TetraScience が本番稼働可能なデータと科学的インテリジェンスでバイオ医薬品を加速する方法

製薬R&D組織は、開発期間を短縮し、候補品の成功率を向上させることを約束するAI駆動型ワークフローの展開を競っています。しかし、バイオ医薬品におけるAI革命は、研究所のドアで停滞しています。 McKinseyの調査によると、製薬会社のデジタルトランスフォーメーションの典型的な失敗モードには、「明確なビジネス上のメリットなしにテクノロジーを実装する」や「品質の低いサイロ化されたデータに悩まされる柔軟性のないシステムに依存する」が含まれており、一方 Eroomの法則は、AI投資が増加してもR&Dの生産性が低下するという、容赦ない進展を続けています。

中核となる課題は、コンピューティングパワーやモデルの洗練度ではなく、本番稼働可能なAIネイティブの科学データと、エンタープライズ規模で結果をもたらすAI搭載ワークフローの欠如です。不足しているのは、クロマトグラフィー分析から単一細胞シーケンシングまで、異種混合のラボ出力を調和のとれた、コンテキストリッチなデータセットに継続的に変換できるプラットフォーム、科学的ドメイン知識を再利用可能なオントロジーとワークフローにエンコードできるプラットフォーム、AIモデルを説明可能で監査対応のアプリケーションとして運用できるプラットフォーム、そして抗体スクリーニングや発見におけるクローン選択から製造におけるバッチリリースやコンプライアンス監視まで、バリューチェーン全体にわたってそれらの機能を提供できるプラットフォームです。

科学的インテリジェンスのためのOSの必要性

バイオ医薬品における科学的AI構築の初期の取り組みは、アーティストのコロニーに似ています。各アプリケーションは、ワークフローごとにカスタム統合、特注のデータパイプライン、および使い捨てモデルを構築する専門家によって手作りされています。これはパイロットプロジェクトでは機能しましたが、本番稼働の要求には対応できません。高スループットスクリーニングは、数百万のデータポイントにわたるリアルタイムの意思決定支援を必要とし、生物製剤の開発は、細胞株全体で数百のパラメータを追跡する予測モデルを必要とし、規制当局は完全なAIの説明可能性を備えた完全な監査証跡を期待しています。

これは、DatabricksのパートナーであるTetraScienceが解決するために存在する課題です。過去5年間、TetraScienceは、4つの統合レイヤーで構成される科学データおよびAIプラットフォームであるTetra OSを構築してきました。Tetra Data Foundryは、インストゥルメントデータをAIネイティブスキーマに自動的に再プラットフォーム化します。Tetra Use Case Factoryは、R&D、製造、および品質ワークフロー全体で本番グレードのAIアプリケーションを提供します。Tetra AIは、データ、ワークフロー、および専門知識を統合する推論およびオーケストレーションレイヤーとして機能します。これらのコンポーネントをサポートするのは、要件を本番稼働可能なAIアプリケーションに変換するサイエンティストエンジニアのハイブリッドであるTetra Sciborgsです。

TetraScienceとDatabricksのパートナーシップは、Factoryのユースケースを大規模に実現するエンタープライズ分析基盤を提供します。Foundryが科学データをAIネイティブ形式に再プラットフォーム化すると、そのデータはDatabricks Unity CatalogにDeltaテーブルとして流れ込み、数十年にわたる実験結果がSQLおよびSpark APIを使用してクエリ可能になる、統合されガバナンスされたレイクハウスが作成されます。Factoryのユースケースは、Databricks Intelligence Platformスタックを活用して、最小限の顧客構成で済むノーコードおよびローコードワークフローを提供します。DatabricksのGenesis Workbenchで実証されたアーキテクチャパターンは、NVIDIA BioNeMoおよびNemotron Parseを使用したスケーラブルなワークフローの開発を可能にしました。サイエンティストは、パイプラインを作成したりインフラストラクチャを管理したりすることなく、すぐに使用できる可視化と予測インサイトにアクセスでき、データチームは必要に応じてカスタム分析を構築するための拡張性を維持できます。例をいくつか示します。

CROデータボトルネックの解決：日数から数分へ

契約研究機関からの前臨床データは、多くの場合、PDF、スプレッドシート、およびインストゥルメントのエクスポートなど、異種混合の形式で提供され、大規模に解析、照合、および信頼することが困難です。データは科学的に豊富ですが、研究ごとに数日または数週間の手動レビューと再フォーマットなしでは、チームがアクセスすることはほとんどできません。年間数百の研究を実行している組織では、その摩擦は、重要なIND提出パスで数週間から数ヶ月の時間の損失に累積します。

CRO Connect製品は、NVIDIA Nemotron Parseを使用してPDFおよびインストゥルメント出力から構造化された結果を抽出し、LLMベースの推論が異常をフラグ付けして説明コンテキストを提供する、ワークフロー全体を自動化します。あるグローバルなバイオ医薬品企業は、レビュー時間を80％削減（研究あたり2〜3時間から20〜40分）、データ準備の遅延を30〜45％削減、IND準備を10〜20％加速したと報告しています。

抗体開発から数ヶ月を削減：イテレーションから予測へ

治療用抗体の開発は、従来、複数のアッセイモダリティにわたる各最適化サイクルに6〜10週間かかります。各アッセイは、一貫性のないメタデータを持つさまざまな形式でデータを生成します。

AI-Augmented Biologics Discovery製品は、トップ20の製薬会社で本番稼働しており、マルチアッセイデータを調和させ、タンパク質言語モデル（NVIDIA BioNeMo FrameworkのAMPLIFYモデルなど）を適用して、結合および開発可能性プロファイルをin silicoで予測します。科学者は現在、結合予測を30分で94％の精度で達成しており、これは従来の48時間と比較して、ベンダーソフトウェアを使用した標準的な50％の精度をほぼ2倍にしています。不要な最適化ラウンドを排除することにより、組織は候補品の品質を25〜50％向上させ、リード特定を最大50％加速させ、成功の技術的確率を最大5％向上させます。

ブロックバスタークローンを8ヶ月ではなく2.5ヶ月で特定

細胞株の開発には平均6〜8ヶ月かかります。この期間は、生物製剤プログラムが製造に入ることができる時期に直接影響します。TetraScienceのLead Clone Selection Assistantは、複数のインストゥルメントソースからのデータを集約し、NVIDIAのVISTA-2Dモデルを適用して細胞形態パターンを分析し、BioNeMoおよびMONAIフレームワーク上のGeneformerを使用して長期安定性を予測するトランスクリプトミクスシグネチャを処理することにより、これを2.5ヶ月に短縮しました。

20世代以上にわたって持続的な高力価と生存率を持つ「スーパークローン」を特定することにより、このアプリケーションは製造力価を10倍に向上させ、製造コストを85％削減します。これは、ブロックバスター生物製剤の製造コスト回避で数億ドルに相当します。

5000万ドルのレビューボトルネックの解消：数週間から数日へ

品質管理チームは、監査証跡イベントのファクトチェック、ゴールデンバッチとのピークの視覚的な比較、およびアナリストレビュー担当者との5回以上の反復処理など、既にコンプライアンスに準拠しているルーチンクロマトグラフィーデータを手動でレビューするのに時間の40〜50％を費やしています。最新のラボでは年間10,000〜20,000件のテストが生成され、数百万の監査証跡イベントが発生しますが、手動レビューでは対応できません。コストは、認知的過負荷、見逃された異常、およびバッチリリース遅延であり、収益損失で1日あたり80万ドルから100万ドルのコストがかかる可能性があります。

Review-by-Exception (RbE) Assistantは、徹底的な手動レビューからインテリジェントな自動監視へと移行します。顧客固有のゴールデンバッチでトレーニングされたAIモデルがクロマトグラムプロファイルを分析し、逸脱をフラグ付けします。視覚的な検査では見逃される可能性のあるピーク強度と保持時間の微妙な違いを検出します。ルールベースのコンプライアンスチェックは、ルーチンアクティビティをフィルタリングしながら、高リスクイベントを表面化します。RbEを展開している組織は、バッチリリースサイクルが数週間から数日に短縮されたと報告しており、SMEは年間最大198,000時間を確保して、真の例外に集中できるようになります。

パイロットから本番へ

TetraScienceのフルスタックアプローチは、ポイントソリューションやDIYの取り組みが失敗する場所で、3つの差別化要因によって成功します。製品化（AIアプリケーションはすべて再利用可能なコンポーネントとして構築され、規模の経済を生み出す）、Sciborgモデル（サイエンティストとITチームの間のギャップを埋める）、およびプラットフォームのオープン性（データは独自のサイロを作成するのではなく、Databricksやその他の分析環境に流れ込みます）。

今日、産業規模の科学的AIを展開している組織（職人技のパイロットプロジェクトから、発見、開発、製造、品質にわたる本番アプリケーションへの移行）は、競合他社が容易に再現できない速度、品質、およびイノベーションにおける利点を積み重ねることになります。

TetraScience、Databricks、およびNVIDIAは、完全な基盤を提供します。エンタープライズグレードのコンピューティング、データ、および分析インフラストラクチャ上に構築された本番稼働可能な科学的AIアプリケーションです。これらを組み合わせることで、CEOが約束してきたこと、つまりヒット特定から商業製造までのバリューチェーン全体にわたるAI駆動型のブレークスルーが可能になります。

TetraScience の Tetra OS および Factory アプリケーションの詳細については、 tetrascience.com をご覧ください。.

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事