GIST研究チーム、未学習の新薬候補の反応予測精度を向上

GISTは19日、AI大学院のイ・ヒョンジュ教授研究チームが、新しい薬物に対するがん細胞の反応を予測するAIモデル「InFo-DRP」を開発したと発表した。研究チームは大規模ながん細胞薬物反応データベースを活用し、既存のAIモデル6種と性能を比較した。学習に使用していない薬物や、化学構造が大きく異なる薬物においても優れた予測性能を実証した。

特に、学習データに含まれる薬物と主要な化学骨格が重複しない厳格な評価条件において、InFo-DRPの予測相関係数は0.592を記録した。これは既存の比較モデルの中で最も高かった0.436よりも35.8%向上した数値である。学習に使用していない全薬物を対象とした評価でも、予測相関係数0.617を記録し、既存の最高値である0.489を26.2%上回った。

抗がん剤は同じ薬物であっても、がん細胞の遺伝的特性によって反応が異なるため、薬物の化学構造とがん細胞の遺伝子情報を同時に分析して効果を事前に予測する研究が活発に行われている。しかし、既存のAIモデルは学習過程で接触した薬物には優れているが、初めて接触する物質や化学構造が大きく異なる物質では性能が急激に低下する限界があった。これはAIが既存の学習データの特定の特性に過度に依存するためである。新薬開発過程では、新材料候補物質は十分な実験データが不足している場合が多く、こうした限界は開発コストと時間的負担を加重させる原因となってきた。

これに対し、研究チームは薬物の化学的特徴を多角的に分析し、新しい薬物反応の予測に実質的に有用な情報のみを厳選するアプローチを導入した。特定の学習データに過度に依存する問題を解決するため、「不変学習」技術を適用し、化学構造が変化しても一貫して維持される核心情報を抽出するように設計した。

InFo-DRPは、多様な分子の化学構造を事前に学習したモデルを基盤とし、薬物の詳細な構造と物理化学的特性を総合的に分析する。さらに、データ環境が変化しても維持される情報を捉える不変学習技術を適用し、学習薬物固有の偏りを軽減した。

このように抽出された精緻な薬物情報は、がん細胞の遺伝子発現情報と結合される。薬物の化学的特性と細胞の生物学的特性を立体的に考慮し、その細胞が薬物にどのように反応するかを精密に予測する構造となっている。

研究チームは、がん細胞の遺伝的特性と薬物反応情報を含むデータベース（GDSC）を活用し、既存のAIモデル6種と性能を厳格に比較した。その結果、学習未使用薬物評価（0.617）と主要化学骨格非重複薬物評価（0.592）の両方で、既存のモデルを圧倒的な差で上回った。

また、非がん性細胞株5種を対象とした追加評価でも、すべての細胞株において既存モデルより優れた予測相関性を示した。独立したデータベースであるCCLEを用いた検証でも、別途の追加学習や補正なしに予測相関係数0.431を記録し、既存の最高値である0.417を上回った。

イ・ヒョンジュ教授は、「今回の成果は、学習していない新薬候補物質や構造が未知の薬物においても予測性能を最大化した点に意義がある」と述べた。さらに、「今後、新薬開発の初期段階で有望な候補物質を選別し、研究資源を効率的に配分するための強力な意思決定ツールとして活用されるだろう」と述べた。ただし、研究陣はAIの予測が実際の実験を全面的に代替するものではなく、候補物質の最終的な効能と安全性は別途の実験および臨床研究を通じて徹底的に検証されなければならないと補足した。

今回の研究は、イ・ヒョンジュ教授が指導し、イ・ジサン修士博士統合過程生が第一著者として参加した。ヨム・テリム修士博士統合過程生と原光大学電子工学科のキム・ジュヌ教授が共同著者として参加した。研究結果は、生体医療情報学分野の国際学術誌であるIEEE生体医学および健康情報学ジャーナルに、先月30日に掲載された。