既知から未知を予測するKIBITを活用した「標的分子・化合物の評価」 ～確証バイアスにとらわれない 網羅的な評価と薬理研究者のコラボレーション～

FRONTEOの独自開発した自然言語処理AI「KIBIT」は、事象を連続的に繋げて導く、従来型の発見とは異なり、文献に記載のない関連性であっても予測し見つけ出す、非連続的な発見を可能とするAIエンジンです。このKIBITをベースに、新規性の高い標的探索、創薬アセット（化合物など）の価値最大化を目的とした適応症探索などに対するソリューションとして「Drug Discovery AI Factory（DDAIF）」を展開しています。本セミナーではDDAIFの実際の応用例として、創薬候補となる「標的分子・化合物の評価」を行うケースについて紹介いたします。

製薬業界において、「標的分子・化合物の評価」は、単に研究現場の技術的な問題ではなく、製薬会社のビジネスモデル全体を左右する「知的競争力の源泉」でもあります。標的評価が曖昧なまま次のステージに移行した場合には、例えば、薬理作用の不足に起因する、臨床段階でのドロップアウトが懸念されます。
一方、標的・化合物の科学的な評価ができれば、創薬早期段階の確実性が向上します。それはひいてはライフサイクルマネジメント戦略の最適化や、製品ポートフォリオの価値最大化にもつながってくると考えられます。経営的視点で考えると研究リソースへの投資効率の向上にも関係する重要な意思決定プロセスとも言えます。
DDAIFのケイパビリティを活用することで、確証バイアスにとらわれないAI「KIBIT」と薬理研究者のコラボレーションにより、標的分子・化合物の科学的な評価を網羅的に行うことができます。

DDAIFの全体像に加え、具体的な「標的分子・化合物の評価」について、当創薬支援技術/サービスのスペシャリストである中園より詳しくご紹介いたします。