Embedded Files
薬物のヒトin vivoにおける体内動態や薬効・毒性発現を時空間的かつ定量的に予測するためのシステム開発に取り組んでいます。このシステムは、創薬過程で評価されるin vitroデータや文献情報を有効活用し、より精度の高い予測を支援することを目的としています。
最近の研究成果
最近の研究成果
臨床試験の後期フェーズ（Ph3）における薬剤の血中濃度は、薬物動態と薬効の関係（PK/PD）を踏まえると、薬剤開発の成否を左右する重要な要因となります。そのため通常、早期フェーズ（Ph1/2）で得られた患者データ（生理学的データや血中濃度データなど）の分布をもとに、母集団薬物動態（コンパートメント）モデルが構築されます。このモデルを用いることで、後期臨床試験における薬剤の血中濃度を予測することが可能ですが、モデリングに際しては複数のモデル選択や共変量の選定が必要であり、解析は人の技術や経験に大きく依存しています。 そこで本研究では、患者個人の情報と少数の薬剤血中濃度データから、各患者における血中濃度の時間的推移を詳細に予測可能な機械学習モデルを開発しました。本モデルは、麻酔薬の一つである「レミフェンタニル」のデータを用い、体内における血漿濃度の変化を予測することに挑戦し、その結果、バーチャルデータに加え、実際の患者データを用いた検証に成功し、血中濃度の推移予測において良好な精度が得られました。 この技術は、従来のように人の経験に依存することなく、科学的根拠に基づいて薬物動態予測の精度を高めることができ、患者のベネフィット最大化や健康リスクの最小化に貢献すると考えられ、薬剤開発の成功に繋がる技術になると思われます。さらに今後の研究の進展により、病院やクリニックなどの実臨床への応用が期待され、個別化医療の実現にも寄与することが見込まれます。
学術論文
学術論文
Yoshinobu Igarashi, Ryosuke Kojima, Shigeyuki Matsumoto, Hiroaki Iwata, Yasushi Okuno, and Hiroshi Yamada*, "Developing a GNN-based AI model to predict mitochondrial toxicity using the bagging method, "The Journal of Toxicological Sciences, 49.3: 117-126 (2024). Full Text
Hiroaki Iwata*, Tatsuru Matsuo, Hideaki Mamada, Takahisa Motomura, Mayumi Matsushita, Takeshi Fujiwara, Kazuya Maeda, and Koichi Handa*, "Predicting total drug clearance and volumes of distribution using the machine learning mediated multimodal method through the imputation of various non-clinical data," Journal of chemical information and modeling, 62.17 (2021): 4057–4065. Full Text
Hiroaki Iwata, Tatsuru Matsuo, Hideaki Mamada, Takahisa Motomura, Mayumi Matsushita, Takeshi Fujiwara, Kazuya Maeda, Koichi Handa, "Prediction of human PK parameters using non-clinical data and chemical structure formula with multimodal machine learning," Journal of Pharmaceutical Sciences, 110(4), 1834-1841, (2021). Full Text
Page updated
Google Sites
Report abuse