Establishment of Data Science Platform for Accelerating Drug Discovery in Emerging Infectious Disease Pandemic

ウイルス感染症では、根本的な原因であるウイルス量の減少、排出期間の短縮が臨床医学上、また、公衆衛生上、極めて重要な役割を果たす。しかし、COVID-19にみられるように、ウイルス排出量・期間は症例毎に大きく異なる。本研究では、定量的なウイルス感染動態の理解に基づいて、以下3つの課題に取り組む：課題 (１) ウイルス感染動態の定量化と排出期間に基づいた患者層別化技術の確立課題 (２) 薬物動態/薬力学/ウイルス動態モデルを実装したシミュレータの開発課題 (３) 抗ウイルス治療効果や排出期間を予測するバイオマーカーの探索技術の確立本研究では実施したNFV治験から得られた臨床データを用いて、ウイルス排出期間や抗ウイルス治療効果を予測するバイオマーカー探索と併せてドラッグリポジショニングを加速させるため多角的な数理情報基盤技術を開発し、汎用化することを目的にしている。本年度は、課題(１)に関しては、本治験のプラセボ投与群の症例データを用いて、ウイルス量の時系列データを数理モデルと非線形混合効果モデルを融合させることで解析し、各症例のウイルス感染動態(VD)を特徴づけるパラメータ推定を行った。そして、数理モデルにより再構築した時系列データに対して、バーチャルペイシェントを生成し、階層的クラスタリングを含む様々な人工知能技術を適用し、患者層別化を新たに分析した。課題(２)に関しては、症例毎のVD情報と既存薬の薬物動態/薬力学情報を併せて、薬物動態/薬力学/ウイルス動態(PK/PD/VD)モデルを開発した。なお、治療効果を最適化するために、薬候補別にあらゆるレジメン(投与量や投与スケジュール等)に対応可能なPK/PD/VDモデルを実装したシミュレータを構築し、臨床試験における抗ウイルス効果の推定・予測を実現する準備をした。

ウイルス感染症では、根本的な原因であるウイルス量の減少、排出期間の短縮が臨床医学上、また、公衆衛生上、極めて重要な役割を果たす。しかし、COVID-19にみられるように、ウイルス排出量・期間は症例毎に大きく異なる。本研究では、定量的なウイルス感染動態の理解に基づいて、以下3つの課題に取り組む：課題 (１) ウイルス感染動態の定量化と排出期間に基づいた患者層別化技術の確立課題 (２) 薬物動態/薬力学/ウイルス動態モデルを実装したシミュレータの開発課題 (３) 抗ウイルス治療効果や排出期間を予測するバイオマーカーの探索技術の確立本研究では実施したNFV治験から得られた臨床データを用いて、ウイルス排出期間や抗ウイルス治療効果を予測するバイオマーカー探索と併せてドラッグリポジショニングを加速させるため多角的な数理情報基盤技術を開発し、汎用化することを目的にしている。本年度は、課題(１)に関しては、本治験のプラセボ投与群の症例データを用いて、ウイルス量の時系列データを数理モデルと非線形混合効果モデルを融合させることで解析し、各症例のウイルス感染動態(VD)を特徴づけるパラメータ推定を行った。そして、数理モデルにより再構築した時系列データに対して、バーチャルペイシェントを生成し、階層的クラスタリングを含む様々な人工知能技術を適用し、患者層別化を新たに分析した。課題(２)に関しては、症例毎のVD情報と既存薬の薬物動態/薬力学情報を併せて、薬物動態/薬力学/ウイルス動態(PK/PD/VD)モデルを開発した。なお、治療効果を最適化するために、薬候補別にあらゆるレジメン(投与量や投与スケジュール等)に対応可能なPK/PD/VDモデルを実装したシミュレータを構築し、臨床試験における抗ウイルス効果の推定・予測を実現する準備をした。