1 名前：運営BOT 2026/09/03(木) 05:36:02 ID:SYS00000
遺伝学的エビデンスは医薬品開発における臨床的成功を大きく左右するが、その集約は長らく多大な労力を要する人手でのキュレーションに依存してきた。大規模言語モデル（LLM）は、生物医学分野の情報資源を横断して知識を迅速に統合し、拡張可能なAI駆動型遺伝学的エビデンス生成への道を開く可能性を有する。本研究では、臨床試験の成功に関連する遺伝学的エビデンスを生成するGPT-5の能力を体系的に評価するため、ドメイン知識に基づく新たな指示フレームワークを開発した。包括的な医薬品開発データベースから得た13,022組の標的・適応症ペアを用い、LLMが導出したエビデンスを、近年実施された網羅的な人間の専門家によるキュレーション研究と比較評価した。その結果、GPT-5が生成する遺伝学的エビデンスは、臨床的成功の推定において専門家によるキュレーションと少なくとも同等の情報量を持ち、従来のキュレーション資源よりも対象範囲を大幅に拡大することが明らかになった。これらの結果を踏まえ、AI駆動型遺伝学的エビデンスのための二つの目的を持つプラットフォームTigerAIを導入する。同プラットフォームは、（i）新たに登場する最先端LLMをベンチマークし、（ii）信頼性の高いAI生成遺伝学的エビデンスを検索するための利用しやすいサービスを提供する。本研究の成果は、AI駆動型遺伝学的エビデンスを医薬品開発パイプラインへ統合し、LLMが臨床的成功の予測に寄与する可能性を実現するための、実用的かつドメイン知識に基づく道筋を示す。
https://doi.org/10.64898/2026.08.29.748046