるかを示します。がん以外にも、子宮内膜症に適用できる興味深いアプローチがあります。これは子宮組織が本来あるべきでない場所で増殖する痛みを伴う症状であり、診断には通常手術が必要になります。 DotLabs の非侵襲性の唾液ベースの検査では、マイクロ RNA と呼ばれる小さな分子を測定することで子宮内膜症を特定できます。

現在、自閉症、パーキンソン病、アルツハイマー病など、臨床医の主観的な症状評価を通じて診断される脳障害に対する血液検査が開発されています。研究者たちは、健康な人々のゲノム全体を配列し、微生物群を分析し、何百ものタンパク質や代謝産物のレベルを測定して、それらの人々の病気を予防するための個別のガイダンスを提供できるかどうかも研究しています。

なお、この診断ツールを使用する医療機関や研究者は、患者のプライバシーを保護するための安全対策を厳格に実施する必要があることに留意してください。さらに、診断ツールとしてのバイオマーカーの価値を一貫して評価するには、明確な管理ガイドラインが必要です。これらのガイドラインにより、医療現場への新しいバイオマーカーの導入が加速されるでしょう。それでも、高度な診断技術は病気の診断と治療の基準を破壊し始めています。患者を最も効果的な治療に導くことで、医療費の削減も期待できます。将来的には、多くの人がバイオマーカーデータの個人クラウドを持ち、それが時間の経過とともに蓄積され、個別化された治療の提供に役立つようになるかもしれません。

3.分子設計AI

新しい太陽光材料、抗がん剤、またはウイルスによる作物の攻撃を阻止できる化合物を設計したいですか?まず、化合物の適切な化学構造を見つけることと、どの化学反応が適切な原子を結合して目的の分子または分子の組み合わせを形成するかを決定するという、2 つの大きな課題を解決する必要があります。このプロセスは時間がかかり、何度も失敗しました。たとえば、統合計画には数百の個別のステップが含まれることがありますが、その多くは副反応や副産物を生成したり、まったく機能しなかったりします。しかし現在、AI は設計と合成の効率を改善し始めており、化学廃棄物を削減しながらプロセスをより速く、より簡単に、より安価にしています。

AI では、機械学習アルゴリズムが、関心のある物質の発見と合成を試みた過去の既知の実験をすべて分析します。これらのアルゴリズムは、認識したパターンに基づいて、潜在的に有用な新しい分子構造と、それらを作成する方法を予測できます。ボタンを押すだけでこれらすべてを実行できる単一の機械学習ツールはありませんが、AI 技術は薬物の分子や材料の実際の設計に急速に導入されつつあります。

例えば、ドイツのミュンスター大学の研究者たちは、1,240万の既知の単一ステップ化学反応を繰り返しシミュレートし、人間の30倍の速さで複数ステップの合成経路を設計できるAIツールを開発しました。製薬分野では、AI ベースの「生成的機械学習」技術にも注目が集まっています。ほとんどの製薬会社は、何百万もの化学物質を備蓄し、新薬としての可能性を検査しています。しかし、ロボット工学やラボ自動化ツールを使っても、このスクリーニングプロセスは遅く、得られる結果は比較的少ないです。

さらに、これらの「ライブラリ」には、理論的に存在する可能性のある 1030 を超える分子のうちのほんの一部しか含まれていません。既知の薬物（および薬物候補）の化学構造とその特性を記述したデータセットを使用することで、機械学習ツールは、類似した、あるいは潜在的にさらに有用な特性を持つ新しい化合物の仮想ライブラリを構築できます。この機能により、薬剤候補の特定が劇的に加速し始めています。すでに100社近くのスタートアップ企業が、創薬におけるAIの利用を検討しており、その中にはInsilico Medicine、Kebotix、BenevolentAIなどがある。BenevolentAIは最近、運動ニューロン疾患、パーキンソン病、その他の治療が難しい疾患の創薬にAI技術を応用するために1億1,500万ドルを調達した。

BenevolentAI は、新しい分子の発見から、人間に対する安全性と有効性の実証を目的とした臨床試験の設計と分析まで、医薬品開発プロセス全体に AI を適用します。材料分野では、Citrine Informatics などの企業が製薬会社と同様のアプローチを採用し、BASF やパナソニックなどの大企業と提携してイノベーションを加速させています。米国政府もAI設計の研究を支援している。米国は2011年以来、マテリアルゲノムイニシアチブに2億5000万ドル以上を投資してきた。このプログラムでは、先進材料の開発を加速するために、AIやその他の計算方法を含むインフラストラクチャを構築しています。

過去の経験から、新しい材料や化学物質が健康と安全に予期せぬリスクをもたらす可能性があることがわかっています。幸いなことに、AI アプローチはこれらの悪影響を予測し、軽減できるはずです。これらの技術は、新しい分子や材料を発見して市場に投入する速度と効率を大幅に向上させる可能性を秘めているようです。市場では、医療や農業の改善、資源の保全、再生可能エネルギーの生産と貯蔵の増加などのメリットがもたらされる可能性があります。

4.議論し、指導できるAI

今日のデジタル アシスタントは、人間であるかのようにユーザーを騙すこともありますが、さらに強力なものが登場します。 Siri、Alexa などの音声アシスタントは、高度な音声認識ソフトウェアを使用して、ユーザーの要求を理解し、それに応じた情報を提供します。自然な音声を生成し、質問に合ったスクリプト化された回答を提供します。このようなシステムは、まず「トレーニング」され、適切な応答が人間によって記述され、高度に構造化されたデータ形式に整理される必要があります。この作業には時間がかかり、デジタル アシスタントが実行できるタスクが制限されます。これらのシステムは「学習」できますが、その範囲は限られています。それでも、彼らはまだ印象的です。

さらに複雑なレベルでは、次世代のデジタル アシスタントが、これまで以上に多くの非構造化データ (生のテキスト、ビデオ、画像、音声、電子メールなど) を吸収して整理し、説得力のあるアドバイスを自動的に作成したり、訓練を受けたことのない問題について討論の相手役を務めたりできるようにするテクノロジが開発されています。この機能は、トレーニング済みのさまざまなデータセットをカバーし、自然言語で質問に答えることができるチャットボットを提供する多くの Web サイトで見かけます。

これらのチャットボットは、特定の質問やリクエストに関するトレーニングをほとんどまたはまったく必要とせず、事前に構成されたデータと、提供された関連するコンテキスト資料を「読み取る」という新たな能力を組み合わせます。しかし、高い精度で応答できるようになるには、言語と意図を認識するためのトレーニングが必要です。

6月にIBMは、より高度な技術、つまり、討論のテーマについて事前に訓練することなく、人間の専門家とリアルタイムで討論するシステムを実演した。システムは、Wikipedia のコンテンツを含む非構造化データを使用して、情報の関連性と正確性を判断し、独自の論文を裏付ける首尾一貫した議論を形成するために使用できる再利用可能な資産にそれを整理する必要があります。また、人間の反対者の主張にも応答しなければなりません。このシステムはデモ中に2回の討論会を実施し、多くの視聴者はシステムの議論の方が説得力があると感じた。

5年かけて開発されたこの技術には、自然言語を理解するだけでなく、肯定的な感情や否定的な感情を検出できるソフトウェアも含まれています。しかし、定評のある人間の専門家に対するスクリプトなしの AI システムの勝利は、今後 3 ～ 5 年、あるいはそれよりも早く登場する可能性のある無数の関連アプリケーションへの扉を開きます。たとえば、このようなシステムは、医師が複雑な症例に関する関連研究を迅速に見つけ、特定の治療オプションの利点について話し合うのに役立ちます。これらのインテリジェント システムは、研究室の科学者や専門家のように知識を生み出すのではなく、既存の知識を組み合わせる場合にのみ役立ちます。それでも、機械が賢くなるにつれて、雇用の喪失に対する懸念が高まっています。

5.移植可能な医薬品細胞

糖尿病患者の多くは、血糖値を測定して必要なインスリンの量を決定するために、1 日に数回指に針を刺します。体内で通常インスリンを生成する膵臓細胞（島細胞と呼ばれる）の移植が、この面倒なプロセスの代わりとなるだろう。同様に、細胞移植は、がん、心不全、血友病、緑内障、パーキンソン病など、他の病気の治療を変革する可能性があります。しかし、細胞移植の欠点は、免疫系による拒絶反応を防ぐために、受容者が免疫抑制剤を無期限に服用しなければならないことである。これらの薬は、感染や悪性腫瘍のリスク増加など、重篤な副作用を引き起こす可能性があります。

数十年にわたり、科学者たちは、移植された細胞が免疫系によって攻撃されるのを防ぐために、細胞を半透性の保護膜で囲む方法を開発してきました。これらのカプセルは、栄養素やその他の小分子を流入させ、必要に応じてホルモンやその他の治療用タンパク質を流出させます。しかし、これらの細胞が傷つかないようにするだけでは十分ではありません。免疫システムが保護物質自体を異物と認識すると、カプセルに瘢痕組織が成長してしまいます。この「線維化」により、栄養素が細胞に届かなくなり、細胞が死滅します。

現在、研究者たちは「線維症」の課題に取り組み始めています。たとえば、2016年にMITの研究者たちは、免疫システムに対してインプラントを見えなくする新しい方法を発見しました。研究者たちは、何百もの材料を製造し、検査した後、人体で安全に使用されてきた長い歴史を持つアルギン酸と呼ばれるゲル化化学物質にたどり着いた。このゲルから採取した膵島細胞を糖尿病マウスに移植すると、血糖値の変化に応じてインスリンが即座に放出され、6か月の研究期間中、線維化の兆候もなく血糖値をうまくコントロールすることができた。別の研究では、研究者らはその後、重要な線維性免疫細胞であるマクロファージ上の特定の分子を阻害することで瘢痕形成が抑制され、この阻害薬を追加するとインプラントの生存率がさらに向上したと報告した。

カプセル化された細胞療法の開発を専門とする企業がすでに存在します。中でも、シギロン・セラピューティクスは、MITが開発した糖尿病や血友病などの代謝疾患の治療技術を発展させています。イーライリリーはシジロン社と共同で糖尿病の研究に取り組んでいます。さらに、Semma Therapeutics は自社の技術を活用して糖尿病に焦点を当てており、Neurotech Pharmaceuticals は緑内障や網膜変性症を特徴とするさまざまな眼疾患に対するインプラントの臨床試験を行っており、Living Cell Technologies はパーキンソン病インプラントの臨床試験を実施しており、その他の神経変性疾患の治療法も開発しています。

現在、カプセルに組み込まれる細胞は、動物や人間の死体から抽出されたもの、あるいは人間の幹細胞から得られたものです。将来的には、移植可能な細胞療法には、細胞の遺伝子を再プログラムして、特定の薬物分子を必要に応じて組織に放出する制御などの新しい機能を実行する合成生物学技術によって設計された細胞など、より幅広い細胞タイプが含まれるようになるかもしれません。カプセル化細胞療法の安全性も有効性も大規模な臨床試験では証明されていないが、有望な兆候がある。

6.人工肉

動物を殺さずに作られたジューシーなビーフバーガーをかじるところを想像してみてください。研究室で細胞から育てられた肉がこの夢を現実のものにしつつある。 Mosa Meat、Memphis Meats、SuperMeat、Finless Foodsなど、いくつかのスタートアップ企業が、実験室で培養された牛肉、豚肉、鶏肉、魚介類を開発している。この分野は多くの資金を集めています。例えば、2017年にメンフィス・ミーツはビル・ゲイツと農業会社カーギルから1,700万ドルの投資を受けた。

培養肉が広く普及すれば、動物を殺す残酷で非倫理的な慣行の多くを排除できる可能性がある。また、肉の生産に伴う相当な環境コストも削減できる可能性がある。培養された細胞のみを生産し維持する必要があり、誕生から生物全体を維持する必要はありません。肉はまず動物から筋肉のサンプルを採取して作られます。技術者は組織から幹細胞を採取し、増殖させて原始繊維に分化させ、その後筋肉組織に拡大させます。モサミート社によると、1頭の牛から採取した組織サンプル1つから十分な筋肉組織が得られるという。

多くのスタートアップ企業は、今後数年以内に製品を販売する予定だと述べている。しかし、培養肉が商業的に実現可能となるには、コストや味など多くのハードルを乗り越えなければならないだろう。記者が2013年に人工肉バーガーを見たとき、パテの製造コストは30万ドル以上で、脂肪が少なすぎてパサパサしていた。それ以来、手数料は大幅に下がりました。メンフィス・ミーツ社は今年、牛ひき肉113グラムの価格が約600ドルであると報告した。この傾向を考慮すると、人工肉は数年後には伝統的な肉の競合相手になるかもしれない。食感にもっと注意を払い、他の材料を補うことで、味の問題を解決できます。

市場での承認を得るには、培養肉が安全であることが証明されなければならない。実験室で培養された肉が健康上のリスクをもたらすと考える理由はないが、FDA はようやくそれをどのように規制するかを検討し始めたところだ。一方、伝統的な肉生産者は、人工肉は肉ではなく、そのように表示されるべきではないと主張して反撃している。調査によれば、一般の人々は人工肉を食べることにほとんど関心がないことがわかった。こうした課題にもかかわらず、培養肉企業は着実に進歩を遂げています。本物の味を手頃な価格で実現できれば、培養肉は私たちの日常の食習慣をより倫理的かつ環境的に持続可能なものにしてくれるだろう。

7.電気けいれん療法

電気けいれん療法は、ペースメーカー、人工内耳、パーキンソン病の脳深部刺激療法などに応用され、医学において長い歴史を持っています。アプローチの 1 つはより多様化し、さまざまな疾患の治療法が大幅に改善されます。迷走神経に信号を送り、脳幹からほとんどの臓器に信号を送り、また脳幹に戻すというプロセスです。迷走神経刺激（VNS）の新たな用途が可能になったのは、迷走神経が免疫系の調節を助ける化学物質を放出するという、ファインスタイン医学研究所のケビン・トレーシー氏らの研究によるところが大きい。例えば、脾臓で放出される特定の神経伝達物質は、体全体の炎症性免疫細胞を鎮めることができます。

これらの発見は、自己免疫疾患や炎症性疾患など、電気信号伝達が阻害される疾患に VNS が有益である可能性を示唆しています。既存の薬は効果がなかったり、重篤な副作用を引き起こしたりすることが多いため、これはこれらの疾患に苦しむ患者にとって恩恵となる可能性がある。 VNS は特定の神経に作用するため、より忍容性が高い可能性があります。一方、薬物は通常、体全体に行き渡り、治療対象以外の組織を破壊する可能性があります。

現在までに、炎症関連の応用に関する研究は有望なものとなっています。 SetPoint Medical社が開発したVNSデバイスは、関節リウマチやクローン病の治療における初期のヒト臨床試験で安全であることが証明されている。現在、両技術の追加試験が進行中です。 ECT は、心血管疾患、代謝障害、認知症、および狼瘡などの自己免疫疾患など、炎症性要素を伴う他の疾患の治療にも使用されています。この病気では、迷走神経自体の活動が低下します。

移植組織の免疫拒絶反応を防ぐことも、もう一つの潜在的な応用です。 SetPoint 社の装置や、てんかんやうつ病の治療にすでに使用されている装置を含む、迷走神経刺激装置のほとんどはインプラントです。医師は通常、鎖骨の下の皮膚の下に装置を配置します。インプラントのワイヤーは迷走神経の枝に巻き付けられ、事前に設定された間隔で電気パルスを送ります。周波数やその他の特性は外部の磁気棒を使用してプログラムされます。現在のインプラントの直径は約1.5インチですが、時間の経過とともにさらに小型化し、よりプログラム可能になると予想されています。

群発性頭痛や片頭痛を緩和するために設計された非侵襲性の携帯型迷走神経刺激装置も最近 FDA の承認を受けたが、迷走神経刺激がこれらの症状にどのように役立つかは正確には不明である。このハンドヘルドデバイスは、首や耳の皮膚を通して神経に軽い電気刺激を与えます。新しい電気療法の対象となるのは迷走神経だけではない。 2017年後半、FDAは、耳の後ろの皮膚を通して頭蓋後頭神経と後頭神経の枝に信号を送ることでオピオイド離脱症状を緩和できる非埋め込み型デバイスを承認した。この装置は、オピオイド離脱患者73人の症状の重症度が31%以上軽減されたことが実証され、FDAの承認を受けた。

インプラントと手術のコストが VNS 療法の普及を妨げる可能性がありますが、技術の侵襲性が低下するにつれてこの問題は軽減されるはずです。しかし、課題はコストだけではありません。研究者は、迷走神経刺激がそれぞれの症例でどのように作用するか、また個々の患者にとって最適な刺激パターンをどのように決定するかについて、さらに学ぶ必要があります。また、迷走神経からの刺激が周囲の神経に好ましくない影響を与えるかどうかも研究する必要がある。しかし、より多くの研究と試験によってそのメカニズムと効果が調べられるにつれて、VNS やその他の電子療法は最終的にさまざまな慢性疾患の治療を改善し、何百万人もの患者の投薬の必要性を減らす可能性がある。

8.遺伝子ドライブ

集団、あるいは種全体の特性を永久的に変える可能性のある遺伝子ドライブ技術は急速に進歩している。遺伝子ドライブとは、遺伝的要素が異常に多く親から子へと受け継がれ、集団全体に急速に広がることです。遺伝子ドライブは自然に発生するが、人工的に作ることも可能であり、それが実現すれば人類にとって多くの点で恩恵となるだろう。この技術は、昆虫によるマラリアやその他の恐ろしい感染症の蔓延を阻止したり、植物を襲う害虫を遺伝子操作することで作物の収穫量を増やしたり、サンゴを環境ストレスに耐性を持たせたり、外来の動植物による生態系の破壊を防いだりする可能性を秘めている。

しかし、研究者たちは、種を変えたり、絶滅させたりすることが広範囲にわたる影響を及ぼす可能性があることを痛感しています。これに応じて、彼らは遺伝子ドライブが研究室から現場でのテストやより広範な使用へと移行する方法を規定する規則を策定している。数十年にわたり、研究者たちは遺伝子ドライブを病気やその他の問題と闘うためにどのように利用するかを検討してきた。近年、CRISPR遺伝子編集技術の導入により、染色体上の特定の場所に遺伝物質を挿入することが容易になり、この研究の急速な発展が促進されています。

2015 年には、酵母、ショウジョウバエ、蚊における CRISPR ベースの遺伝子ドライブの増殖に成功したことがいくつかの論文で報告されました。ある実証実験では、マラリア原虫に対する耐性遺伝子を蚊の集団に導入し、理論上はマラリア原虫の拡散を制限できるはずだった。別の研究では、別の種の蚊の雌の生殖能力が阻害された。今年、マウスの毛色を操作する試みとして、CRISPR 遺伝子駆動システムがマウスでテストされました。この方法は女性にのみ有効です。それでも、この結果は、この技術が、農作物や野生生物を脅かしたり病気を蔓延させたりする外来のネズミやその他の哺乳類の個体数を減少させたり、変化させたりするのに役立つ可能性を裏付けている。

米国防高等研究計画局（DARPA）はこの技術に非常に熱心で、蚊媒介性疾患や侵入性げっ歯類の駆除を目的とした遺伝子ドライブ研究に1億ドルを投資している。ビル＆メリンダ・ゲイツ財団も、マラリアの遺伝子駆動を研究する研究コンソーシアムに7,500万ドルを投資している。遺伝子ドライブは有望であるにもかかわらず、多くの懸念を引き起こしている。うっかり他の野生生物に飛びかかって破壊してしまう可能性はあるでしょうか?特定の種を生態系から排除するとどのようなリスクがあるのでしょうか?悪意ある勢力が遺伝子ドライブを兵器化して農業を混乱させる可能性はあるだろうか？

この恐ろしい見通しを回避するために、研究者たちは、遺伝子ドライブが効果を発揮する前に特定の物質を送り込んでオンにしなければならないスイッチを開発した。一方、複数の科学者グループが遺伝子ドライブの試験の各段階の進捗を導くプロトコルの作成に取り組んでいる。たとえば、2016 年に米国科学・工学・医学アカデミーが研究をレビューし、責任ある実践に関する勧告を行いました。 2018年、大規模な国際ワーキンググループが、研究室の研究を監督するためのロードマップを策定しました。

多くの研究者は、技術自体のリスクを制限することに加え、世論や政策の反発を招く可能性のある事故や失敗を避けたいと考えている。マサチューセッツ工科大学のケビン・M・エスベルト氏とニュージーランドのオタゴ大学のニール・J・ゲメル氏は2017年に論文を発表し、害獣駆除に遺伝子ドライブが使用される可能性について懸念を表明し、たった一つの国際的な事件が研究を10年以上遅らせる可能性があると主張した。 「マラリアだけをとっても、この遅れによる損失は、本来なら避けられたはずの数百万人の死という形で測られる必要があるかもしれない」と彼らは予測している。

9.プラズマ材料

2007 年に執筆したカリフォルニア工科大学のハリー・A・アトウォーター氏は、いわゆる「プラズモニクス」が最終的には高感度の生物学的検出器から透明マントに至るまで、さまざまな用途に利用できるようになるだろうと予測しました。 10 年後、さまざまなプラズマ技術が商業的に実現され、他の技術も研究室から市場へと移行しつつあります。これらの技術はすべて、金属（通常は金または銀）内の電磁場と自由電子との相互作用を制御することに依存しており、これによって金属の電気伝導性と光学特性が決まります。金属表面の自由電子は光にさらされると集団的に振動し、いわゆる表面プラズモンを形成します。

金属片が大きい場合、自由電子が当たった光を反射し、その物質が光ります。しかし、金属の直径がわずか数ナノメートルの場合、自由電子は非常に狭い空間に閉じ込められ、振動できる周波数が制限されます。振動の特定の周波数は金属ナノ粒子のサイズによって異なります。共鳴と呼ばれる現象では、プラズマは入射光のうちプラズマ自体と同じ周波数で振動する部分のみを吸収します。このような表面プラズモン共鳴は、ナノアンテナ、効率的な太陽電池、その他の有用なデバイスの作成に使用できます。

プラズモニック材料の最も広く研究されている用途の 1 つは、化学物質や生物学的物質を検出するためのセンサーです。 1 つのアプローチでは、研究者はプラズモニックナノマテリアルを、細菌毒素などの対象分子に結合する物質でコーティングします。毒素が存在しない場合は、物質に当たった光は特定の角度で再放射されます。しかし、毒素が存在すると、表面プラズモンの周波数が変化し、反射光の角度が変わります。この効果により、微量の毒素であっても非常に正確に測定および検出できるようになります。

いくつかのスタートアップ企業は、この技術と関連アプローチに基づいた製品を開発しており、その中にはバッテリー内のセンサーがバッテリーの活動を監視して電力密度と充電速度の向上を支援するものも含まれています。ウイルス感染と細菌感染を区別できる装置もあります。プラズマはディスク上の磁気ストレージの研究にも使用されます。たとえば、熱補助磁気記録装置は、書き込み時にディスク上の小さな点を瞬間的に加熱することで、記憶容量を増やします。医学の分野では、光活性化ナノ粒子が癌の治療能力を持つかどうか臨床試験でテストされています。ナノ粒子は血流に注入され、腫瘍内に蓄積されます。次に、表面プラズモンと同じ周波数の光を粒子に照射し、共鳴によって熱を発生させます。熱は腫瘍内の癌細胞を選択的に殺し、周囲の健康な組織には影響を与えません。

新しい企業がプラズマテクノロジーを活用し始めると、製品が手頃な価格で、信頼性が高く、頑丈で、他のコンポーネントと大量生産して統合できるようにする必要があります。これらの課題にもかかわらず、見通しは明るいです。 「メタマテリアル」（プラズモニクスで異常な光学効果をもたらす合成ナノ材料）の出現により、プラズモニクスの研究者は、グラフェンや半導体などの金と銀以外の材料を使用できるようになりました。将来の市場洞察からの分析は、プラズマセンサーアプリケーションの北米市場価値だけで、2017年のほぼ2億5,000万ドルから2027年の4億7,000万ドル近くに増加すると予測しています。

10。量子コンピューターアルゴリズム

ハードウェアとアルゴリズムの進歩のおかげで、量子コンピューターは数年以内に従来のコンピューターに追いつくか、それを上回ることさえあります。量子コンピューターは量子力学を使用して計算を実行します。彼らの基本的なコンピューティング単位であるqubitは、標準ビット（0または1）のようなものですが、2つの計算量状態の間に量子重ね合わせにあります。このプロパティは、Entanglementと呼ばれる別のユニークな量子プロパティと組み合わされて、量子コンピューターが特定のタイプの問題をどのクラシックコンピューターよりも効率的に解決できるようにすることができます。

このテクノロジーは、エキサイティングではありますが、前進するのが難しいことで有名です。たとえば、デコハーレンスと呼ばれるプロセスは、その機能を破壊する可能性があります。研究者は、数千キュビットを持つ緊密に制御された量子コンピューターが、量子誤差補正として知られる手法を介してデコヒーレンスの影響を生き残ることができると判断しました。しかし、これまでのところ、研究所で実証されている最大の量子コンピューターには、数十のキュービットしか含まれていません。これらは、カルテックのJohn Preskillによる「ノイズのような中間スケールの量子コンピューター」（NISQ）と呼ばれ、現在エラー修正を実行できません。ただし、NISQ専用に記述されたアルゴリズムの多数の研究により、これらのデバイスが従来のコンピューターよりも効率的に特定の計算を実行できるようになる場合があります。

この進歩は、世界中のユーザーによるNISQへのアクセスの増加によって大幅に促進されており、ますます多くの学術研究者がマシンのプログラムの小さなバージョンを開発およびテストできるようになりました。量子ソフトウェアのさまざまな側面に焦点を当てたスタートアップのエコシステムも繁栄しています。研究者は、NISQの2種類のアルゴリズムであるシミュレーションと機械学習に特に明るい見通しを見ています。 1982年、伝説的な理論物理学者リチャード・ファインマンは、量子コンピューターの最も強力なアプリケーションの1つは、原子、分子、材料などの自然そのものをシミュレートすることであると提案しました。

多くの研究者は、NISQデバイス（および将来の完全にエラー補正された量子コンピューター）で分子と材料をシミュレートするためのアルゴリズムを開発しています。これらのアルゴリズムは、エネルギーから健康科学までの分野での新しい材料の設計を改善できます。また、開発者は、大規模なデータセットまたはエクスペリエンスからコンピューターが学習する機械学習タスクで量子コンピューターが優れているかどうかを評価しています。急速に増加しているNISQデバイステストアルゴリズムは、量子コンピューターが実際に機械学習タスクを促進できることをすでに示しています。

少なくとも3つの研究グループは、過去数年間でフィールドを席巻したGenerative Anversarial Networks（GANS）と呼ばれる機械学習方法の量子バージョンの開発において独立して報告しています。多くのアルゴリズムは既存のNISQマシンでうまく機能しているように見えますが、クラシックコンピューターで実行されるアルゴリズムよりも強力であるという正式な証拠をまだ提供することはできません。これらの証明は困難であり、完了するのに数年かかる場合があります。今後数年間、研究者は、より大きく、より制御可能なNISQデバイスを開発する可能性があり、その後、数千の物理的なキュービットを備えた完全にエラー補正されたマシンが続きます。 NISQのアルゴリズムは、最先端の従来のコンピューターを上回るのに十分効率的でなければなりません。