
近年、ライフサイエンスの研究においてLLM（大規模言語モデル）活用への期待は年々高まっている。遺伝子発現データの解析に取り組んできた筑波大学 医学医療系 バイオインフォマティクス研究室もまた、LLMを使った文献データの解析を進めている。AIの性能も加速度的にたかまっていくなかで、これからの研究や実験はどのように変わっていくのか。同研究室准教授の尾崎遼とfuku代表の山田涼太が、LLMがライフサイエンスの研究にもたらす構造的インパクトを問う。

## ライフサイエンスにおける研究自動化の重要性

*山田涼太（以下、山田）：* 尾崎さんと初めてお会いしたのはラボラトリーオートメーション勉強会でしたね。

*尾崎遼（以下、尾崎）：* 当時山田さんはがんの研究について実験条件や文献情報をテキストマイニングで整理したデータベースをつくっていましたよね。既存の実験や論文の情報を整理することで無駄な実験を減らしたり製薬の研究者が既存研究を発見しやすくしたりできるのではないかと語られていて、とても面白いなと思っていました。根性でひたすら文献を読むのではなくてインフォマティクスで解決すると研究者の行動を変えられるのではないかと仰っていて、個人的にもかなり共感するところがありました。

私はもともとバイオインフォマティクス研究者として実験系研究者との共同研究においてデータ解析を行うなかで、研究の自動化に取り組もうとしていました。たとえばAというソフトウェアで加工した結果を今度はBというソフトウェアで加工するといったように複数のソフトウェアを使うことが一般的だったため、複数のソフトウェアをつなぐデータ解析パイプラインをつくることで遺伝子発現データの解析を自動化していました。

*山田：* 実験のデータをそのパイプラインに通すことで、一気通貫でデータ解析を終わらせられる、と。

*尾崎：* そうです。データ解析を自動化すればこれまで自分が手を動かしていたプロセスが省略されますし、ほかの研究者の手元のサーバーにインストールして動かしていただければ自分が介在する必要もなくなっていく。***実験系の研究者の方々も自分のデータを自分自身でスムーズに解析できるようになるので、「実験系研究者がデータを出してバイオインフォ研究者が解析する」というこれまで当たり前だった研究プロセスがソフトウェアによって大きく変わる可能性を秘めています。***

*山田：* 自分の仕事を残して職を守るという考え方もありますが、研究の自動化に取り組んでいる方々は自動化された先でも自分の仕事は残ると考えていることが多いですよね。研究のプロセスが自動化されたとしても、仕事がなくなってしまうわけではない。

*尾崎：* 短期的に見れば自分の存在が必要不可欠な場所はあった方がいいですが、研究プロセスを自動化するソフトウェアをつくれたらいま共同研究に携わっている方々に限らず直接関わりのない人にも使ってもらえる可能性があるから面白いですよね。

とくに自分はいま医学研究にも携わっていますが、医学研究の発展は人々の健康や命に関わるものでもあります。***誰かのジョブセキュリティのために研究が遅れるよりは、誰かの仕事がなくなっても研究が進む方がいいと思っています。***

![image](/images/uploads/case__tsukuba/img_02.jpg)

## 入念な要件定義でAI活用ステップを具体化

*山田：* 尾崎さんとはこれまで2回お仕事をご一緒させていただいて、現在進行中のプロジェクトもあります。最初は異なるデータベースの情報を統合するために細胞の種類の表記揺れをテキストマイニングで解決するプロジェクトでした。

*尾崎：* 現在進行中のプロジェクトもデータ解析の研究プロセスを自動化したいという発想から生まれました。これまで私たちは細胞の遺伝子発現データの解析に取り組んでいまして、データを解析するなかで、細胞の機能や表現型を解釈するためにはライフサイエンスの文献データもきちんと分析していく必要があると感じていました。***従来は研究者が手作業で一つひとつ文献を見ながら細胞に関する記述を検索していたのですが、LLM（大規模言語モデル）などの発展によって、もっと効率化できるのではないかと考えたわけです。***

ChatGPTが登場したときに自分でいくつかデータの統合や抽出を検証してみると、きちんと処理すればLLMを組み込んだシステムも実現できるのではと感じていました。ただ、自分たちだけで行うには限界があったため、山田さんにご依頼しました。

*山田：* まさに最初はその可能性を検証することから始まりましたね。既存のデータベース上では細胞の名前が自然言語で表記されているので、これまで簡単には統合できませんでした。これはライフサイエンスに関わるさまざまなデータベースが抱えている課題でもあります。単に「◯◯細胞」と書かれているだけならいいのですが「XXXにある◯◯細胞」とか「XXXの遺伝子がノックアウトされた◯◯細胞」など、説明的な表現が加えられていることも少なくない。既存の用語集に当てはめるだけではなくて、LLMも活用しながら幅広く表記揺れに対応する必要がありました。

![image](/images/uploads/case__tsukuba/img_03.jpg)

*尾崎：* 最初のプロジェクトはまだLLMを使っていませんでしたが、それでも7〜8割のデータをカバーできたのは大きかったです。それと山田さんが作成してくださった報告書が本当にわかりやすかったのもうれしかったです。表面的な報告にとどまらず、細かいところまで分析していただきましたし、試行錯誤のプロセスもわかりやすかったですね。

そういった分析の甲斐もあって、1回目から2回目、2回目から今回と着実にプロジェクトが進んでいるように思います。2回目のプロジェクトは文章から細胞の名前を抽出したうえで、その細胞がどんな機能や表現型を示しているのか抽出するものでしたが、そのためには精度評価が必要なので実際に神経科学の研究に携わられている方々に文献アノテーションを行っていただいたうえで山田さんのシステムがどれくらいの精度を実現できているか検証しましたね。

*山田：* 尾崎さんとのプロジェクトに限らず、常に要件定義を慎重に行うべきだと思っています。お客様がやりたいと仰っていることをそのままやろうとしても、その前段に技術的な検証が必要になることも少なくありませんから。なのでお客様がやりたいことを技術的にブレイクダウンしたうえで、最終的なゴールや中間のステップを達成するためにどの要素をクリアすべきかきちんと整理していくことを心がけています。

最初のプロジェクトでも最初から論文の全文を対象にするとアノテーションする方々も大変ですしかえって精度が下がる可能性もあるので、まずアブストラクトを対象にすることを提案させていただきました。

今後はより高度な情報の抽出にトライしていきたいですね。遺伝子発現データが得られた実験に関する情報もまだ不足しているのですが、文献にはデータの参照元となる論文が記載されていることも多いので、ほかの文献を参照して一つひとつ実験条件などを確認する作業も自動化していけたらと思います。

*尾崎：* ***これまで山田さんと取り組んできたプロジェクトのおかげで、新しいプロジェクトのグラント申請も進みましたし、プロジェクトそのものの成果に限らず、山田さんとの取り組みによって研究が広がっている実感があります。*** やはりライフサイエンスの文献からLLMを用いて情報を抽出することに素早く取り組めたのは、私の研究においても大きな意味があったと感じます。

![本棚の写真](/images/uploads/case__tsukuba/img_04.jpg)

## 基盤モデルを統合しAIによる科学の自動化に貢献

*山田：* 尾崎さんの研究では、私たちに限らず外部の企業に開発や実証を発注されることは多いんでしょうか？

*尾崎：* あまりないですね。特にLLMの活用はチャレンジングな領域でもあるので、LLMを使ったソフトウェア開発の実績がある山田さんだからこそお願いできたことだと思います。

先ほど山田さんの報告書はわかりやすいと言いましたが、要件定義や納品までのプロセスにおいてもこちらの意図を汲んでいただきながら丁寧に進めてくださるので一緒に働きやすいですし、とてもありがたいです。

*山田：* 私たちがライフサイエンスの研究に注力しているからこそ、対応できる部分も大きそうです。

*尾崎：* 一般的なITの領域では見かけないデータベースやデータ形式を扱わないといけないので、ある程度ドメイン知識がないとこちらから一つひとつ説明する必要が生じてしまい、かえってコストがかかることも少なくありません。私たちの取り組みはどうしても試行錯誤しながら進めなければいけない部分もあるのですが、山田さんたちはスモールスタートで始めつつフットワーク軽く変更に対応いただけるのがありがたいです。

![image](/images/uploads/case__tsukuba/img_05.jpg)

*山田：* 私としても、尾崎さんはラボラトリーオートメーションの研究会でご一緒していますし、研究の自動化に関する考え方や目指している世界観が揃っているので、一緒に働きやすいなと感じています。

とくに尾崎さんは積極的にコミットメントしてくださるのがプロジェクトをご一緒していて刺激的な部分でもあります。最近はLLMが流行っているので、とりあえずLLMを使ってなにかできないかと考える人も少なくないんですが、明確なゴールのイメージがなかったり課題意識が曖昧だったりすると、何をやるべきかわからないのでプロジェクトも前進しづらい。尾崎さんはご自身でChatGPTも活用されていますし、データの評価についても専門家の観点から積極的に取り組んでくださるので私たちとしてもありがたいです。

*尾崎：* 今後の展開を考えると、***長期的には研究に取り組むAIエージェントを開発してみたいなと思っています。現在、タンパク質や化合物、遺伝子発現など個別の基盤モデルの整備が進んでいるので、今後は基盤モデルの群れをどう操作するかが重要になっていくと思います。*** 文献を読むモデルや文献から知識を抽出するモデルも整備されていけば、複数の基盤モデルをまとめて研究を支援してくれるようなAIエージェントをつくれるのではないか、と。

いまは個々の基盤モデルやソフトウェアから出てきた情報を人間が頭の中で統合してあれこれ考えなければいけないので、複数の結果を統合して推論する部分だけでもAIが代替できるようになると研究の自動化にさらに貢献できるはずです。

*山田：* ぜひご一緒できるとうれしいです。近年ますますAIによる科学の自動化に注目が集まっています。これからも継続的に尾崎さんとAI活用の可能性について検討していけたらと思います。

![image](/images/uploads/case__tsukuba/img_06.jpg)

___

取材協力：筑波大学 医学医療系 バイオインフォマティクス研究室（尾崎研究室）（[https://sites.google.com/view/ozakilab-jp](https://sites.google.com/view/ozakilab-jp)）


ライフサイエンス研究でLLM活用への期待が高まっている。筑波大学の研究室でもLLMを用いた文献解析を進めている。AIの性能向上に伴い、研究や実験の在り方が変化する中、LLMがもたらす構造的インパクトについて、尾崎遼准教授とfuku代表の山田涼太が議論する。

LLMがライフサイエンス研究に起こす構造的変革 ── 筑波大学 バイオインフォマティクス研究室がめざす研究の自動化と知の抽出


2023年4月、北里大学に新学部「[未来工学部データサイエンス学科](https://www.kitasato-u.ac.jp/fr-eng/)」が誕生した。データ解析やモデリングを通じまだ起きていない未来の課題をいち早く見出していくことをビジョンに掲げるこの学科のなかでも、今年4月に本格始動した生命情報デザイン研究室は積極的にAIを活用しながら効果的なゲノム医療と効率的な創薬の実現に取り組んでいる。まだまだ課題も謎も多いこの領域で、AI活用はどのように進んでいるのか──同研究室教授の鎌田真由美とfuku代表の山田涼太が語る、ライフサイエンスにおけるAI活用の未来とは。

## ハッカソンでの出会いがコラボレーションへ

*山田涼太（以下、山田）：* 鎌田先生は今年4月に北里大学へ移られて、***生命情報デザインの研究室を設立***されました。それまでは京都大学でバイオインフォマティクスを研究されていたんですよね。

*鎌田真由美（以下、鎌田）：* 私はもともと情報学専攻でしたが、生命科学に関心があり、大学院生の頃はアミノ酸同士の相互作用を予測する機械学習モデルの研究をしていました。その後、ポスドクなどを経てバイオインフォマティクスの研究を続けていましたが、もっと直接的に人の役に立つ研究に携われないかと考えるようになったんです。

そんなタイミングで奥野（恭史）先生と出会いました。***研究の主たる対象が自分の関わってきたタンパク質の構造やゲノム情報の領域***だったこともあり、2015年から昨年まで奥野研究室で研究に携わっていました。

*山田：* 鎌田先生と初めてお会いしたのも京大にいらっしゃったころですよね。2019年に行われた生命科学分野の技術基盤を確立するためのイベント「BioHackathon」でお会いしたことを覚えています。

*鎌田：* そこで***医科学分野のデータベースを対象としたデータ統合***についてご相談することになったんですよね。医科学データではTSVやCSVといった表形式のフォーマットがよく使われているんですが、当時ライフサイエンス統合データベースセンターとの共同研究で進めていたデータ統合のプロジェクトでは、***RDFというフォーマットが用いられていたので、データを変換して統合していく必要***がありました。

*山田：* その後しばらく経ってから、奥野研から発注いただく形でお仕事をご一緒させていただくことになりました。私が「LINC」というAI創薬コンソーシアムに参加して、ライフサイエンスの論文から自然言語処理を活用した情報抽出に取り組めないか考えていたところ、奥野研から***製剤データを処理するAI活用***のご相談をいただいたんです。

![image](/images/uploads/case__kitasato-uni/img_02.jpg)

## 数千件のデータベースをLLMで自動的に処理

*鎌田：* ***製薬企業は薬を出すときにインタビューフォームと呼ばれる薬剤師向けの医薬品解説資料をつくるのですが、従来はPDFでしか公開されていなかったので、データ活用が進みづらい状況***にありました。山田さんがその課題に対して、AIを用いたデータの抽出や整理を行っていることを伺い、奥野研ではその後山田さんにいろいろなお仕事をご相談するようになりましたよね。***AIやデータ分析の領域でなにか頼もうとなったら、山田さんの名前が挙がるようになっていました。***

*山田：* ありがたいかぎりです。奥野研はAI創薬に取り組んでいることもあり、さまざまなデータベースに関するプロジェクトが多かったですね。数十件のデータベースを対象に、その背景やライセンスの扱い、データの種類や管理形態などを整理しながら、データベースを統合していけるような作業に取り組んでいました。

*鎌田：* 10年以上前から「バイオインフォマティシャンの仕事の8割はデータの前処理」と言われていたほど、***従来は毎回目的別に異なるデータベースを参照して統合する必要があった***ので、時間としても労力としてもコストがかかってしまっていたんです。***AIやデータサイエンスに使える共通のデータ基盤をつくる***ことで、多くの研究者がより幅広い研究に携われるようになると考えています。

*山田：* 他方で、ライフサイエンスのデータベース自体は無数にあるんですよね。たとえばNBDC（バイオサイエンスデータベースセンター）のIntegbioデータベースカタログには2,500件ほどのデータベースが登録されていて、これらを人の手ですべて統合することは難しい。だから現在は***LLM（大規模言語モデル）を活用しながら自動的にデータベースを読み解いてデータの形式を整理し、統合***できるようなプログラムの開発にも取り組んでいます。

*鎌田：* サイエンスにおけるAI活用を考えるうえで、データベースは必要不可欠ですからね。もちろんさまざまな研究室や研究機関がもっている独自のデータも重要ですし、一般に公開されているオープンデータと組み合わせる必要もあります。それぞれデータ形式も異なっているので、データ処理は必要不可欠です。現在天然化合物を対象に、オープンデータと研究室がもつ独自のデータを組み合わせてAIが扱える基盤をつくることに取り組んでおり、データベースの調査についても山田さんにご依頼していますね。

![image](/images/uploads/case__kitasato-uni/img_03.jpg)

## 研究への深い理解がデータ処理を加速させる

*山田：* 近年は私たちのようなスタートアップが大学の研究室から発注をいただく機会が増えてきたように感じています。

*鎌田：* ***効率的に研究を進めていくうえで「外注」はすごく重要***なんです。大学の研究室のなかには外注せずすべてを内製するところも少なくないですし、かつては私自身も自分たちですべてつくることが当たり前だと思っていたのですが、奥野研に入ってから考え方が変わりました。

*山田：* データサイエンスやAIの領域だと手を動かせる学生も多いですし、内製する方が一般的だったのかもしれませんね。

*鎌田：* データの前処理ってある意味泥臭い作業ではありますし、それだけで論文になるわけではないので、なかなか陽が当たらないものなんです。とくに生命科学のデータは細かなズレが生じていることも非常に多いので、挫けそうになる学生も少なくない。

*山田：* 私はむしろデータ処理の作業がすごく好きなんですよね。自分が農学部の獣医学科出身なのでもともとライフサイエンスの領域には関心がありましたし、先生たちがおっしゃっているビジョンにも共感できるので個人的にも勉強になることがとても多いです。

*鎌田：* 山田さんのようにデータそのものに興味をもってくださる方の方が、アウトプットのクオリティとしても関係性としても、信頼感があります。***もちろん選択肢としては大手ITベンダーの方々へ依頼することもできるんですが、ライフサイエンスのデータを扱うためには専門的な知識も必要になるので、一つひとつ前提となる知識を共有しようとすると時間もかかってしまいますし、結局自分たちが一からデータをチェックしなければいけないこともあります***から。

![image](/images/uploads/case__kitasato-uni/img_04.jpg)

## ライフサイエンスにおけるAI活用の難しさ

*山田：* 鎌田さんとご一緒しているプロジェクトを通じて、徐々にLLMなどAIの活用が現実的なものになってきていると感じていました。

*鎌田：* 将来的には、AI活用を通じてゲノムと個性や病気との関係など、生物学的なメカニズムを解き明かしていきたいと思っています。そのためには山田さんにご依頼しているプロジェクトを通じて点在しているデータを統合する必要がありますし、今後はLLMなどを活用しながら自動化できる技術を開発していかなければいけません。

*山田：* 近年ビジネスの領域ではLLMの活用がかなり進んでいますが、ライフサイエンスにおいてはまだハードルが高いですよね。***ライフサイエンスのデータベースは複雑ですし、専門家が扱うことが前提とされているのでハイコンテクストでもある。ただLLMに突っ込むだけでは簡単に分析できないので、プロンプトやデータ基盤を調整していかなければいけない。***

*鎌田：* まだまだ課題はあるものの、少しずつライフサイエンスのデータ基盤を整備していけるといいですね。

*山田：* 個人的にも、LLMの発展によって研究の裾野がかなり広がったのではないかと感じています。科学研究におけるAIの活用については昔からさまざまな研究が行われてきましたが、非常にハイレベルなのでごく一部の人しか議論に参加できない状況にありましたから。

![image](/images/uploads/case__kitasato-uni/img_05.jpg)

## 研究の「パートナー」として人類の未来へ貢献する

*鎌田：* ライフサイエンスにおけるAI活用が注目されている一方で、医療に限って言えばまだ実装の場は限定的だとも感じています。もちろんAIによってさまざまなことを分析できるようになったものの、最終的には人間が判断する必要がありますし、すぐに患者さんに還元できるわけではありません。実装の面ではまだまだたくさん考えることがあると思っています。

*山田：* とくに患者さんの視点から考えると、人の存在は大きいですからね。エンジニアならフットワーク軽くAIツールも導入できますが、たとえばつらい思いをして病院を訪れた患者さんがタブレットだけで自動的に対応されたら安心や信頼を感じづらいかもしれない。制度やテクノロジーとは別の観点からAIの受容を考えていく必要がありますよね。***私としてもまずエンドユーザそのものではなく、病院や製薬企業などエンドユーザに価値を届ける方々をサポートできるようなAIの活用を進めていきたい***と思っています。

*鎌田：* 創薬の領域でもAIの活用は進んでいますし、効率化にはかなり貢献していることも事実ですが、だからといって臨床試験をスキップできるわけではありませんからね。だからこそやりがいもあるし面白い領域だとも感じています。

*山田：* AIの活用だけ見れば広告やメディアの領域の方が短期的な経済効果は大きいのかもしれませんが、ライフサイエンスの研究は人類に貢献するものでもある。個人的にもやりがいを感じますし、今後もAI活用の可能性について考えていきたいですね。

*鎌田：* そう言っていただけるのはうれしいです。***私たちとしても山田さんは「外注先」というより研究のパートナーとして目的を共有しながら一緒に研究へ取り組んでいる***と思っているので、今後もさまざまなプロジェクトをご一緒させていただきたいです。

![image](/images/uploads/case__kitasato-uni/img_06.jpg)

___

取材協力：北里大学未来工学部データサイエンス学科（[https://www.kitasato-u.ac.jp/fr-eng/](https://www.kitasato-u.ac.jp/fr-eng/)）

ゲノム利用や創薬の分野で、AI活用はどのように進んでいるのか。同研究室教授の鎌田真由美とfuku代表の山田涼太が語る、ライフサイエンスにおけるAI活用の未来とは。

AIの活用が、生命に隠されたデザインの謎を解き明かす ── 北里大学生命情報デザイン研究室が切り開くゲノム医療と創薬の未来


「個性の社会実装」をビジョンに掲げるエフバイタルは、動画から子どもの非接触バイタルデータを取得することで、育児や教育を効率化するサービスの開発に取り組んでいる。なかでも現在は、fukuとともに発達障害をもつ子どもへフォーカスした動画解析サービスの開発・実装が進行中だ。AIや神経科学など先端かつ専門的な知が求められる領域で、研究とビジネスはいかに結びつきうるのか。エフバイタル執行役員の西尾萌波氏とfuku代表の山田涼太が、療育事業のポテンシャルを問う。

## 課題のヒアリングから開発へ伴走

*山田涼太（以下、山田）：* 現在fukuとエフバイタルは、療育事業における動画解析システムの開発に取り組んでいます。もともとエフバイタルさんは動画解析のアルゴリズム開発を進めていらっしゃったんですよね。

*西尾萌波（以下、西尾）：* 私たちは、動画解析技術を活用して、子育てや保育、発達障害児支援のサポートに取り組んできました。お子さんは自分の状態を自分の言葉でうまく表現できないため、代わりに動画を使って客観的にお子さんの状態や特性を分析し、保護者や保育士、療法士といった子どもの身近な人々へフィードバックします。発達障害のお子さんに対しては、個々の課題に合わせた治療と教育の組み合わせである、”療育”が提供されます。今回の取り組みでは、この療育をより個々のニーズに沿ったものにするためのサービスを開発しようと考えていました。

山田さんには単なるシステム開発の発注というより、***そもそもどんなシステムをつくるべきか検討するところから、実際のプロジェクト運営やマネジメントまで含めて、包括的にサポート***いただきましたね。

![image](/images/uploads/case__fvital/img_02.jpg)

*山田：* サービスの概要は決まっていたもののシステム開発の面から見ると要件が定まっていないことも多かったため、まずは議論から始めたことを覚えています。たとえばひとくちに動画解析といっても結果を30分以内に返さなくてはいけないのか1週間以内に返せば良いのかによって求められるシステムの要件は変わりますし、エフバイタルさんの動画解析アルゴリズムが今後どうアップデートされるかによってもシステムのつくり方は変わります。実際にお客様とのミーティングにも同席しながら要件定義を進めていくなかで、療育事業における課題も実感しました。

*西尾：* 療育では、子どもひとりひとりの発達課題を見極め、それに合わせて支援のためのプログラムを組み上げる必要があります。専門性が非常に高い業務なので、これまではベテランの療法士さんのノウハウに依存してしまうことが課題となっていたんですよね。ノウハウが言語化されていないと新人もスキルを身に着けづらく、人によってサービスのクオリティに差が出てしまうことも少なくありません。動画解析を行うことで、作業の効率化を行うとともに、暗黙知の言語化を行いサービスの質を向上させられると思っています。

*山田：* サービスの開発にあたっては、まず乳幼児の自動音声認識の調査を行いましたね。子どもの言語や認知の発達を測る上で、音声の分析は非常に重要です。今後エフバイタルさんが動画解析だけでなく音声解析にも取り組まれていくということで、現在乳幼児の音声認識が技術的にどんな状況にあるのか論文のサーベイや実際のデータの解析を通じてまとめていきました。

音声認識自体の技術はかなり精度が上がっているものの、やはり乳幼児の音声を現場で分析するとなるとノイズも多く精度が下がってしまうんですよね。乳幼児は発声器官が未発達なので発音もはっきりとしていないし、単語のチョイスや組み立ても成人とは異なるので成人向けにチューニングされた音声認識モデルだと精度が上がりづらい。しかも日本語となるとさらにその精度は落ちてしまう。そのような調査結果を踏まえて、まずは乳幼児の音声認識は非常にチャレンジングであることをお伝えし、その上でどこから取り組めば事業を効率的に進められるかの提案をしました。

![image](/images/uploads/case__fvital/img_03.jpg)

## アカデミックな知をビジネスへ接続する

*西尾：* 弊社は研究開発のメンバーが多くを占めているので専門的な知見はあるものの、アカデミックな問いをビジネスとして成立する形で解いていくうえでは山田さんたちのアドバイスが必要不可欠でした。動画と音声を比べると音声の方が顔が映らずプライバシーの問題もハードルが下がるため、音声認識についてリサーチいただけたことで弊社としても事業の幅が広がったと感じます。

加えて、技術開発だけを見ればやるべきことはクリアになるかもしれませんが、実際に事業化するうえでは現場の方にメリットを感じていただく必要もあります。たとえばピンマイクの方がクリアな音声をとれるとしても、現場の視点から見ればピンマイクをつけるのは手間がかかるものでもある。山田さんたちからアドバイスをいただきながら、どうすれば開発プロセスにおいても現場のモチベーションを上げられるのか意識していきましたね。


![image](/images/uploads/case__fvital/img_04.jpg)

*山田：* 弊社としても研究とビジネスの双方を大事にしていきたいので、エフバイタルさんとの取り組みは非常に重要なものでした。とくにアカデミア発のスタートアップの場合は研究開発のメンバーが多い一方でシステム開発やビジネス実装の部分で知見が求められることも多いため、弊社が力を発揮できるプロジェクトだったと感じます。

*西尾：* おかげさまで、現在は自治体を主な対象としてサービスの実装が進んでいます。保育園で撮った動画を分析し、お子さんの発達を言語・運動・認知・社会性という4つの観点から評価し個別レポートを返すサービスを提供する予定です。すでに3〜4つの自治体で実証を進めており、なかには実際に導入を検討してくださっている方もいらっしゃいます。

近年発達障害と診断されるお子さんの数は非常に増えており、発達支援のための扶助費が各自治体の財政を圧迫しているとも言われます。動画を活用した簡易に発達を評価し、それに合わせた個別最適な対応策を提案する現在のスキームについて、まずはいくつかの自治体で実証モデルをつくり上げ、将来的には全国の自治体へと広げていきたいと考えています。このサービス自体は自治体に限らず展開できるものでもありますし、先程申し上げた4つの指標だけでなく、個別のニーズに合わせてカスタマイズを行うことも可能です。今後はコスト削減や作業効率化についても我々のサービスの貢献をきちんと可視化し、事業会社の方々にも使っていただけるサービスへと成長させていくつもりです。


![image](/images/uploads/case__fvital/img_05.jpg)

## 格差を減らすツールとしての先端技術

*山田：* 研究とビジネスの接続という観点では、創薬の領域だとかなり多くの取り組みが進んでいるものの、ほかの研究分野のなかには実際に社会で役立つまで時間がかかるケースも多く、研究の社会実装が進みづらいことも事実です。

*西尾：* 近年は日本でも大学発スタートアップへの支援が盛んに行われるようになりましたよね。ただ、***いまだに日本ではビジネスと研究の行き来が難しいとも感じます。それはすごくもったいないことだとも思うんです。***

たとえば私たちのサービスが広がれば乳幼児から高校生に至るまで、かなり長い時系列の大規模なデータを集められるのですが、こうしたデータはアカデミックな研究を進めていく上でも非常に価値があります。私たちのビジネスを通じて収集したデータを研究に活かし、研究から生まれた技術をまたビジネスへ還元すればより高い価値が生まれるはずだと思っています。


![image](/images/uploads/case__fvital/img_06.jpg)

*山田：* 国の科研費をとるために求められる成果とビジネスに求められる成果が異なることも事実ですが、本当は両者をつなげることでお互いにメリットが生まれるはずですよね。大学発のスタートアップとVCをマッチングするイベントなども行われているものの、一回のイベントで本当に信頼しあえる人と出会えるとは限りません。fukuとしても、エフバイタルさんのような企業の方々とのコラボレーションを増やしていくことで、研究とビジネスをもっとつないでいけたらと思っています。

*西尾：* 個性に合わせた個別最適な支援や関わりを提供してもらうことは、本来すべての子どもたちが等しく享受すべき当たり前の権利だと私たちは考えています。しかし、現状こうした関わりを得られているのはお金や専門性といったリソースに恵まれたごく一部の子どもたちだけで、生まれた境遇によって大きな格差が生まれてしまっている。***技術を使って必要なコストを下げ、専門家の知見を広げていくことで、こうした格差を減らし、一人ひとりが環境に依存せず成長し、未来を選べるような社会をつくっていきたいと思っています。***

*山田：* エフバイタルさんは自社で技術を開発できるので、通常の企業よりも早く研究を社会へと届けられると思っています。そのビジョンにはポテンシャルを感じますし、弊社としても引き続き最大限サポートしていけたらと思います。

*西尾：* 今回山田さんたちと一緒にゼロからサービスをつくってこれたことは私たちにとっても非常にいい経験になったと思いますし、今後も活動を続けることでノウハウもデータも溜まり、ほかの企業や社会に価値を還元できるはずだと思っています。今後も「発注先」ではなく「いい仲間」として、一緒に伴走していただけるとうれしいです。


![image](/images/uploads/case__fvital/img_07.jpg)

エフバイタル×fuku、療育DXで研究とビジネスの架け橋に。AI動画解析で発達障害児支援の格差解消に挑戦。エフバイタルだからこそ実現できる、全ての子どもの個性を活かすサービス作りとは。

「療育」のDXを起こし誰もが未来を選べる社会へ ── エフバイタルが取り組む発達障害児の動画解析の可能性


## 概要
生体モデルの開発を行う研究室にて実験動物（オポッサム）の交尾行動を検知する動画解析システムを開発しました。
従来研究員が目視で行っていた確認作業をITシステムで代替することで研究効率を改善しました。

## 課題
研究者たちは毎日、実験動物の交尾行動を記録した24時間分の動画を手動でチェックしていました。この作業は1~2時間を要し、研究の進行に大きな負担となっていました。さらに、動画解析システムの導入には高額なコストがかかり、研究資金の範囲内では難しい状況でした。

## 成果
弊社は、カメラで撮影された動画を自動で解析し、重要な交尾区間を検出するシステムを開発しました。このシステムにより、研究者は必要な動画シーンのみを確認するだけでよく、大幅な時間削減と効率化を実現しました。


毎日1~2時間かけて動画をチェック

実験動物の観察動画解析システム


## 概要
20以上の主要なライフサイエンスデータベース（MeSH、MONDO、ClinVarなど）を統合し、AI創薬のためのカスタマイズ可能な学習データセットを作成するシステムを開発しました。

## 課題
発注研究室では、創薬に関連するAIの学習データセット作成プロセスが不完全にコード化されており、多くの作業が個々の研究員の手作業に大きく依存していました。この状況は、学習データの条件変更時の作業効率の低さと、担当者の離職によるプロセスの持続性への懸念をもたらしていました。

## 成果
私たちは既存のデータ作成20以上のライフサイエンスデータベースからデータを統合し、遺伝子やタンパク質などの任意のエンティティの組み合わせで多様な学習データを生成できるシステムをSingularity環境上で構築しました。これにより、AI創薬のためのデータセットの作成が効率化されました。


AI創薬のための学習データセット作成システム


## 概要
細胞計測装置（Countess II）の出力ファイルに対して規定の統計処理を行い、グラフを描画する自動レポート生成システムの開発しました。

## 課題
お客様のロボット実験施設では大量の実験データが日々生成されていました。Excelで統計処理やグラフの体裁を整える提携的業務における人的コストが増大していましたが、実験ごとに細かに条件が違うためファイルを使い回すことができませんでした。

## 成果
お客様の業務フローを要件に落とし込み、データに合わせた条件を入力することで適切な統計処理を行うシステムの開発を行いました。

大量の実験データの統計処理、レポート作成

細胞計測実験の自動レポート作成システムの構築


## 概要
指定難病、小児特定慢性疾病、臨床症状、遺伝子、PubMed文献とICD-10の関連データセットを作成しました。

## 課題
国立研究開発法人日本医療研究開発機構により開発されたバイオバンク横断検索システムは国内の複数のバイオバンクが保有する試料・情報を対象とし、総計約30万人分に相当する約65万検体の試料や約20万件のゲノム情報等の解析情報の有無を公開し、検索可能にしていました。各検体には疾患情報としてICD-10疾患が割り当てられており、ユーザはICD-10疾患をキーワードとして検体を検索できました。

しかし、ICD-10とは対応づけられていない国内における疾患分類や疾患以外の概念による検索ができない状態でした。

## 成果
指定難病、小児慢性特定疾病、臨床症状、遺伝子、PubMed文献とICD-10の関連をプログラムにより取得し、バイオバンクにてこれらの切り口による検索が可能になるデータセットを作成しました。

ICD-10とは対応づけられていない国内における疾患分類や疾患以外の概念による検索ができない状態

バイオバンク横断検索システム向けICD-10関連データセットの構築


## 概要
症例報告に疾患名、症状名、遺伝子名をアノテーションするプログラムを開発しました。

## 課題
J-STAGE上には11万件の日本語症例報告が存在していたがPubMedのようにアノテーションがされておらず、テキスト検索で全文検索できるのみでした。そのため疾患、症状、遺伝子などの切り口で検索をする際には検索者が表記揺れに気をつける必要がありました。

## 成果
私たちはMONDO、Human Phenotype Ontology、NCBIの遺伝子シンボルを用いることで症例報告に対して疾患名、症状名、遺伝子名をアノテーションするプログラムを開発しました。

これにより11万件の症例報告の内訳を明らかにすることが可能になりました。また発注者が開発中のサービスにJ-STAGEの症例報告を連携させることが可能になりました。

症例報告に疾患名、症状名、遺伝子名をアノテーションするプログラムを開発しました。

お客様事例

事例資料をダウンロードする

LLMがライフサイエンス研究に起こす構造的変革 ── 筑波大学バイオインフォマティクス研究室がめざす研究の自動化と知の抽出

AIの活用が、生命に隠されたデザインの謎を解き明かす ── 北里大学生命情報デザイン研究室が切り開くゲノム医療と創薬の未来

「療育」のDXを起こし誰もが未来を選べる社会へ ── エフバイタルが取り組む発達障害児の動画解析の可能性

実験動物の観察動画解析システム

AI創薬のための学習データセット作成システム

細胞計測実験の自動レポート作成システムの構築

バイオバンク横断検索システム向けICD-10関連データセットの構築

症例報告に疾患、症状、遺伝子をアノテーションするプログラムの開発

お問い合わせ

資料ダウンロード

成果	データベース構築の自動化
企業	筑波大学
業種	医療

成果	公共データベースの活用
企業	北里大学
業種	創薬

成果	研究成果のサービス化
企業	エフバイタル株式会社
業種	療育

お客様事例

事例資料をダウンロードする

LLMがライフサイエンス研究に起こす構造的変革 ── 筑波大学 バイオインフォマティクス研究室がめざす研究の自動化と知の抽出

AIの活用が、生命に隠されたデザインの謎を解き明かす ── 北里大学生命情報デザイン研究室が切り開くゲノム医療と創薬の未来

「療育」のDXを起こし誰もが未来を選べる社会へ ── エフバイタルが取り組む発達障害児の動画解析の可能性

実験動物の観察動画解析システム

AI創薬のための学習データセット作成システム

細胞計測実験の自動レポート作成システムの構築

バイオバンク横断検索システム向けICD-10関連データセットの構築

症例報告に疾患、症状、遺伝子をアノテーションするプログラムの開発

お問い合わせ

資料ダウンロード

LLMがライフサイエンス研究に起こす構造的変革 ── 筑波大学バイオインフォマティクス研究室がめざす研究の自動化と知の抽出