医薬品業界で活用されるAIの現状

日本は世界第2位の医薬品市場から、今年中国にその座を奪われて3位に脱落。（出典：Telegraph）医薬品の支出に配分されている予算をもとに想定された結果によると、中国は最近の医薬品業界の好況を先導している。これは潜在的に投資家の悲観的な見通しを投げかける可能性があり、競争力の欠如につながる可能性があるため、日本にとって大きな懸念事項である。また、効率性と生産性にも影響を与える可能性がある。

日本の医療業界に対する圧力は、サステイナブルで長期的な治療法を求める急速な高齢化によってさらに激化している。そのため、日本では人工知能（AI）を製薬業界に統合し、今後の発展を支援する機会を模索し始めている。AIを導入することで成長の要因となり、医療システムが未来の潜在的な課題を見据えて準備できるようになる。

改善すべき課題

顧客の期待が高まり、消費者が医療従事者に新しいコスト制約を課すことで、価値のある医薬品の提供を精査するにつれ、商業環境は厳しくなりつつある。消費者は既存の商品よりも経済的に優れて、臨床的にも効果を認められた新しい治療法と、投薬の優越性に関する様々な主張を裏付ける実在する結果のデータを求めている。

科学的生産性の低さ：製薬企業の生産高は過去10年間安定した水準にとどまっている。同じ発見プロセスと開発プロセスを使用することで、生産性が急激に向上する理由はほとんどない模様。

文化的な硬化症：業界が頼っている支配的な経営文化、精神モデル、戦略は、新しいビジネス方法で不利な立ち位置になったにもかかわらず、変わっていない。

より速い速度での薬物発見

平均して、市場に参入する新薬の1つは、伝統的には12～15年間、1,000人が雇用され、16億ドルを費やすと推定されている。

現在、日本の科学技術省は2017年度予算のAIプログラムに対する25億円（2290万ドル）の予算を求めていて、2017年4月からAIを使用して新薬の開発を合理化するために3億5,000万円の投資を発表した。以前は2〜3年かかっていたが、有害な副作用の原因となる可能性のある先進の化合物を排除することによって大幅に短縮することができるようになった。

日本の企業は、創薬の初期段階を合理化することを目指すAtomNetの取り組みに参加している。これは、異なる分子が互いにどのように相互作用するかを分析することを含み、どの分子が互いに結合し、どの程度強く結合するかを決定する必要がある。これは、天然および合成された何万種類もの化合物を分析するための排除プロセスを使用して行われる。

AtomNetは1日に100万の化合物をスクリーニングすることができ、これは従来の方法で数ヵ月かかる。しかし、2つの分子の組み合わせが最終的に効果的な薬物を産生するかどうかを100％の確率で発明したり予測することができないという限界に直面している。それでもなおどの化合物が特定の病気に対してどの程度働くかを予測することができ、研究者はこれらの予測を使用して何十種類ものオプションを数十（またはそれ以下）までフィルタリングし、テスト結果を肯定的な結果をもたらす可能性が高いオプションに集中させることができる。

厚生労働省は、政府がビッグデータを含む新薬開発の支援にコミットしていると発表し、武田薬品工業、富士フィルム、塩野義製薬は、NEC、富士通などのIT企業と新薬開発のために、京都大学と理研研究所との連携が既に発表されている。（出典：厚生労働省予算2017）。

業界最高レベルの製薬会社にもかかわらず、武田は世界で17位にとどまり、西洋の競争相手であるファイザーやノバルティスに比べてはるかに順位で劣ってる。これらのグローバル企業は、武田薬品が医薬品開発に費やしていることの2倍以上を費やしてるのが現状である。

（出典：NIKKEIアジアのレビュー）　　http://asia.nikkei.com/Business/Trends/Japan-to-launch-initiative-for-AI-based-drug-discovery

消費者および医薬品企業に利益をもたらす医薬品の新たな価格設定方法

AIを使用することで、製薬会社は生産コストの削減により競争力のある価格設定を保証できるようになった。日本の製薬会社Eularisは、臨床試験データと実際の患者のエビデンスをAIと組み合わせて、薬が発売される前に価格を評価している。このアプローチは、Eularisが競争力のある価格を達成するだけでなく、最適な薬を患者へ届けることを達成して患者がコストメリットを実現できるようにするための洞察を提供している。これは、AIの統合によって可能になった。

早稲田大学の石塚満教授と東京大学名誉教授は、AIの中心的な技術である「深い学習」に日本が追いついているにもかかわらず、日本がかなり遅れていると認めている。 AIはすでに2000年ごろに欧米の産業に浸透していた。日本が試みている研究でさえも、15年前に米国のIT業界から始まったりと、この遅れに気づいたことで日本は新しいAI研究センターを設立することを考慮しており、AIを促進するためのもう一つの計画を立てている。

大きなデータはディープラーニングの鍵であり、日本はGoogle Inc.やFacebook、Inc.などの米国の多国籍企業と比較して、専門知識と財務力に欠けている。

「これらの企業は、AIに大きな資金を投入し、結果として新しい価値をサービスに追加することができている。日本には特定のAI技術を持つ小規模の企業がたくさんあります」とMitsuru氏は説明。（出典：ACCJジャーナル、日本におけるグローバルビジネスの権威）

したがって、AIを日本市場内で非常に多様化させるための努力がなされているが、その欠点を処理するために産業界を援助するために、より多くのことを行うことができると予測されている。

AIがより大きな成長を遂げるために必要な他のイニシアチブを、日本はどのように

現状に加えて、より大きな成長を経験するために国境の外で起こっている傾向を特定する必要がある。

オーストラリアは「ディープラーニング」を使って死を予測

オーストラリアの研究者は、ディープラーニングを使ってCTスキャンの際に病気の徴候を調べるソフトウェアを作成した。これは、次の5年以内に48人の患者の死亡を予測し、最高70％の精度で結果を出す。各CTスキャン内のピクセルの輝度レベルの分析には値が割り当てられ、次にパターンが観察される。

今のところ、AIの最も正確な予測の一つとして鬱血性心不全および肺気腫のような慢性状態の症状が挙げられる。ディープラーニングによって、専門家は、スキャン結果を見るだけで医師が行うことのできない方法で臓器を分析することができる。これは、日本の高齢化社会に生かすことができるとされている。

ヨーロッパでのデジタル化

欧州のこのイニシアチブは、医薬品の製造から患者への調剤まで、医薬品の製品供給インフラのデジタル化の変革を促進し、IoTでサポートされている。これは、医療製品の使用、最終的には患者ケアデータの利用、分析、収益化のためのエコシステムおよび市場である。

製薬のデジタル化は、企業がより患者中心的になるのを助け、患者はより良い診療をより安値で得ることができるようになる。

例えば、潜在的な心臓の症状を診断された患者は、早期段階で脳梗塞を検出することができるようになり、埋め込まれた小型の無線センサを有することで、過度の負担および長時間のストレスも検出できる。センサデータは、患者の生活習慣の改善に使うことができ、より良い生活の質を向上させるために使用することができるとされている。このようにして、梗塞の場合の薬物療法および集中治療の潜在的なコストをすべて回避することができる。患者の回復プロセスに関連する担保コストやリスクについてはまだ言及されていない。したがって、デジタル化によるソリューションは、予防段階にすぎない現状である。

日本のより効率的な医療システムに対する需要は、患者に情報を伝えるだけでなく、個人の要望、ニーズ、嗜好に応じて自らのケアにもっと積極的に参加することができるデジタルソリューションで満たされる。コラボレーティブ・デジタルサービスは、患者の健康と生活の質に関する最新のデータを共有しながら、透明性をもたらし、利害関係者と医療従事者の間の医療における患者の回復を促進することができる。これにより、より良いケアと、ケアプロセス全体にわたる患者の関与がもたらされる。

今後の動向について

AIが日本の製薬業界でますます統合されるにつれて、AIの使用経験を持つスペシャリストの需要も増加しています。製薬会社での技術的な経験もまた重要なものになります。 Real Life Sciencesがプロフェッショナルのキャリアアップにどのように貢献できるか、または業界内のスペシャリストについてのご相談は、弊社のLinkedInページにアクセスしてください。