AIによる分子標的療法の重要課題解決と臨床検査科学の再定義

AI's role in solving critical challenges in molecular targeted therapy and redefining clinical laboratory science

Point

●KIBITによる暗黙知の学習と新規標的の発見：KIBITは，膨大な文献情報から人間が見落とす暗黙知を学習する独自技術により，疾患との関連が未報告の新規標的分子を極めて短期間で特定し，創薬開発の効率性を高めることが期待される．

●Virtual Experimentsによる耐性回避と併用戦略の最適化：KIBITの「Virtual Experiments」は，仮想空間での遺伝子ノックアウトにより，薬剤耐性を獲得する代替パスウェイを予測し，臨床的な獲得耐性の出現を回避し，最適な併用療法〔合成致死（SL）〕戦略の構築に貢献できる可能性がある．

●KIBITとリキッドバイオプシーの高精度化：リキッドバイオプシーの微量ctDNA解析が可能となり，KIBITによるマルチオミクスデータを用いた統合的解析は早期・高精度のバイオマーカー探索と個別化医療の実現に向けて有効と期待される．

●臨床検査技師の役割の高度化：AIの導入により，臨床検査技師の役割は，AI解析結果の検証，高度なデータ統合という“データインテグレーター”へと高度化し，データサイエンスや分子生物学の専門性が新たなキャリアパスを拓くだろう．