大規模でマルチモーダルなアルツハイマー病データセットを分析し、標的の発見と試験設計に情報を提供するために、人工知能の使用が増えています。新しい JPAD 特集号では、これらの手法が実験から創薬における実用化にどのように移行しているかを強調しています。
アルツハイマー病に苦しむ何百万もの患者とその家族にとって、進歩は長い間イライラするほど遅いと感じてきました。熱心な研究努力にもかかわらず、治療の選択肢は限られており、早期診断は依然として困難です。最近の動向は、疾患生物学の進歩、大規模データ共有、人工知能 (AI) が連携し始めたため、この状況がついに変わりつつある可能性を示唆しています。
AI は現在、アルツハイマー病の早期診断をサポートし、新薬標的を特定し、臨床試験を再設計するために使用されています。これらの応用は、Journal of Prevention of Alzheimer’s Diet (JPAD) の特別号で検討されています。
Gates Ventures と アルツハイマー病データイニシアチブこの号には 8 か国の研究者が集まり、アルツハイマー病の研究への AI 手法の統合が進んでいることを反映しています。
これらのアプローチが実際にどのように適用されているか、またそれらが初期の創薬とトランスレーショナルサイエンスにとって何を意味するのかについて議論するために、 薬物標的のレビュー アルツハイマー病データイニシアチブの暫定エグゼクティブディレクターであり、ビル・ゲイツの科学顧問を務めるゲイツ・ベンチャーズの健康・生命科学戦略担当マネジング・ディレクターであるニランジャン・ボース博士に話を聞いた。
Bose 氏によると、この問題は AD Data Initiative が大規模なデータ共有とコラボレーションに注力していることを反映しています。 「AD Data Initiative は、慈善活動、産業界、政府、非営利パートナーの世界的な連携を結集し、データ共有と世界的な協力を通じてアルツハイマー病の研究を根本的に変革します。」
なぜ今?
ボーズ氏によると、これをこの分野にとって特に重要な瞬間にするために、3つの勢力が連携したという。 1つ目は、目に見える臨床上の進歩です。何十年にもわたる期待外れの治験を経て、アルツハイマー病の研究はついに疾患修飾療法と利用可能な診断を提供し始めています。
「現在、FDA が承認した 2 種類の疾患修飾治療法が市場に投入されており、さらに広範なスクリーニングを現実的に可能にする簡単な血液ベースの診断検査も初めて登場しました」と彼は言います。これらの進歩は治療法ではありませんが、アルツハイマー病の生物学を有意義な方法で変えることができ、病気の経過の早期に介入することが可能になりつつあることを示しています。
当社は現在、FDA に承認された 2 種類の疾患修飾治療法を市場に投入しており、また初めて、広範なスクリーニングを現実的に可能にする簡単な血液ベースの診断検査も提供しています。
2つ目の力はAI自体の急速な進化です。かつては比較的狭いパターン認識に限定されていたものは、複雑なデータセット全体で推論し、仮説を生成できるシステムに成熟しました。
「私たちは単純な自動化のためのツールから、複雑なデータセットを推論し、自律的に分析を計画し、テスト可能な仮説を生成できる高度な『エージェント』システムに移行しました。」
3 番目の要素はデータの準備状況です。 AI の可能性は、大規模で、よく厳選され、調和されたデータセットへのアクセスにかかっていますが、これは歴史的にアルツハイマー病の研究には欠けていました。などの取り組み 世界神経変性プロテオミクス コンソーシアム AD Data Initiative の ADワークベンチ この目的のために、共有の標準化されたデータセットと安全な分析環境を構築しています。
発見科学の新しい方法
JPAD 号では、従来の仮説に基づく研究とは異なる方法で、AI が生物学的発見にどのように適用されるかを概説しています。 AI モデルは、個々の仮定を順番にテストするのではなく、大規模でマルチモーダルなデータセットを並行して分析し、候補となるメカニズムと治療標的を特定します。
「AI のおかげで、人間の認識では不可能なスケールで生物学的パターンを確認できるようになりました」とボーズ氏は説明します。機械学習モデルは、ゲノミクス、プロテオミクス、画像データ、臨床データを同時に分析することで、隠蔽されたままとなる関係を明らかにすることができます。
この号には、多数のアルツハイマー病研究にわたる一貫性のない発見を統合し、治療標的の特定と優先順位付けのためにマルチモーダルなデータセットを分析するための AI の使用について説明した論文が含まれています。
「これらのユースケースは、同じ発見プロセスの単なる高速化バージョンではありません。まったく新しい科学のやり方を可能にするでしょう」とボーズ氏は言います。初期の創薬チームにとって、それは重要です。これは、AI がターゲットの特定を迅速化するだけでなく、プログラムの選択に情報を与える基礎的な生物学的仮説を改善することによって、人口減少の削減に役立つ可能性があることを示唆しています。
臨床試験の再考
臨床開発は依然として、アルツハイマー病治療薬開発の中で最も費用がかかり、失敗が起こりやすい段階の 1 つです。ここでも特集号は、AI にはわずかな利益ではなく段階的な変化をもたらす可能性があると主張しています。
長年にわたる課題の 1 つは、ボーズ氏がこの分野の「ゴルディロックス問題」と表現しているもので、これには病気の進行が適切な段階にある治験参加者を特定することが含まれます。
「機械学習は、研究者がアルツハイマー病の『ゴルディロックス問題』と呼んでいる問題の解決に役立ちます。つまり、早すぎず遅すぎず、病気の適切な段階にある研究参加者を見つけるのです。」
臨床開発は依然として、アルツハイマー病治療薬開発の中で最も費用がかかり、失敗が起こりやすい段階の 1 つです。
マルチモーダル データを統合することにより、AI モデルは個々の患者で病気がどのように進行するかをより適切に予測できるようになります。これにより、統計力を犠牲にすることなく、より正確な募集、より小規模な試験コホート、より迅速な読み出しが可能になります。
デジタル ツイン モデルは、疾患の軌跡と治療反応を仮想的にシミュレートすることで、この概念をさらに推し進めます。研究者は試験デザイン、投与戦略、エンドポイントをテストできます インシリコ 患者を登録する前に、リスクを軽減し、意思決定を改善します。
ボーズは効率性を超えて、人間への影響を重視しています。 AI を活用した治験デザインは、試験の短縮、侵襲的処置の削減、デジタル バイオマーカーを使用したよりスマートな遠隔モニタリングを通じて参加者の負担を軽減でき、患者の関与が特に困難な疾患領域での採用と維持が向上する可能性があります。
現実世界の複雑さ
アルツハイマー病研究における AI の効果的な適用には、基礎となるデータの品質と多様性が重要です。アルツハイマー病は生物学的にも臨床的にも複雑で、遺伝学、ライフスタイル、環境、併存疾患の影響を受けます。データセットが狭いと、臨床関連性が限定された偏ったモデルが生成されるリスクがあります。
「研究者は、この病気に罹患している人々の多様性を完全に表す、さまざまなモダリティにわたるデータを調べる必要があります」とボーズ氏は言う。これには、ゲノミクス、プロテオミクス、イメージング、デジタル バイオマーカー、ライフスタイル、長期的な臨床データが含まれます。
タンパク質は生物学の機能状態を反映し、ほとんどの薬剤の直接の標的であるため、プロテオミクスは特に重要です。この分野における最近の取り組みの規模は驚くべきものです。グローバル神経変性プロテオミクス コンソーシアムは、現在世界最大の疾患固有のプロテオミクス データセットを構築しました。
「実際、世界最大の疾患特異的プロテオミクス データセットには、23 コホートにわたる 35,000 以上のサンプルからの 2 億 5,000 万以上のタンパク質測定値が含まれており、現在も増加中ですが、これは Global Neurodegeneration Proteomics Consortium によって AD Workbench 上に構築されました。」
同様に重要なのは調和です。コホートやプラットフォーム間でデータを結合するには、標準化と安全なインフラストラクチャが必要です。 AD Workbench は、世界中の研究者が 1 つの環境で多様なデータセットを発見、アクセス、分析できるようにすることで、まさにこの課題に対処するように設計されました。
倫理、信頼、責任ある展開
ボーズ氏は、アルツハイマー病の研究でAIがより広く使用されるようになるにつれ、倫理的配慮に取り組む必要性を強調する。
「責任ある AI は表現と検証から始まります」と彼は言います。狭い集団または同種の集団からのデータに基づいてトレーニングされたモデルは、より広範な患者集団に適用すると偏った結果を生成し、パフォーマンスが低下する可能性があります。したがって、データセットがアルツハイマー病に罹患している人々の多様性を反映していることを保証することは、科学的信頼性と公平な適用の両方のために必要です。
狭い集団または同種の集団からのデータに基づいてトレーニングされたモデルは、より広範な患者集団に適用すると偏った結果を生成し、パフォーマンスが低下する可能性があります。
透明性も重要な問題です。臨床医と規制当局は、AI システムが出力そのものだけでなく、なぜ特定の結果を生み出すのかを理解する必要があります。
「ブラックボックスモデルは信頼を損ない、命と意思決定がかかっている医療現場での導入を妨げます。」ボーズが言うブラックボックスモデルとは、内部の意思決定プロセスが透明でなく、簡単に解釈できないため、臨床医がその出力を理解し、検証し、それに基づいて行動することが困難なAIシステムのことを指します。
プライバシーは、データ駆動型の分野において、特に機密性の高い健康情報を扱う場合には依然として懸念事項です。ボーズ氏は、コラボレーションと機密性が相互に排他的ではないことの証拠として、フェデレーテッドでプライバシーを保護するデータ共有フレームワークを挙げています。
「AD Workbench とその相互運用可能なパートナーは、安全でプライバシーを保護するフレームワークを通じてデータをグローバルに共有することが完全に可能であることを示しています。」
研究協力者としてのAI
ボーズは、AI が科学プロセスにおいてより積極的な役割を果たす未来を思い描いています。 AI システムは分析機器としてのみ機能するのではなく、研究協力者になる可能性があります。
「AIが研究ツールから、科学者と一緒に推論し、実験を計画し、さらには新しい仮説を提案できるシステムなど、研究協力者へと移行することを期待しています。」
この方向性はすでに現在の取り組みにも反映されています。 AD Data Initiative は、 アルツハイマー病研究用の AI エージェントの開発に賞金 100 万ドル一方、 C-BrAInコンソーシアム 神経変性疾患に焦点を当てた AI 研究アシスタントを開発しています。
ボーズは、これらの取り組みが創薬の実用的な成果につながることを期待しています。 「発見の面では、今後数年以内に、AIによって特定された最初の治療標的やバイオマーカーに基づいた医薬品や診断薬の開発が始まると予想しています。」
長い間、複雑さと進歩の遅さによって特徴づけられてきたこの分野では、AI、大規模データ、共同インフラストラクチャの統合により、発見から開発までのより明確なルートが生み出され始めています。
専門家に会う
ニランジャン・ボース博士
ニランジャン・ボース氏は現在、アルツハイマー病データ・イニシアティブの暫定エグゼクティブ・ディレクターおよびゲイツ・ベンチャーズLLCのマネージング・ディレクター（健康および生命科学戦略）を務めており、そこでビル・ゲイツ氏の科学顧問を務めている。 2014 年 8 月に Gates Ventures に入社する前は、ビル & メリンダ ゲイツ財団でグローバル ヘルス プログラムの会長付首席補佐官を務めていました。
彼は、2007 年から 2014 年までゲイツ財団に勤務し、その中には腸炎および下痢性疾患プログラム戦略チームに数年間在籍し、ロタウイルス、コレラ、腸毒素原性大腸菌、赤癬菌に対する腸内ワクチンの臨床開発を含む投資ポートフォリオの管理を担当しました。
ニランジャンは、ダートマス大学で生化学の博士号を取得し、インドのピラニにあるビルラ工科大学で生物科学の修士号と薬学の理学士号を取得しています。彼はダートマスのタック ビジネス スクールからビジネス ブリッジ ディプロマも取得しました。
1770974449
#AIがアルツハイマー病の創薬パイプラインに参入し始める
2026-02-13 09:02:00