病気を治癒するための薬を飲んで、新たな病気が発症したら…　そんな悲劇を回避するのが、AIの役目かもしれない。

もくじ
課題：薬が引き起こす薬物性肝障害を予測したい
テーマ：ディープラーニングを用いて薬物性肝障害を予測する
目的：遺伝子発現データから肝障害を予測する
手法：ディープラーニングによる肝障害予測モデルを構築
結果：高い精度で薬物性肝障害を予測できた

課題：薬が引き起こす肝障害を予測したい

薬や化学物質の安全性を評価する上で、毒性の予測は重要である。中でも、医療機関で処方された薬などが原因で発症する肝臓の炎症（薬物性肝障害）が問題となっており、薬物性肝障害を正確に予測する手法の開発が求められている。

薬物性肝障害の予測において期待されているのは、遺伝子発現（トランスクリプトーム）データの活用である。トランスクリプトームデータは、一度に多数のDNA検体を分析できるDNAマイクロアレイの導入以来、化学物質への曝露とそれらが誘発する悪影響との関係を解明するために広く使用されてきた。

機械学習を組み合わせて、数千種類にも及ぶトランスクリプトームデータを分析することで、薬物性肝障害の予測が可能になると考えられている。

薬物性肝障害の予測においては、実際にどんな研究が行われているのだろうか。アメリカにあるヘンリー・M・ジャクソン軍事医学振興財団のHao Wangら研究者の発表を紹介したい。

彼らは、ディープラーニングを用いて、トランスクリプトームデータから適した特徴量を抽出することで、毒性エンドポイント予測モデルの構築を試みたのだった。

テーマ：ディープラーニングを用いて薬物性肝障害を予測する

まずはHao Wangらの研究におけるミッション・手法・結果をまとめた。