[发明专利]用于预测受试物质在人类中作用的人工智能模型

说明书

一种用于训练人工智能模型的方法，其包括通过将第一训练数据组与第二训练数据或第二训练数据组输入到人工智能模型来训练人工智能模型，其中第一训练数据组包含指示一个器官或多个不同器官中的每一个中一种以上的生物标志物的动力学的数据的组，该一个或多个不同器官收集自已经施用多种在人类中具有已知作用的现有物质的各非人类动物，并且第二训练数据包含与从施用于非人类动物的多种现有物质中获得的人类中已知作用有关的信息，其中所述人工智能模型从指示已经施用受试物质的非人类动物中的一个器官或多个不同器官中的每一个中的一种以上的生物标志物的动力学的数据的组预测受试物质在人类中的一种以上的作用，该一个器官或多个不同器官分别对应于在生成第一数据组时收集的一个器官或多个器官，并且所述人工智能模型使用利用所述训练方法训练的人工智能模型预测受试物质的效果和副作用等作用。

技术领域

本公开涉及一种用于训练人工智能模型的方法，该方法使用指示从已经单独施用了在人类中具有已知作用的多种现有物质的非人类动物中收集的一个器官或多个不同器官的每一个中的一种以上的生物标志物的动力学的数据的组，来预测受试物质在人类中的一种以上的作用，并且还涉及训练装置、训练程序、用于预测受试物质在人类中的一种以上的作用的方法、预测装置、预测程序、和预测系统。

背景技术

专利文献1公开了一种用于预测受试物质的功效或副作用的方法，其包括通过比较关于已经施用受试物质的个体的一种以上的器官中的器官关联指数因子的受试数据与相应的器官关联指数因子的预定标准数据，计算受试数据和标准数据间的器官关联指数因子的模式相似度，来获得模式相似度的步骤，该受试数据源自来自一种以上的器官的细胞或组织；并且通过使用器官关联指数因子的模式相似度预测在一种以上的器官和/或该一种以上的器官以外的一种以上的器官中的受试物质的功效或副作用。

新药的开发从药物发现研究开始，以寻找新药的候选物质(发现阶段)，然后是使用动物和培养细胞进行的临床前研究(阶段0)。然后，进行包括I～III期在内的人类临床试验，此后，只有通过临床试验的物质才能申请厚生劳动省(the Ministry of Health,Laborand Welfare)的授权获得生产和销售该物质作为药品的许可。即使这些物质已通过审查批准为药品并投放市场，也设定了观察期，以监测在开发和批准审查阶段无法预期的副作用和其它功效。因此，发射新药需要大量时间和金钱。但是，在发现阶段发现的物质最终被批准用于生产和销售的可能性约为1.6％。此外，仅通过临床前试验的物质的13.8％在临床试验期间(在临床前试验后直至第III期)显示出效果，且未显示副作用，因此可以申请授权。换句话说，超过80％的候选物质会在临床试验的I至III期退出。据认为，由于这种退出而造成的损失为每种物质1.5亿美元至2亿美元，这是巨大的。

现有技术文献

专利文献

专利文献1：WO2016/208776

发明内容

发明要解决的问题

如果可以在新药开发中尽早预测到诸如候选物质在人类中的效果和副作用等作用，则可以减少这种损失。如后述图2A所示，在常规方法中，通过例如基于诸如小鼠等的数据库、先前报道的病理机理和先前报道的临床数据推测生物反应的机理；将现有药物的结构和活性与推测的机理联系起来；进一步将结果与受试物质的结构和受试物质对非人类动物或培养细胞的活性联系起来，来预测受试物质在人类中的作用。然而，该方法需要大量的信息，因为该方法基于大量的信息来预测生物学机理。另外，生物反应机理本身是根据预测而逻辑构建的；因此，如果首先预测的生物反应机理不正确，则将错误地预测受试物质的作用。因此，目前很难有效地预测诸如候选物质在人类中的效果和副作用等作用。

本公开的目的是从受试物质在非人类动物中的作用有效地预测受试物质在人类中的一种以上的作用。

用于解决问题的方案