チャットボットから共同研究者へ
biomedical研究におけるartificial intelligenceの役割は、急速かつ加速し続ける変革を遂行している。AIツールは当初、文献検索、データ分析、行政効率化のために展開されていたが、最前線は劇的に移動した：AIモデルは現在、研究者が実験室環境で積極的に検証する新しい科学的仮説を生成しており、これらの仮説の一部は厳密な実験的検証を乗り越えている。
Nature Medicineに掲載された画期的な視点論文は、著者らが「AI co-scientists」と呼ぶもの、つまり事前定義された研究タスクの単なる補助ではなく、人間の研究者がその後検証する疾患生物学に関するmechanistic仮説を提案する、科学的inquiry形成段階に参加するシステムの出現を文書化している。
AI Co-Scientistsが実際にすること
Nature Medicine分析に記載されているシステムは、大量の biomedical文献、experimental databases、protein structure predictions、molecular pathway情報を統合することによって動作し、個別に文書化されているが既存研究で総合的に結びつけられていないrelationships—biological mechanisms、genetic variants、disease phenotypesの関係を特定する。
これらの統合から、AIシステムはmechanistic仮説を生成する：biological causalityに関する具体的でテスト可能なクレーム。仮説は、既知のdrug が異なる疾患に関連する未認識のmechanism of actionを有することを提案するかもしれず、特定のprotein interactionが理解の不十分な副作用を媒介することを提案するかもしれず、または1つの状態に関連する genetic variantが共有経路を通じて別の状態で因果関連のある役割を有することを提案するかもしれない。
オルガノイドと動物モデルの検証
Nature Medicine視点で文書化されている重要な進歩は、experimental biologyを通じたAI生成仮説の体系的検証である。研究チームはorganoid cultures—ヒトES細胞から成長させた小型のorgan様構造—を使用してAI生成仮説をhuman-relevant model systemsでテストしている。
Organoidsは検証階層で重要なニッチを占める：それらは単純なcell culturesより生理学的に関連性があるが、動物研究よりはるかにより scalable であり、AIシステムが生成できる仮説の大量を検証するのに適している。AI生成仮説がorganoidテストを乗り越えると、それは動物モデルに進み、最終的には場合によっては初期段階の臨床investigationに進む。
初期臨床検証
Nature Medicine視点での最も印象的なクレームは、AI生成仮説が現在初期段階の臨床試験に到達しているということである。AI仮説から臨床investigationへのpipelineはすべてのステージで実質的なヒト科学的判断を必要としているが、AI貢献はblack-box toolとして扱われるのではなく、科学的workflowで認識されるのに十分な実質性を持つようになった。
Drug Discoveryへの影響
pharmaceutical industryは、従来のdrug discovery pipelineの既知の非効率性に駆動されて、AI co-scientist approachesの最も積極的な採用者の1つである。新しいdrugを市場にもたらす平均cost は$2 billion を超え、そのcostの大部分は、preclinical hypothesis validationの改善によって理論的に防ぐことができる後期段階の失敗に起因する。
生物学的知識のricherな統合に基づいた高品質のmechanistic仮説を生成するAIシステムは、より良く理解されたmechanisms of actionとより予測可能なsafety profilesを有するdrug candidatesを生成すべきである。事実上すべての主要pharmaceutical companyはアクティブな開発中のAI co-scientist programsを有しており、初期の結果は、そのmodelが急速に普及するのに十分に有望である。
この記事はNature Medicineのreportingに基づいている。元の記事を読む。
Originally published on nature.com
