【インタビュー】独自生成AIを活用してがん患者と臨床試験をマッチング、米Triomicsが急成長

米国スタートアップTriomicsが取り組むのは、生成AIによるがん医療の改革だ。

MITのバイオテクノロジー研究者Sarim Khan氏とAdobeのAI研究者Hrituraj Singh氏により、2020年にサンフランシスコで設立された同社。2023年5月にはシリーズAラウンドで1,500万ドル（約20億円）の資金調達を実施した。インド出身の創業者2人は、インド工科大学に通った友人でもある。

がんの研究は日々進化しており、新たな治療法も開発されている。効果が望める場合には、新しい治療法を患者に試験適用する。臨床試験だ。しかしながら患者に対して臨床試験を適切にマッチングするのは、これまでのやり方では難しくなっている。このことについて、同社で医療ディレクターを務める医師Daniel Novinson氏に話を伺った。

――これまでの、がん患者と臨床試験のマッチングにはどのような問題があるのでしょうか？
Daniel: 医療従事者の負担は年々増加しており、がん試験の登録に遅れが生じています。たとえば、かつては単に肺がんとだけ診断されていたものも、現在は細分化されています。ステージ3の小細胞肺がんや、非小細胞肺がんなどです。この詳細な病気の分類のためには、多くの患者データが求められます。そして、それぞれの癌のタイプに対して、特別に設計された臨床試験が実施されており、各試験には決められた参加条件があります。医療機関は、全ての患者に対して様々なデータを収集して検査して、正しくがんを分類して、最適な臨床試験を割り当てなければなりません。そのためには、増大し続けるデータの処理が必要となります。

――Triomicsの生成AIを活用すれば、がん患者と臨床試験のマッチング業務はどのように変わりますか？
Daniel: これまで、患者と臨床試験のマッチング業務は、院内の専門チームが担当していました。しかしAIを導入して業務を自動化すれば、はるかに速く、おそらく人間以上に正確に行えるようになるでしょう。さらには、継続的な患者の病状のモニタリングも可能です。もしソフトウェアが臨床試験の適格性における変更を検出できるならば、その状況に最も適した試験を提案し、見逃される可能性のある患者を捕捉することができます。

がんに特化した独自の大規模言語モデルOncoLLM

がんセンターと共同で、Triomicsが開発している大規模言語モデル、それが「OncoLLM」だ。OncoLLMは、医療記録や医療用語を正確に理解するように学習されたモデルである。Oncoとは、腫瘍学（Oncology）を意味する。

OncoLLMの精度は高く、がん患者に対して適切な臨床試験をマッチングするタスクにおいて、すでに専門医やGPT-4を超える正確性を示したという。

OncoLLMの強みはコンパクトさにもある。モデルが巨大だと、院内での運用は困難であるため院外のデータセンターに配置してインターネットでアクセスせざるを得なくなる。この場合、院内から外部データセンターへのデータ転送時における盗聴やハッキングのリスクが増大する。

一方OncoLLMは、GPT-4よりもはるかに小さな容量で作られている。そのため院内でも運用が可能で、患者の個人情報を安全に管理できるようになるのだ。

――医療機関にOncoLLMを導入する際に気を付けていることはありますか？
Daniel: エンドツーエンドのアプローチを重視しています。エンドユーザーと密接に連携して、そのニーズに合わせたソリューションを提供することです。単に使い方のわからないAIモデルを与えても、それは高価な置物となってしまいます。私たちが提供するのは3層モデルのソリューションです。AIモデル、AIモデルを使用したサービス、サービスを利用するエンドユーザーです。特にエンドユーザーには、具体的な使用状況を考えて、サービスとトレーニングを弊社から提供しています。

このOncoLLMをベースに、同社のサービスは開発されている。