クラウドコンピューティングが人工知能支援創薬（AIDD）を加速し、医薬品開発は「AI時代」に突入

2020年末、DeepMindの人工知能（AI）システムAlphaFoldは、タンパク質分子構造予測の分野で前例のない進歩を遂げました。これは、生命科学分野の発展を強力に促進しただけでなく、「暗い知識」を習得する能力を備えたAIが、人々が「未知の」暗い箱の中で手探りするプロセスをスキップし、「新しい知識」の向こう側に直接到達するのに役立つことをますます証明しました。

したがって、近年ますます成熟し普及している人工知能支援創薬（以下、AIDD：AI Drug Design）が、わずか数年で、創薬ターゲットの発見から臨床試験まで、医薬品開発のほぼ全プロセスに参加するまでに発展した理由を理解するのは難しくありません。特に、新薬開発におけるターゲットスクリーニング、化合物発見など、人間の認知能力に盲点がある部分においては、AIDD によって専門知識や膨大なデータの必要性が大幅に軽減され、新薬開発の「生死」のジレンマを変えることが期待されています。

AI技術自体の進歩に加え、AIDDの急速な普及は「適切なタイミングで生まれた」こととも切り離せないものです。成熟したクラウドコンピューティング技術はAIDDに必要なデジタルインフラストラクチャと機能も提供し、製薬会社はストレージ、コンピューティングパワー、機械学習モデルなどのデジタルボトルネックを迅速に打破し、AIDDを効率的で標準化されたツールにすることができます。たとえば、新型コロナワクチンの開発では、モデルナ社はアマゾン ウェブ サービス プラットフォーム上に構築された機械学習機能を通じて、mRNA COVID-19 ワクチンのシーケンスを 2 日間で完了し、25 日間で最初の臨床バッチをリリースしました。これは、医薬品の研究開発が全面的に「AI時代」に突入していることを示しています。

AIDDで新薬開発が加速

新薬の研究開発は、人類の科学研究において常に最もリスクが高く、複雑で、時間のかかる技術研究分野の 1 つです。ネイチャー誌のデータによると、新薬の総コストは約26億ドル、開発には約10年かかり、成功率は10分の1以下だという。

1990 年代半ば以降、コンピュータ支援医薬品設計 (CADD) が使用されるようになり、製薬会社では徐々に主流のデジタル補助技術になりました。ただし、CADD の機能は、既存の知識とデータのスクリーニングと最適化に限定されています。その役割は「ブレークスルー」というよりはむしろ人間の労働の「代替」なので、人間がまだ踏み込んでいない認知の盲点に到達することはできない。

対照的に、AIDD は未知の分子構造空間を完全に探索し、既存の経験とデータを超えた新しい分子化合物構造を生成することができ、医薬品の研究開発に真の破壊的変化をもたらします。機械学習、ディープラーニング、画像認識、コグニティブコンピューティングなどのAIの機能を医薬品開発の各リンクに組み込むことで、疾患ターゲットをより正確に予測・特定し、ウェット実験やCADDシミュレーションデータに基づいて新薬分子設計、化合物活性評価、毒性評価などの開発プロセスを実施し、データ量や専門知識への依存を大幅に低減することができます。

AIDD の最も直接的な価値は、従来の医薬品研究開発にかかる高額な費用と時間を大幅に削減し、研究開発の効率を大幅に向上させることです。 Exscientia社のDeckデータによると、AI技術を活用することで新薬研究開発のコストを約35％削減でき、研究開発サイクルは1～2年に短縮されるという。

クラウドコンピューティングはAIDDを標準化されたツールにすることを促進します

2021年、Amazon Web Servicesの顧客でありAI医薬品開発企業でもあるInsilico Medicineは、特発性肺線維症の治療薬としてAIによって発見・設計された世界初の医薬品候補が臨床試験段階に入ったと発表しました。 Insilico Medicine は、ターゲットの発見から化合物の検証まで、18 か月未満、わずか 260 万ドルのコストで、新薬の研究開発の計算コストを約 99% 削減しました。

Insilico Medicine の創薬エンジンは Amazon Web Services プラットフォーム上に構築されており、同社の製品ポートフォリオの中核をなしています。このエンジンは、何百万ものデータ サンプルと複数のデータ タイプを使用して、疾患バイオマーカーを発見し、最も有望なターゲットを特定し、特定の特性を持つ小分子化合物を設計します。

Insilicon の人工知能プラットフォームは大量の実験データとテキストデータを処理する必要があるため、グラフィックス プロセッシング ユニット (GPU) に対する要件が高くなります。 PandaOmics™ や Chemistry42™ などの Insilico AI ツールは、 Amazon Elastic Compute Cloud (Amazon EC2)上で実行され、大規模なローカル コンピューティング クラスターを維持することなく、クラウド サーバーの柔軟性とスケーラビリティを活用します。さらに、Insilicon Intelligence は、関連データの保存にオブジェクト ストレージ サービスAmazon Simple Storage Service (Amazon S3)も使用しており、6 か国のチームが簡単に必要なデータにアクセスし、国境を越えたコラボレーションを行えるようにしています。

成熟し、使いやすく、「AIフレンドリー」なクラウドプラットフォームは、さまざまな業界がAI時代に入るための「近道」を生み出しました。現在までに、クラウド上の人工知能アプリケーションの 75% 以上が Amazon Web Services プラットフォームに基づいて開発されており、これにより Amazon Web Services は豊富な人工知能および機械学習技術と成功経験を蓄積してきました。 Amazon Web Services は、コンピューティング能力、アルゴリズム、データという 3 つのデジタル基盤に加え、AIDD に必要なセキュリティとコンプライアンスの要件に対して包括的なサービスと技術サポートを提供できます。

· AIDD に必要な高性能 GPU/CPU コンピューティング能力を得るために初期のインフラストラクチャ投資は必要なく、オンデマンドで支払うことができます。

多数のトレーニング、推論、デプロイメント ツールを提供し、複数のディープラーニング フレームワークをサポートします。機関や担当者は、関連する知識についての深い知識がなくても、研究開発や実験を迅速に実行できます。

Amazon Web Services Marketplace では、何百ものアルゴリズムとモデルが提供されています。 Amazon の公開データセットには、ChEMBL、ZINC、Open Target など、医薬品開発に必要なさまざまな科学データも提供されています。

Amazon Web Services のクラウド インフラストラクチャは、98 のグローバル セキュリティ コンプライアンス認証に合格しており、GxP、HIPAA、HITRUST を含む 50 を超えるグローバル ライフ サイエンス コンプライアンス標準に準拠およびサポートしています。また、「中国人類遺伝資源管理条例」の中国認証も取得しており、チーム間および機関間の安全で安心なデータ コラボレーションを実現しています。

不完全な統計によると、世界中でAIが関与する約40の医薬品パイプラインが臨床段階に入っている。 AIDD は広く使用されているため、国内外の多くの企業が AIDD を導入するためのクラウド コンピューティング プラットフォームとして Amazon Web Services を選択しています。 Amazon Web Services は、AIDD に必要なクラウド インフラストラクチャを提供できるだけでなく、AI ツールの開発と使用を直接支援したり、Amazon Web Services の 92 個の公開ライフ サイエンス データ セットを使用してモデルのトレーニングを迅速に開始したりすることもできます。

近年、アストラゼネカは、Amazon Web Services をベースに、候補薬の開発における従来の手動サンプルカタログ作成方法に代わる、機械学習を活用した病理画像認識検出モデルを開発しました。 Amazon SageMaker Ground Truthを使用することで、AstraZeneca はトレーニングサンプルに迅速に注釈を付け、収集し、分類し、モデルトレーニングに使用できるデータセットを、従来の 50% の時間で作成できるようになりました。

データセットを使用してトレーニングされたモデルは、時間と労力のコストを節約するだけでなく、研究開発担当者がより正確な分析結果を得るのにも役立ちます。両者が実施したパイロットプロジェクトでは、アストラゼネカは2,000のサンプルを使用して、糖尿病による損傷を引き起こす主要な構造を95%の精度で分析し、科学者が薬物の安全性と有効性を迅速に理解できるようにし、新薬開発と市場投入のプロセスを加速しました。

AIDDの潜在能力を最大限引き出すことで、医薬品開発は「AI時代」に本格的に突入できる

「オープン性」はAI技術の開発と応用において重要な要素です。将来、AIDD がさらに十分に開発され、探求されるためには、単一の企業のみに権限を与える孤立した状態から脱却する必要があります。将来的には、パブリッククラウドのデータセキュリティ保護とコンプライアンス共有メカニズムの助けを借りて、製薬会社はコアデータのセキュリティを確保しながら企業間のデータ協力を実現する機会を得て、よりオープンなエコシステムでAIDDの機能、適用範囲、影響力を継続的に向上させることができます。

早くも2019年に、Amazon Web Servicesと世界トップ10の製薬会社は共同でAmazon Web Services上に創薬のための連合学習プラットフォーム（ MELLODDY ）を構築し、製薬会社が安全でコンプライアンスに準拠し、データプライバシーが保証された環境で多者協力を実施できるようにし、業界全体の科学研究と発見のプロセスを加速させました。現在、MELLODDY プラットフォームは、Amazon Web Services プラットフォーム上で前例のない規模で実行されており、フェデレーテッド ラーニングを使用して数十億の実験データ ポイントでモデルをトレーニングし、2,000 万を超える化学分子構造と物理的および化学的特性を分析しています。さらに、MELLODDY を使用すると、企業は独自のデータやモデルを共有することなく、機械学習で協力し、共同で創薬モデルをトレーニングできるようになります。このプロジェクトは、製薬会社がクラウド コンピューティングを通じて連携し、新薬の発見を加速できる可能性を実証しました。

政策的インセンティブを受けながら、中国の医薬品研究開発分野の多くの企業もAIDDの商業的可能性を探り始めている。 AI 技術には、前臨床試験の支援に加えて、まだ探求すべき応用の可能性があります。たとえば、AI を IoT やデータ レイクなどの他のテクノロジーと統合すると、デジタル実験、多施設臨床試験、インテリジェント製造、リアルワールド分析など、医薬品のプロセス全体の改善を促進できます。ますます多くの企業がAIDDを本格的に応用し始めており、国内の医薬品研究開発を新たな「高収量」段階に押し上げるのに貢献しています。

データブリッジ・マーケット・リサーチによると、アジア太平洋地域の創薬市場におけるAI価値の年平均成長率は2022年から2029年の間に50.9%に達し、中国がこの分野で主導的な国になると予想されています。クラウドコンピューティングがAIDDなどのAIアプリケーションの実装への道を切り開き続けるにつれて、国内の製薬会社は研究開発能力の飛躍を完了することが期待され、上記の予測は最終的な事実になります。