●この記事のポイント ・株式会社Taomicsは、網羅的な生体情報（オミックス情報）を用いた人間の健康状態・疾患シミュレーション AI モデルの研究、開発及び販売を目的としたベンチャー企業 ・オミックス情報を含む健康ビッグデータを収集し解析するプラットフォームを構築し、様々な病気を先行して発見し制御する先制医療の社会実装を目指している

　山梨大学が2020年から始めた大学発ベンチャー認定制度の第5号企業に認定され、早1年。株式会社Taomicsでは、オミックスと呼ばれる網羅的な生体分子情報と独自のAIを組み合わせることで、人間の健康状態や疾患の進行をデジタル空間上でシミュレーションするプラットフォームの開発に取り組んでいる。

　早期の実用化及びマネタイズに向けた意気込みを、同社創業者で代表取締役の大岡忠生・山梨大学医学部社会医学講座 准教授に聞いた。

すべての病気を予防する…AIが見えない体の変化を捉える、次世代ヘルスケアの画像2
(画像=山梨大学HPより)

目次

「全ての病気を予防したい」勇気を持って選んだ研究者の道

――まずは先生のご経歴をお聞かせください。先生は医師免許をお持ちですが、臨床の医師ではなく予防医療の研究者を志したのはいつ頃でしょうか。

大岡　私は2015年に山梨大学の医学部を卒業し、2017年に大学病院で初期臨床研修を終えています。このとき、ほとんどの同期は臨床医として後期研修に臨む中、私は予防医療の研究室に入局して研究者の道に進むことを決めました。私は医学生のときから、ほとんどの病気は予防すれば治るのに、なぜ予防医療に身を捧げる医師が少ないのかと疑問を持っていました。病院での研修を始めてもその疑問は消えるどころか強くなっていき、研修を終えたときに、日本の予防医療・母子保健研究の大御所である山梨大学医学部社会医学講座の山縣然太朗教授のもとを訪れ、「すべての病気を予防できるシステムが作りたいです」と言って同講座に入局し、気づくと予防医療の研究者を志していました。

――Taomicsで開発中のモデルはAIを活用しています。医師であったにもかかわらず、AIの知見はいつ獲得されたのでしょうか。

大岡　研究者の道を選んだ2017年当時は、ディープラーニングが脚光を浴び始めていて、今後予防医学の研究に携わるうえで、統計学や機械学習などのビッグデータを扱う知識や経験が重要になってくるであろうことは容易に予想がつきました。そこで、どうせ学ぶならしっかりしたところで考え、日本の統計研究の中核である統計数理研究所に通い始め、多くの先生方にご指導を頂きながら統計や疫学の学びを深めていきました。同研究所では疾患予測AIについての公募研究のチームリーダーを２年間務め、そこでの研究を基に糖尿病の予測AIモデルの研究で博士号を取得したのが2019年です。

――そのあとハーバード大学にも行かれていますね。

大岡　たまたま同僚が紹介してくれた記事に、ハーバード大学医学部で当時准教授（現在は教授）をされていた長谷川耕平先生の寄稿がありました。そこには、AI・機械学習と疫学、そしてオミックス情報を融合させることで疾患の病態の背景にあるメカニズムを解明していくSystems Epidemiologyの概念について紹介されており、「自分はここで学ぶしか無ない」と直感しました。すぐに長谷川先生に直接連絡し、オンラインでの面談を申し込みんだところ許諾頂き、長谷川先生には自分が今までやってきたこと、研究への興味、自分の想いや熱意を全て伝えました。すると、ボスであるDr. Carlos Camargo Jrに僕のことを紹介頂き、幸いにもぜひ研究室に来てほしいという話になりました。そうして、晴れてハーバード大学医学部・マサチューセッツ総合病院のリサーチフェローとして赴任することになりました。

　ここで、遠隔での研究連携も含めると約3年間、オミックス情報とAI・疫学を組み合わせることでアレルギー疾患の病態を解明する研究に従事しました。これが、私とオミックスとの出会いでした。いままでの研究では、主に健康診断や医療カルテのデータから疾患や状態を予測するAIを開発していましたが、あまり高い精度が出ず、通常の医療過程で得られる情報のみでは疾患の個人差まで表現することはできないというジレンマがありました。ハーバードの研究室では、オミックス情報を活用することで、一人ひとりのheterogeneity（いわゆる個人差）まで考慮した疾患の予防法を同定しており、これは人間の健康状態を精緻に表現するに当たってオミックス情報が必須であることを示していました。この状況を踏まえ、これからAIが発展していく時代で、オミックス情報が確実に今後の医療の中心になっていくと確信しました。

　ハーバードの研究室で過ごした約３年間で、オミックスとAIに関連した論文（共著を含む）を60本ほど出版しました。オミックスの中には、遺伝子、タンパク質、代謝物、腸内細菌など様々なレイヤーのデータがあるのですが、留学中にほぼ全ての種類のデータを扱い、多種多様な情報を統合して解析・解釈する技術を身につけました。ハーバードではアレルギー・呼吸器疾患を中心に研究を行ってきましたが、オミックスの研究自体はあらゆる病気に応用が可能であり、特に生活習慣病の進行はオミックス情報で精緻に表現することができると言いわれています。

　しかし、生活習慣病の進行を正確に表現するには、疾患を発症していない大勢の健康な人達からもオミックス情報を取得しなくてはなりません。その点で日本は、詳細な健康診断や人間ドックをほぼすべての成人に対して毎年行っている世界で唯一の国であり、健常者からオミックス情報を経時的に取得できるシステムは、世界において日本の保健医療の仕組みの上でしか作れないだろうと考えました。

　そこで、オミックス情報を用いて生活習慣病の進行を正確に表現し、全ての生活習慣病を制御できるようにするための研究を行う予算を取得するために、留学中に政府のプロジェクトに対して何件も申請をしていました。運よく、2023年中に3件の大型プロジェクトの予算を通すことができたので、2023年で留学は終了とし2024年からこれらのプロジェクトを始動するため日本に帰ることを決意しました。ハーバードの研究チームリーダーからは、給与を出すのでスタッフとして残ってくれないかと言われましたが、日本でしかできない研究を行うために帰国しなければいけないとお伝えし、2024年初めに日本に帰国しました。

　日本に帰国した後は自身の研究室を開き、さっそく研究に着手しました。具体的には、糖尿病予備軍の健常者を215人集め、３カ月ごとにオミックス検査と詳細な代謝検査を行うとともに、後述のTaohealthアプリを通して毎日の詳細な生活行動や活動量を網羅的に収集しました。これらの網羅的なデータに対してAIで統合解析を行うことで、どのオミックス情報が人間の代謝状態を表現するのか、さらにどのような生活行動がオミックス情報や代謝状態を変化させるのかについて特定し、コンピュータ上で代謝状態を精緻にシミュレーションできるモデルの開発を現在も進めています。