講演情報
[2I6-OS-7b-02]医薬品の臨床開発における疾患評価項目探索を支援するナレッジグラフ・生成AI統合アプリケーションの開発
〇茶谷良一1、塚田啓介2、佐野勲2、岡田智寛2、園池昇太郎1、村尾浩和3、平岡千尋1、加藤浩樹4、大瀧洋子5、根本翔太2、畠山 大輝4、嘉屋勇希4、東條 竜也4、中本与一4、神谷 明弘6、本美 元伸6、渡邉 理沙6、真島 俊亮6、武藤 和夫5、小田倉 史麿5、沖野奈央3 (1. 中外製薬株式会社 臨床開発本部、2. 中外製薬株式会社 デジタルトランスフォーメーションユニット、3. 中外製薬株式会社 トランスレーショナルリサーチ本部、4. 株式会社日立製作所 インダストリアルAIビジネスユニット、5. 株式会社日立製作所 研究開発グループ、6. 株式会社日立製作所 AI&ソフトウエアサービスビジネスユニット)
キーワード：
ナレッジグラフ、生成AI、エンドポイント、臨床試験、リンク予測
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。