千倍の失敗例で誤りが百分の1以下に、創薬AIの精度向上

関西医科大学と摂南大学の研究チームは、創薬研究におけるAI（人工知能）の活用について検討。活性化合物を効率的に見つけるためには、生物活性を示す化合物だけでなく、生物活性を示さない化合物もAIの学習に重要であることを明らかにした。 研究チームは、この創薬分野におけるデータの特徴、すなわち化合物の大部分が活性を示さないという特徴に着目。AIの学習において、活性を示す化合物（正例）に対して、活性を示さない化合物データ（負例）の割合を1,000倍増やすと、AIの誤分類が100分の1以下になり、識別能力が格段に向上した。 この知見を利用することで、より少ない検証回数や薬剤リソースでスクリーニングを行うことが可能となり、創薬研究における大幅なコストダウンにつながる幅広い応用が期待できるとしている。研究論文は、3月18日（木）に学術誌の「molecular informatics」（インパクトファクター

[misshiki]

事例