経産省ヘルスケア IT 研究会 産官学連携で目指す AI 創薬 ライフインテリジェンスコンソーシアム (LINC) の取組みについて ライフインテリジェンスコンソーシアム代表京都大学大学院医学研究科教授理化学研究所 MIH/RC/BDR/AICS 副 PD 奥野恭史
日本の製薬業界はすごい! 国際市場における創薬シェア 主要医薬品 約100品目 の創出国 アジア唯一の新薬開発国 2016年:世界3位 医薬産業政策研究所 政策研ニュースNo.47 2016年3月 国内における主要製造業の 納税者額の推移 高水準の納税額 国内2位 を安定に維持 2
しかし油断はできない 国際市場における創薬シェア 主要医薬品 約100品目 の創出国 医薬品開発費の推移 アジア唯一の新薬開発国 2016年:世界3位 2010年:世界2位 開発費1,200億円以上 医薬品製造業の開発費率:18.4 国内製造業の開発費率:4.15 開発期間10年以上 医薬産業政策研究所 政策研ニュースNo.29 2010年1月 http://www.jpma.or.jp/event_media/campaign/campaign2015/invest/index.html 3
しかし油断はできない 国際市場における創薬シェア 主要医薬品 約100品目 の創出国 医薬品開発費の推移 製薬業界必勝の秘策 研究開発の費用抑制 スピードアップ AIによる徹底的な効率化と成功確率向上 アジア唯一の新薬開発国 2016年:世界3位 2010年:世界2位 医薬産業政策研究所 政策研ニュースNo.29 2010年1月 開発費1,200億円以上 医薬品製造業の開発費率:18.4 国内製造業の開発費率:4.15 開発期間10年以上 http://www.jpma.or.jp/event_media/campaign/campaign2015/invest/index.html 4
ライフサイエンスのための産学 AI コンソーシアム設立 日本経済新聞 2016 年 11 月 16 日記事 読売新聞 2017 年 6 月 19 日記事 H28 年 12 月開始 テーマ提案 調査 AI 設計 H29 年 7 月 AI 開発開始 ライフインテリジェンスコンソーシアム (LINC) 京大 理研 医薬健栄研等 ライフ系企業 IT 系企業等約 90 企業 団体 参加者約 500 名
ライフ インテリジェンスコンソーシアム LINC Pre-Competitive Area 参加費は無料だが 参画機関はマンパワーを持出し 協調してAIを開発すること アカデミア 製薬 化学 食品 医療 ヘルスケア関連企業等 テーマ設定 予測目標 研究推進 共同開発 基盤構築 モデル開発 データ収集 整理 文献情報 公共DB ライフ系企業による 現場ニーズの提案 IT系企業 学習済モデルはコンソ内では全員が利用可能 アカデミア支援に よるマッチング 共同開発 IT系企業による AI開発 LINCの目的: 製薬 化学 食品 医療 ヘルスケア関連のライフサイエンス分野のためのAIならびにビッグデータ 技術を開発することで 当該分野の発展と人材育成 経済振興を目指す 具体的には IT業界とライフ業界のAI開発でのマッチングを促進し IT業界が世界のAI産業 競争に勝てる土壌作りを目指すこと さらにはAI戦略によるライフ業界の産業競争力を加速する ことを目指す 6
ライフ インテリジェンスコンソーシアム (LINC) Pre-Competitive Area 参加費は無料だが 参画機関はマンパワーを持出し 協調して AI を開発すること テーマ設定 ( 予測目標 ) 製薬 化学 食品医療 ヘルスケア関連企業等 データ収集 整理 アカデミア 研究推進共同開発基盤構築 IT 系企業 モデル開発 モデル構築のノウハウ非開示 特許権は貢献度に応じて コード等の著作権は開発者に帰属 文献情報 公共 DB 学習済モデルはコンソ内では全員が利用可能 Competitive Area インハウスデータによるモデル改良 データ提供 インハウスデータ ( プロジェクト取得実験データ 社内データ等 ) Competitive Model IT と製薬 化学 食品企業等による B2B 7
医薬品開発プロセス 医薬品開発の成功確率 :2.5 万分の 1 以下 ( 開発費用 1200 億円 開発期間約 10 年以上 ) 8
医薬品開発プロセスの全域にわたる約 30 種の AI 開発 各社で分担し 30 種の AI を並列で一気に開発 病気 A 候補化合物 Y 医薬品候補 Z を製品化してよい 安全に効く患者群 S 薬価は W が妥当 標的タンパク質 X 有望な医薬品候補 Z 患者群 P 治療方法 T 病気 A の原因タンパクは? 化合物 Y の薬効は? 副作用はないか? 安定な物性か? 治験に合格するには? 治療方法は? 試験の方法は? どんな疾患の薬を開発すれば良い? 標的タンパク X に効く薬物候補化合物は? 医薬品候補 Z は患者に安全に効くのか? 市販後の副作用の危険性は? 費用対効果は? 9
医薬品開発プロセスの全域にわたる約 30 種の AI 開発 多種多様な AI が必要であるがプロダクトがバラバラでは意味がない 30 種の AI を連結 統合することが重要 病気 A 候補化合物 Y 医薬品候補 Z を製品化してよい 安全に効く患者群 S 薬価は W が妥当 標的タンパク質 X 有望な医薬品候補 Z 患者群 P 治療方法 T 病気 A の原因タンパクは? 化合物 Y の薬効は? 副作用はないか? 安定な物性か? 治験に合格するには? 治療方法は? 試験の方法は? どんな疾患の薬を開発すれば良い? 標的タンパク X に効く薬物候補化合物は? 医薬品候補 Z は患者に安全に効くのか? 市販後の副作用の危険性は? 費用対効果は? 10
医薬品開発プロセスの全域と医療をカバーする約30種のAI開発 予防 先制医療 メディシナルケミストリー WG1. 未病 先制医療 WG4. 分子シミュレーション WG5. メドケム 分子設計 ADMET 1. 健康診断データによる発症予測 2. マイクロバイオーム オミクスデータ解析 3. デジタルヘルス 11.タンパク質立体構造 機能予測 12.AIによるドッキング計算高度化 13.分子動力学計算によるAI活用 14.AIを用いた高精度分子力場 15.合成経路予測 16.分子設計AI 17.化合物記述子表現 18.QSAR/QSPR/ in vitro ADMET予測 WG3. 創薬テーマ創出 WG6. トランスレーショナルリサーチ 8. 文献情報を基にした研究者探索 9. 標的分子探索 10.ドラッグリポジショニング 19.非臨床データからのヒトADMET予測 20.疾患メカニズム解明 ブリッジング予測 WG7. バイオロジクス 製剤 ロボティクス 21.バイオロジクス関連AI 22.結晶形 製剤関連AI 23.調剤ロボティクス 4. 5. 6. 7. がんゲノム医療におけるAI活用 シミュレーションによる細胞分離 AIによる病理画像処理 AIによる電子カルテ処理 WG8. 治験 市販後 メディカルアフェアーズ 24.AIによる治験の効率化 25.有害事象の情報基盤 26.製品Q&Aシステム 27.アウトカムリサーチ 医療技術評価 バイオメディカル 基礎から臨床への開発プロセス WG9. 知識ベース NLP WG2. 臨床 診断 知識ベース / 計算機サーバー 診断 治療 WG10. AI基盤 11
AI はスピード勝負 : 短期決戦で一気につくる 2016 年 11 月 ~ PJ 立案 AI 設計 2017 年 8 月 ~ 第一期開発 2018 年 9 月 ~ 第二期開発 2019 年 9 月 ~ 第三期開発 2020 年 9 月 ~ AI の現場実装 利用 事業化による自立化を目指す 現時点 (2018 年 2 月 ) での具体的な成果 半年間で 300 名が従事し 150 テーマ提案から 30 種の AI を開発スタート ( スピード & 約 18 億円の経済価値 ) 医薬品候補化合物の予測 AI のプロトタイプ開発に成功 ( 京大 理研 )( 研究成果 ) 肝毒性評価の画像認識 AI のプロトタイプ開発に成功 ( 研究成果 ) 共同研究パートナー探索 AI のプロトタイプ開発に成功 ( 研究成果 ) 1 テーマは 競争領域へ ( 産業創出 ) 理研で企業からの客員研究員 20 名以上を受け入れ共同研究実施 ( 産学連携促進 人材育成 ) 理研 医薬健栄研 京大による AI 開発基盤の提供 創薬以外の他産業 ( 化学系 農業系 ) への波及効果 12
AIが人の仕事を奪う心配をする前に 少子高齢化日本は 生産力減少 医療費高騰で破綻の一途 仕事がなくなる以前に 働ける人がいなくなる 老年人口 生産年齢人口 年少人口 13 出典 2015年までは総務省 国勢調査 年齢不詳人口を除く 2020年以降は国立社会保障 人口問題研究所 日本の将来推計人口 平成24年1月推計 出生中位 死亡中位推計
AIに仕事をやってもらわないと立ち行かない 少子高齢化 医療費破綻 ブラック企業 30年後の日本のために AIで高いQOLと高い生産性を確保し世界と戦える仕組みをさっさと作ろう 老年人口 生産年齢人口 AI生産力 年少人口 14 出典 2015年までは総務省 国勢調査 年齢不詳人口を除く 2020年以降は国立社会保障 人口問題研究所 日本の将来推計人口 平成24年1月推計 出生中位 死亡中位推計