[2I6-OS-7b] OS-7

5:45 PM - 6:00 PM JST(8:45 AM - 9:00 AM UTC)

[2I6-OS-7b-02] Advancing an Integrated Application Using Knowledge Graphs and Generative AI for Supporting Disease Assessment Endpoint Exploration in Drug Clinical Development

〇Ryoichi Chatani¹, Keisuke Tsukada², Isao Sano², Tomohiro Okada², Shotaro Sonoike¹, Hirokazu Murao³, Chihiro Hiraoka ¹, Hiroki Kato⁴, Hiroko Otaki⁵, Shota Nemoto², Daiki Hatakeyama⁴, Yuki Kaya⁴, Tatsuya Tojo⁴, Yoichi Nakamoto⁴, Akihiro Kamiya⁶, Motonobu Hommi⁶, Risa Watanabe⁶, Shunsuke Mashima⁶, Kazuo Muto⁵, Fumimaro Odakura⁵, Nao Okino³ (1. Clinical Development Division, Chugai Pharmaceutical Co., Ltd., 2. Digital Transformation Unit, Chugai Pharmaceutical Co., Ltd., 3. Translational Research Division, Chugai Pharmaceutical Co., Ltd., 4. Industrial AI Business Unit, Hitachi, Ltd., 5. Hitachi, Ltd. Research & Development Group, Hitachi, Ltd., 6. AI & Software Services Business Unit, Hitachi, Ltd.)

Keywords:

Knowledge Graph,Generative AI,Endpoint,Clinical Trial,Link Prediction

医薬品の臨床開発において、疾患評価項目の探索・選定は、文献、臨床試験、分子生物学的知見など多岐にわたる情報を網羅的に整理・解釈する必要があり、臨床担当者に多大な労力を要する。ナレッジグラフと生成AIを組み合わせた探索手法は、情報整理およびインサイト抽出に期待されている。本研究では、ナレッジグラフと生成AIを統合した、実務で活用可能な疾患評価項目の探索支援アプリケーションの開発と高度化を目的とした。本システムでは、生命科学情報のデータソースとしてKEGGの情報を拡充し、対応疾患の範囲を大幅に拡大した。臨床試験データについては、CT.govから取得する情報を拡充し、ナレッジグラフの情報を強化した。技術面では、ETLパイプラインによる大規模データ加工の自動化を実現した。また、抽象ノード導入により探索空間を削減し、検索処理の効率化を図った。さらに、リンク予測モデルのチューニングを通じて潜在的な疾患評価項目の候補の予測精度を高めた。Next.jsを用いたGUIを開発し、直感的な探索・可視化環境を整備した。臨床担当者による試用評価の結果、実務における情報収集の網羅性が向上し、新たなアイデアの創出に寄与することが示唆された。