|
【講座の趣旨】
医薬品業界では今、試行錯誤に頼った従来のプロセス開発を見直し、シミュレーション技術を活用する動きが加速しています。その最前線にあるのが、自然科学の法則に基づくMechanistic
Model（メカニスティックモデル）とAIを組み合わせたMechanistic AIです。理論の骨格にAIの柔軟性を融合させることで、少量データから高精度な予測と外挿を可能にします。
本講演では、製薬DXと医薬品製造プロセス開発の全体像を概観した上で、Mechanistic
AIによるシミュレーション技術の価値を、実プロジェクト事例とPythonによる実演を交えながら解説します。
◆習得できる知識
・製薬DXの全体像と、医薬品製造プロセス開発の位置付け
・Mechanistic AIの基本的な考え方と、従来手法との違い
・実プロジェクト事例から見えるMechanistic AIの可能性
・Pythonによるモデル構築からデザインスペース決定までの一連の流れ
【講座内容】
第１部 製薬DXと医薬品製造プロセス開発の全体像
1. 医薬品が患者に届くまでのプロセスと、各フェーズでデジタル技術が変えようとしていること
2. 医薬品製造プロセス開発が抱える本質的な課題
3. 市場・技術・規制の変化が生み出した、シミュレーション活用の新しい時代
第２部 Mechanistic AIとは何か：理論と実験を融合するアプローチ
1. Mechanistic Modelの基本的な考え方
2. Mechanistic AIという発想：Mechanistic ModelとAIのハイブリッドが生み出す価値
3. データ駆動型AI・DoEとの使い分け
4. プロセス開発の各フェーズでMechanistic AIがもたらす価値
5. モダリティを超えた応用の広がり（低分子・バイオ・細胞遺伝子治療）
第３部 Mechanistic AIによる医薬品製造プロセス開発：プロジェクト事例の詳解
1. 対象プロセスと、製造現場が直面していた課題
2. なぜ既存のアプローチでは解決できなかったか
3. Mechanistic AIによるアプローチの設計と実装
4. 予測結果と、プロジェクトを通じて見えてきた可能性
第４部 Pythonによるモデリング実演：基礎から応用まで
1. 問題設定：A＋B→Pという化学反応を題材に
2. 基礎モデルの構築
3. モデルの改善サイクル
4. モデルの活用：条件探索とデザインスペース決定
5. まとめと質疑応答
【質疑応答】
略歴
東京理科大学 (応用生物科学科)、東京大学大学院 (知能機械情報学専攻) 卒業。大学院在学時はBrain
Machine Interfaceについて研究。
2013年、コンサルティング会社のリンクアンドモチベーション入社。新規事業を立上げ。マーケティング・ブランディング責任者として年間売上30億までを牽引。
2022年、SaaSスタートアップのナレッジワーク入社。マーケティング責任者などを務める。
2024年より、AuxilartにてCOOを務める。
|
