医療AIの未来を拓く：ICML 2026で発表された新手法が示す創薬スクリーニングの革新

機械学習分野のトップカンファレンス ICML 2026 のワークショップに論文が採択

キャンサースキャンのテクノロジー本部に所属する藤岡裕平研究員および三澤大太郎研究員と、京都大学大学院医学研究科／広島大学大学院医系科学研究科の福間真悟教授との共著論文「Pretrained Medical Representations for the Practical Screening of Drug Repositioning Candidates」が、機械学習分野のトップカンファレンスICML 2026のワークショップ「AI for Science」に採択されました。本ワークショップは2026年7月11日（土）に韓国で開催され、論文内容が発表されています。

研究背景：医療コードデータ活用の課題

レセプトデータや電子カルテに含まれる診断・処置・処方などの「医療コード」は、患者の状態を示す豊富な臨床情報を含んでいます。近年、これらのデータから機械学習を用いて「医療表現」（医療データの意味を捉えた数値ベクトル）を学習し、疾患予測などに応用する研究が進められています。

しかし、その応用を創薬リポジショニング（既存薬の新たな効能を探る取り組み）のような「科学的仮説の発見」に広げるには、いくつかの課題が残されていました。広く用いられているBERTという手法では、以下の3つの限界があったと指摘されています。

1. 医療コードが持つ階層構造（ICD-10などの分類体系）を十分に捉えられない。
2. 細分化された膨大なコードを予測する学習が非効率である。
3. 診断と治療の複雑な相互関係を明示的に扱えない。

新しい統合的な事前学習の枠組みを提案

本研究では、これらの限界を解決する新しい統合的な事前学習の枠組みを提案しています。具体的には、以下の3つの要素を組み合わせています。

• 医療コードの階層構造を捉える「階層的サブトークン集約（HSA）」

• 学習を効率化する「部分マスキング（PM）」

• 診断と治療の相互参照を捉える「クロスリファレンス（CR）機構」

これらの手法の全体像は以下の図で示されています。

さらに、推論時に表現を制御する「タスク適応型表現アプローチ（TARA）」を導入し、仮説の「生成」と「優先順位づけ」という目的に応じて最適な表現を使い分けられるようにしました。

国内の約500万人規模の匿名化されたレセプトデータベースから抽出した数万人規模のデータセットを用いて実験を行い、以下の3つのタスクで有効性を実証しています。

1. 事前学習
2. 認知症発症・入院の予測
3. アルツハイマー病（AD）を対象とした創薬リポジショニング

研究結果：創薬リポジショニングにおける高い有効性

提案手法は、事前学習タスクにおいて正解率0.5867を達成し、従来のモデル（BEHRT 0.1840、MED-BERT 0.2553）を大きく上回る結果を示しました。認知症発症の予測でも、PR-AUCが10%以上向上しています。

創薬リポジショニングの分野では、論文などの外部知識に頼らずデータのみから、保護的な関連が報告されている薬剤（ピタバスタチン、カンデサルタンなど）を再発見することに成功しました。さらにTARAを適用した優先順位づけにより、多重検定の補正後もカンデサルタン、ビルダグリプチン、ピタバスタチン、ロキソプロフェンの4剤が有力な仮説として抽出されています。

以下の図は、マッチング前後における共変量の絶対標準化平均差（SMD）を示しており、マッチングにより全ての共変量のSMDが0.1の閾値以下に減少し、共変量の不均衡が効果的に解消されたことを表しています。

また、Log2オッズ比のヒストグラムでは、統計的に有意ではないデータと有意な保護効果を示すデータが表示され、オッズ比の分布と有意性が示されています。

「prescribe」と「control」の2つのグループにおけるプロペンシティスコアの密度分布を示すヒストグラムも示されています。

本研究は、コストの高い因果推論を行う前に有望な候補を効率よく絞り込む「実用的なスクリーニングの枠組み」を確立したものであり、医療分野に限らず、構造化データからの仮説発見へ広く応用できると期待されます。なお、本成果は因果効果を示すものではなく、あくまで仮説の生成と優先順位づけを目的としたものです。

AI Workstyle Lab編集部コメント

今回の研究で提案されたHSA、PM、CRといった事前学習の枠組みは、従来のBERTが抱えていた医療コードの階層性や非効率性、複雑な相互関係の扱いに限界があった点を克服する画期的なアプローチです。特にタスク適応型表現アプローチ（TARA）の導入により、仮説生成と優先順位づけという異なる目的に合わせて最適な表現を使い分けられる点が、実用性を大きく高めています。この手法は、医療分野だけでなく、構造化データから新たな仮説を発見する広範な応用可能性を秘めており、今後のAIによる科学研究の加速に期待が寄せられます。

生成AI学習に取り残されないために…
ChatGPTなどの生成AIを使いこなして、仕事・収入・時間の安定につながるスキルを身につけませんか？

AI Workstyle LabのAIニュースをチェックしているあなたは、すでに一歩リードしている側です。あとは、 実務で使える生成AIスキルを身につければ、「知っている」から「成果を出せる」状態へ一気に飛べます。

PR｜生成AIスクール

🧠 実践型 生成AIスクール「スタートAI」

講師：栗須俊勝（AI総研）
30社以上にAI研修・業務効率化支援を提供。“大阪の生成AIハカセ”として企業DXを牽引しています。

• 日々の業務を30〜70％時短する、実務直結の生成AI活用法を体系的に学べる
• 副業・本業どちらにも活かせる、AI時代の「稼ぐためのスキルセット」を習得
• 文章・画像・資料作成など、仕事も趣味もラクになる汎用的なAIスキルが身につく

ニュースを読むだけで終わらせず、
「明日から成果が変わるAIスキル」を一緒に身につけましょう。

無料セミナーに今すぐ参加する 編集部レビューを見る