[发明专利]用于预测测试物质在人类中的适应症的人工智能模型

说明书

目的是即使在测试物质具有关于用于获取训练数据的现有物质尚未已知的功效的情况下也预测该测试物质的功效。使用通过如下的训练方法训练的人工智能模型，该训练方法包括：将第一训练数据集、第二训练数据集和第三训练数据集彼此相关联地输入到人工智能模型中，以训练所述人工智能模型。第一训练数据集是指示如下的数据集：从已经分别给予在人类中具有已知适应症的多个预定现有物质的相应非人类动物收集到的一个器官或多个不同器官中的各器官中的生物标志物的动态的数据集与指示所给予的预定现有物质的相应名称的标签相关联。第二训练数据集是指示如下的数据集：多个预定现有物质的相应名称的标签与指示针对多个预定现有物质中的各预定现有物质所报告的适应症的标签相关联。第三训练数据集是指示如下的数据集：针对多个预定现有物质中的各预定现有物质所报告的适应症的标签与关于与这些适应症中的各适应症相对应地报告的不良事件的信息相关联。人工智能模型用于预测测试物质在人类中的适应症。

技术领域

本说明书公开了用于预测测试物质在人类中的适应症的方法、用于预测测试物质在人类中的适应症的装置、用于预测测试物质在人类中的适应症的程序、以及用于训练用于预测测试物质在人类中的适应症的人工智能模型的方法以及经训练的人工智能模型。

背景技术

新药的开发从用于寻找新药的候选物质的药物发现研究(发现阶段)开始，然后是使用动物或培养细胞的临床前试验(阶段0)以及人类的阶段I至III临床试验。只有通过了试验的物质才能申请获得厚生劳动省批准作为医药品制造和销售的许可。然后，即使在经过被批准作为医药品所需的审查并被投入市场之后，也提供用于监测在开发阶段和批准审查阶段期间未预测到的不良事件或效果的时间段。如上所述，一种新药投入市场需要大量的时间和金钱。另一方面，据说物质从发现阶段进入制造和销售批准的概率约为1.6％。还据说，在通过临床前试验的物质中，仅13.8％在从临床前试验通过至阶段III的临床试验期间展现出无不良事件的效果并获得批准申请。换句话说，超过80％的候选物质在阶段I至III临床试验期间退出。据说由于退出引起的损失高达每种物质1.5至2亿美元。

作为用于在新药的开发中辅助新药的候选物质的探索的方法，专利文献1公开了一种方法，该方法包括：将从源自已经给予测试物质的个体的一个或多于一个器官的细胞或组织所获得的各器官中的器官相关指标因子的测试数据与初步确定的器官相关指标因子的相应标准数据进行比较，以获得用于计算器官相关指标因子的模式的相似度的模式相似度；以及使用器官相关指标因子的模式相似度作为指标来预测测试物质在一个或多于一个器官中和/或在除该一个或多于一个器官以外的器官中的功效或副作用。

另外，作为用于预测候选物质在新药的开发中的功效或副作用的方法，专利文献2公开了一种人工智能模型，该人工智能模型用于根据与从已经给予测试物质以准备训练数据的非人类动物收集到的多个不同器官相同的多个不同器官中的转录组(transcriptome)的动态来预测测试物质对人类的一个或多于一个作用。该方法包括将指示从已经针对非人类动物中的各非人类动物分别给予对人类具有已知作用的多个现有物质的非人类动物收集到的多个不同器官中的转录组的动态的数据集以及指示各现有物质对人类的已知作用的数据作为训练数据输入到人工智能模型中，以训练人工智能模型。

引用列表

专利文献

专利文献1：WO2016/208776

专利文献2：日本特开6559850

发明内容

发明要解决的问题

本发明的一个目的是根据响应于向除人类以外的动物给予测试物质的生物标志物的动态来有效地预测该测试物质在人类中的适应症。

通过专利文献2中所公开的方法，仅可以预测关于在获取多个器官的转录组数据作为训练数据时使用的现有物质已经已知的功效。

本发明的目的是即使在测试物质具有关于在获取训练数据时使用的现有物质尚未已知的功效的情况下，也预测出该测试物质的功效。