富士通は2021年9月2日、新薬開発支援サービス「FUJITSU Digital Laboratory Platform SCIQUICK-DT」（SCIQUICK-DT）の提供を開始した。説明可能なAI技術「Deep Tensor」を用いて、化学構造式だけで化合物の特性を予測する。オプションで、製薬会社が希望した化合物データを学習したAIモデルも構築する。価格（税別）は基本サービスが3カ月で200万円。オプションのモデル構築サービスが個別見積もり。販売目標として2024年度末（2025年3月期）までに6億2000万円を掲げる。
富士通の「SCIQUICK-DT」は、新薬の開発をAIで支援するサービスである（図1）。説明可能なAI（Explainable AI）技術「Deep Tensor（ディープテンソル）」を用いて、化学構造式だけで化合物の特性を予測する。オプションで、標準の学習モデルに加えて製薬会社が希望した化合物データを学習したAIモデルを構築するサービスも提供する。
図1：「SCIQUICK-DT」を用いた学習モデルの構築と予測のイメージ（出典：富士通）拡大画像表示
同社によると、新薬の開発には、代謝安定性や経口吸収性といった化合物の特性を予測する技術が必要になる。一方、開発の初期段階では、候補となる化合物をすべて合成することができず評価実験も実施できない。開発の後期になって、特性や安全性の問題が露見し、市場に投入できなくなることがあるという。
「開発の手戻りをなくし、開発期間の短縮や開発費用の削減に有効な手段として、AI活用の期待が高まっている。しかし、マシンラーニング（機械学習）で新薬の特性や安全性を予測・評価する場合、過去の化合物の実験データを揃えたうえで、化学構造式を数値化する必要があった」（同社）
同社はこの課題を解決するため、化学構造式だけで実用性や安全性の予測を可能にするSCIQUICK-DTを開発した。SCIQUICK-DTは、化学構造式における原子のつながり方の特徴を、グラフ構造データとしてDeep Tensorに学習させる。これにより、化学構造式を入力するだけで、代謝安定性や経口吸収性などを予測し、これらの特性を引き出す重要な要因を判別可能にするとしている。
「Deep Tensorは、化学構造式をSMILESなどのテキストデータに変換せず、グラフ構造データとして取り込み、化合物の特徴量（どういった構造上の特徴が求めたい特性値に関係があるか）を自動生成する。学習結果から、特性に影響する部分の構造を判別できる。予測結果の判断基準となる箇所を容易に判別できるので、新薬開発に不可欠な化合物デザインにおいて高精度なヒントを得られる」（同社）
SCIQUICK-DTのオプションで、モデル構築サービスも提供する。同サービスを用いて、製薬会社が希望する評価項目に合わせて収集した化合物のデータを学習させることで、独自の学習モデルを構築できる。
