解釈可能な薬剤承認予測のための推論強化型言語モデル「DrugReasoner」
カテゴリ：医療現場の業務効率化
公開日：2026年2月20日
タイトル：DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model.
雑誌名：PLoS One. 2026; 21(2): e0342940. doi: 10.1371/journal.pone.0342940. Epub 2026 Feb 19.
概 要：
本研究では、薬剤承認の結果を早期に予測するための推論に基づく大規模言語モデル「DrugReasoner」を提案します。従来の機械学習手法は解釈性に欠けるため、その影響が制限されていました。DrugReasonerは、分子記述子を統合し、構造的に類似した承認済みおよび未承認化合物との比較推論を行い、予測とともに段階的な理由付けと信頼スコアを生成します。バリデーションセットでAUC 0.732、F1スコア0.729を達成し、従来の手法を上回る性能を示しました。外部独立データセットでも高い精度を維持し、AI支援薬剤発見における透明性を向上させる可能性を示しています。
方 法：
DrugReasonerは、LLaMAアーキテクチャに基づいた推論型大規模言語モデルで、グループ相対政策最適化（GRPO）でファインチューニングされています。分子記述子を用いて、承認済みおよび未承認化合物との比較推論を行い、予測とその理由を提供します。バリデーションセットとテストセットでの主要評価指標は、AUCとF1スコアです。
結 果：
DrugReasonerは、バリデーションセットでAUC 0.732、F1スコア0.729を達成し、テストセットではそれぞれ0.725と0.718を記録しました。外部データセットでは、AUC 0.728、F1スコア0.774を達成し、従来のベースラインや最近開発されたChemAPモデルを上回る性能を示しました。
結 論：
DrugReasonerは、薬剤承認の予測精度を競争力のあるレベルで提供しつつ、その推論出力を通じて透明性を高めることができることが示されました。これは、製薬業界の意思決定における解釈可能で効果的なツールとしての可能性を示唆しています。