年間数十億ドルもかかる、新薬候補探し

医薬品開発の現場では、新薬の候補となる新しい分子（リード化合物）の開発がさかんに行われている。化学実験に費やされている費用は、年間で数十億ドルにもおよぶ。あらかじめ生体内の分子のはたらきを予測することができれば、新薬の出発点となるリード化合物候補の選択において、大幅なスピードアップやコスト削減が期待できる。

アメリカにあるウィスコンシン大学のJesse G. Meyerら研究者は、医薬品開発におけるリード化合物候補選択のスピードアップ・コスト削減を実現するため、機械学習手法である畳み込みニューラルネットワークとランダムフォレストを用いて、化学物質の構造から薬物特性の予測を試みた。

結果はどうだったのだろうか。ＡＩで創薬スピードアップすることはできるのか？

機械学習で化学構造を分類、治療用途を予測！

Jesse G. Meyerらの研究におけるミッション・手法・結果は以下の通りだ。