特許ウォッチ

公開番号2025159790
公報種別公開特許公報(A)
公開日2025-10-22
出願番号2024062546
出願日2024-04-09
発明の名称情報処理装置、情報処理方法、及び情報処理プログラム
出願人株式会社日立製作所
代理人藤央弁理士法人
主分類G06N 3/08 20230101AFI20251015BHJP(計算;計数)
要約【課題】信頼性が高い薬効推測モデルを提供する。
【解決手段】所定の処理を実行する演算装置と、複数の事象の各々に関する関連情報を入力として受け付ける入力部と、前記事象に関する関連情報の推測結果を導出する学習モデルを記憶する記憶部と、前記推測結果を出力する出力部とを備え、前記演算装置は、前記複数の事象のうち第一の事象を入力した前記学習モデルの隠れ層の第一の出力値と、前記複数の事象のうち第二の事象を入力した前記学習モデルの隠れ層の第二の出力値との内積を算出し、前記事象の組み合わせ毎に、前記算出された内積と前記複数の事象のうち正解データとの差が小さくなるように、前記事象に関する関連情報に基づいて前記学習モデルを深層学習する。
【選択図】図6
特許請求の範囲【請求項１】
所定の処理を実行する演算装置と、
複数の事象の各々に関する関連情報を入力として受け付ける入力部と、
前記事象に関する関連情報の推測結果を導出する学習モデルを記憶する記憶部と、
前記推測結果を出力する出力部とを備え、
前記演算装置は、
前記複数の事象のうち第一の事象を入力した前記学習モデルの隠れ層の第一の出力値と、前記複数の事象のうち第二の事象を入力した前記学習モデルの隠れ層の第二の出力値との内積を算出し、
前記事象の組み合わせ毎に、前記算出された内積と前記複数の事象における正解データとの差が小さくなるように、前記事象に関する関連情報に基づいて前記学習モデルを深層学習することを特徴とする情報処理装置。
続きを表示（約 1,400 文字）【請求項２】
請求項１に記載の情報処理装置であって、
前記学習モデルは、前記第一の事象の入力層から隠れ層までの層の数と、前記第二の事象の入力層から隠れ層までの層の数が等しく、
前記第一の事象の隠れ層の出力値と前記第二の事象の隠れ層の出力値とは、次元の数が等しいことを特徴とする情報処理装置。
【請求項３】
請求項１に記載の情報処理装置であって、
前記第一の事象は、検体であり、
前記第二の事象は、薬剤であり、
前記推測結果は、前記検体に対する前記薬剤の治療有効性であることを特徴とする情報処理装置。
【請求項４】
請求項３に記載の情報処理装置であって、
前記第一の事象の隠れ層は検体の遺伝子の異常の程度を表し、
前記第二の事象の隠れ層は薬剤の治療効果の程度を表すことを特徴とする情報処理装置。
【請求項５】
請求項３に記載の情報処理装置であって、
前記入力部は、検体に関する検体関連情報と、薬剤の効果に関する薬剤関連情報とを入力として受け付け、
前記演算装置は、
前記検体関連情報を入力した前記学習モデルの隠れ層の第一の出力値と、前記薬剤関連情報を入力した前記学習モデルの隠れ層の第二の出力値との内積を算出し、
前記検体と前記薬剤の組み合わせ毎に、前記算出された内積と正解データとの差が小さくなるように、前記検体関連情報と前記薬剤関連情報に基づいて前記学習モデルを深層学習することを特徴とする情報処理装置。
【請求項６】
請求項１に記載の情報処理装置であって、
前記事象に関する関連情報は同じ特徴量で表現されることを特徴とする情報処理装置。
【請求項７】
請求項５に記載の情報処理装置であって、
前記演算装置は、前記隠れ層に対するIntegrated Gradientを用いて、複数の事柄の各々に関して前記推測結果に対する寄与度を算出し、
前記出力部は、前記算出された寄与度を出力することを特徴とする情報処理装置。
【請求項８】
請求項７に記載の情報処理装置であって、
前記演算装置は、前記算出された前記複数の事柄の各々の寄与度の要素積に基づいて、前記検体関連情報及び前記薬剤関連情報の前記推測結果に対する寄与度を算出し、
前記出力部は、前記算出された寄与度を出力することを特徴とする情報処理装置。
【請求項９】
請求項７に記載の情報処理装置であって、
前記関連情報は、タンパク質及び遺伝子をノードとし、前記各ノードに発生する異常の程度をエッジとしたグラフで表されるパスウェイに対応する値であり、
前記演算装置は、前記パスウェイ毎に前記推測結果に対する寄与度を算出し、
前記出力部は、前記パスウェイと共に算出された寄与度を出力することを特徴とする情報処理装置。
【請求項１０】
請求項５に記載の情報処理装置であって、
前記入力部は、薬剤データ及び検体データを入力として受け付け、
前記演算装置は、前記入力部で受け付けた前記薬剤データ及び前記検体データと前記学習モデルに基づき、前記検体データに対する前記薬剤データの治療有効性を算出し、
前記出力部は前記治療有効性を出力することを特徴とする情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、薬効推測モデルを学習する情報処理装置に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
創薬において、新規治療薬の開発には膨大な時間とコストが必要である。そこで、ＡＩを用いて薬効を推測する取り組みが注目されている。ＡＩを用いた薬効の推測によって、注目するコホートに対する有用性を確認できる、また、薬効の推測には膨大で複雑なデータ処理が必要である。例えば、非特許文献１は、Integrated Gradientなどの方法を用いて予測への寄与が大きい特徴量を提示する手法を開示する。
【先行技術文献】
【非特許文献】
【０００３】
Yi-Ching Tang. Explainable drug sensitivity prediction through cancer pathway enrichment, Scientific Reports, 11: 3128 (2021)
【発明の概要】
【発明が解決しようとする課題】
【０００４】
一般に、薬効予測ＡＩを診断や治療方針決定、創薬などへ臨床応用する場合、医師などの専門家により結果の妥当性を判断できる必要があるため、ＡＩには高度な解釈性が求められる。非特許文献１に記載された技術では、検体に関する異常や薬剤の構造、薬効機序に関するさまざまな種類の特徴量をもとに薬効を推測する。さらに、Integrated Gradientを算出し、各特徴量における、治療効果を上げる働きや下げる働きなどの治療効果予測への寄与の仕方や、その程度を確認できる。しかし、さまざまな種類の特徴量にIntegrated Gradientなどの説明性の指標を算出しても、各特徴量における予測への寄与の仕方はさまざまであり、それらの解釈を統合して妥当性を判断することは困難であり、信頼性が高い薬効推測モデルを提供することができなかった。
【０００５】
本発明は、信頼性が高い薬効推測モデルの提供を目的とする。
【課題を解決するための手段】
【０００６】
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、所定の処理を実行する演算装置と、複数の事象の各々に関する関連情報を入力として受け付ける入力部と、前記事象に関する関連情報の推測結果を導出する学習モデルを記憶する記憶部と、前記推測結果を出力する出力部とを備え、前記演算装置は、前記複数の事象のうち第一の事象を入力した前記学習モデルの隠れ層の第一の出力値と、前記複数の事象のうち第二の事象を入力した前記学習モデルの隠れ層の第二の出力値との内積を算出し、前記事象の組み合わせ毎に、前記算出された内積と前記複数の事象のうち正解データとの差が小さくなるように、前記事象に関する関連情報に基づいて前記学習モデルを深層学習することを特徴とする。
【発明の効果】
【０００７】
本発明の一態様によれば、信頼性が高い薬効推測モデルを提供できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。
【図面の簡単な説明】
【０００８】
実施例１の情報処理装置のハードウェア構成を示す図である。
実施例１の検体データの構成例を示す図である。
実施例１の薬剤データの構成例を示す図である。
実施例１の設定画面の例を示す図である。
実施例１の出力画面の例を示す図である。
実施例１の学習処理のフローチャートである。
実施例１のテスト処理のフローチャートである。
実施例１の学習モデルを示す図である。
実施例２の情報処理装置のハードウェア構成を示す図である。
実施例２の設定画面の例を示す図である。
実施例２の出力画面の例を示す図である。
実施例２のテスト処理のフローチャートである。
実施例３の情報処理装置のハードウェア構成を示す図である。
実施例３のパスウェイデータの構成例を示す図である。
実施例３の設定画面の例を示す図である。
実施例３の出力画面の例を示す図である。
実施例３のテスト処理のフローチャートである。
【発明を実施するための形態】
【０００９】
以下、添付画面に従って本発明に係る情報処理装置１００の好ましい実施例について説明する。なお、以下の説明及び添付画面において、同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
【００１０】
＜実施例１＞
実施例１では、薬効推測について説明する。すなわち、実施例１の情報処理装置１００は、検体データ２００と薬剤データ２０３から深層学習で学習した各隠れ層の出力の内積を薬効スコアとするモデルを学習する。また、実施例１の情報処理装置１００は、選択された検体の薬効情報を薬効推測結果は出力画面４００に出力する治療効果推測装置として機能する。ユーザである医師などの専門家は、情報処理装置１００で薬効を推測し、注目するコホートに対する薬剤の有用性を確認できる。
（【００１１】以降は省略されています）

関連特許