🤖 machine learning

ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening

ScreenShotは、40種類のドラッグスクリーニング・データセットを用いたインコンテキスト学習を活用することで、わずかなショットの機能的コンテキストのみを用いて併用療法に対する患者の反応を正確に予測し、分子プロファイリングやファインチューニングを不要にすると同時に、能動学習を通じた費用対効果の高い実験設計を可能にする階層型トランスフォーマー基盤モデルである。

原著者： Antoine de Mathelin, Christopher Tosh, Wesley Tansey

公開日 2026-08-13

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Antoine de Mathelin, Christopher Tosh, Wesley Tansey

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、手がかりが微量の液滴であり、容疑者が何千種類もの異なる医薬品である中で、謎を解こうとしている探偵だと想像してください。がん治療の世界では、がん細胞は巧妙で、単一の攻撃に対して耐性を獲得することがあるため、医師は単一の薬ではなく、薬の「カクテル」を使用することがあります。完璧なカクテルを見つけ出すために、科学者たちは通常、ラボであらゆる薬の組み合わせを患者の細胞に対してテストしなければなりません。これは、一本ずつ全ての藁（わら）を引っ張り出しながら、干し草の山の中から針を探すようなものです。これには膨大な時間がかかり、多額の費用がかかり、しかも、十分な「藁」（あるいは患者の細胞）が回ってこないこともよくあります。

ここで、「未来を予測する」というアイデアが登場します。科学者たちは、すべての薬の組み合わせをテストすることなく、どの薬の組み合わせが機能するかを推測するためのコンピュータモデルを構築してきました。しかし、ほとんどのモデルは、特定の教科書を暗記していなければテストに合格できない学生のようなものです。それらは、膨大な詳細な生物学的データ（患者の遺伝子コードのようなもの）を必要とします。もしそのデータが欠けていたり、乱れていたりする場合（実際の患者ではよくあることです）、これらのモデルは混乱してしまいます。大きな疑問は、これまでのあらゆる薬物実験から学習した超スマートなAIを構築できるか？つまり、たった一つの患者から得られるわずかな手がかりだけで、追加の生物学的データなしに、最適な治療法を即座に推測できるAIを作れるのか？という点です。

そこで、メモリアル・スローン・ケッター・キャンサー・センターの研究者たちが開発した、その問いに「イエス」と答えようとする新しいAIツール、ScreenShotが登場します。ScreenShotを、教科書を暗記した学生としてではなく、何百万もの異なる料理を味わってきたマスターシェフとして考えてみてください。新しい料理の正確な材料リスト（遺伝子コード）を知らなくても、その味を推測できる代わりに、ScreenShotはあなたがすでに食べた数口の味から、「ああ、塩とコショウでこのような味だったなら、ニンニクとタイムとも相性が良さそうだ」と言うのです。

研究者たちは、このAIを膨大なデータの「基盤」の上に構築しました。約40種類の異なる薬物スクリーニング・データセットから得られた約3,000万件の測定値を用いてトレーニングを行いました。このトレーニングには、ラボで培養されたがん細胞や患者由来の小さな臓器（ミニ臓器）などの6,000種類の生物学的サンプルに対してテストされた、約3,700種類の異なる薬物が含まれています。AIは、どの薬がどの用量で細胞を生かし、あるいは死に至らしめるかという結果を見るだけで、薬と細胞の相互作用のパターンを学習しました。

ここにあるのは「魔法の手品」です。ScreenShotは、**インコンテキスト学習（in-context learning）**と呼ばれる手法を使用しています。例えば、新しい患者からの少数のテスト結果（例えば50個または100個の実験結果）をAIに見せるとします。AIはその患者のために再学習したり「微調整（ファインチューニング）」したりする必要はありません。代わりに、それらのわずかな例を即座に「コンテキスト・ウィンドウ」として使用し、まだ見ていない何千もの薬の組み合わせの結果を予測します。これは、機能的な結果（細胞が生存したか？）に基づいて直接行われます。

論文によれば、ScreenShotは驚くほど優秀です。未知の4つのデータセットでテストした際、精度と、「ヒット（がん細胞を死滅させつつ、健康な細胞には影響を与えない薬の組み合わせ）」を見つける能力の両方において、従来の最高の方法を上回りました。実際、いくつかのテストでは、他の手法よりも5倍から50倍高速でした。

しかし、研究者たちは予測するだけでなく、ScreenShotにスマートな実験家としての方法も教えました。彼らはアクティブラーニング（能動学習）と呼ばれる戦略を構築しました。ランダムに薬をテストするのではなく、ScreenShotは自身の予測を使用して、次に実行すべき実験を決定します。これは、数人の容疑者を調べた後に、街中の全員を尋問するのではなく、最も怪しい容疑者に焦点を絞る探偵のようなものです。論文によれば、このスマートな戦略を使用することで、ScreenShotはランダムな探索と同じ数の効果的な薬物ヒットを見つけ出しながら、実験の実行回数を3分の1に抑えることができます。これは、膨大な時間、費用、そして貴重な患者の細胞を節約できることを意味します。

ScreenShotの最も印象的な点の一つは、薬が新しかったり未知であったりする場合でも機能することです。もし薬がトレーニングデータに含まれていなかったとしても、ScreenShotは特別な「未知（unknown）」のトークンを使用して、現在の患者から得られたわずかな手がかりに基づき、その挙動を推測します。そのため、完全に失敗することはありません。

要約すると、論文はScreenShotが薬物スクリーニングをはるかに効率的にできる強力な新しいツールであることを示唆しています。これは、高価で時間がかかり、大量のデータを必要とする手法から、過去から学び未来を導くシステムへと移行できることを示しており、患者に最適な薬のカクテルをより迅速に見つけることを可能にする潜在能力を持っています。これらの結果はコンピュータ・シミュレーションと保持されたテストにおけるものですが、論文はこれをラボにおける重要な一歩として提示しており、実世界でのより効率的な実験への道を開いています。

技術要約: ScreenShot

問題提起

効果的な併用薬物療法を特定することは、耐性を減少させる上で極めて重要であるが、潜在的な組み合わせの探索空間が膨大であることにより困難となっている。従来の組合せスクリーニングは、特に患者由来のサンプルから得られる細胞数が限られている臨床現場においては、技術的に実行不可能であったり、時間がかかったり、コストが高かったりすることが多い。既存の予測モデルは、このギャップを埋めることを試みているが、通常はゲノムまたはトランスクリプトーム・プロファイリング（オミクスデータ）に依存しており、コホートごと、あるいは患者ごとの微調整（ファインチューニング）を必要とする。これらの要件は、組織が希少である場合や、分子プロファイリングが利用できない、あるいは一貫していない場合に、適用性を制限する。さらに、既存の多くの手法は、組み合わせに対する連続的な用量反応関係をモデル化できなかったり、コンテキストサイズに対して二次関数的にスケールするフラットなアテンション機構に依存していたりするため、少数の事例（few-shot）シナリオにおいて非効率的である。

手法

ScreenShot アーキテクチャ

ScreenShot は、併用薬物スクリーニングにおける few-shot 予測のために設計された階層型トランスフォーマー・ファウンデーションモデルである。これは、分子プロファイリングや新しいサンプルに対するファインチューニングを必要とせず、機能的な測定値（薬物の識別、用量、および生存率）から直接動作する。そのアーキテクチャは、スクリーニングデータの入れ子構造を反映した 3 つのレベルで構成されている：

レベル 1: 薬物併用エンコーダー (DCE): 個々の薬物と用量のペアをエンコードする。薬物の識別は、化学構造ではなく、多様なサンプルにおける機能的挙動に基づいた学習済み埋め込み（embedding）にマッピングされる。用量は学習済みフーリエ特徴量によってエンコードされる。トランスフォーマーエンコーダーは、自己注意（self-attention）を用いて組み合わせ内の薬物のシーケンスを処理し、相互作用効果を捉え、それらを単一の併用埋め込みへと集約する。
レベル 2: レスポンスエンコーダー (RE): クエリ（未テストの薬物・用量条件）と、few-shot コンテキスト（観測された薬物・用量・生存率のタプル）との間でクロスアテンションを実行する。コンテキストの観測値は、測定された生存率によって拡張される。このレベルにより、クエリはコンテキスト内で観測された類似の摂動の用量反応曲線から証拠を検索することができる。
レベル 3: サンプルエンコーダー (SE): 自己注意を用いて、特定のサンプルにおけるすべての観測された摂動にわたる情報を集約する。これにより、ある薬物の反応パターンを利用して関連する他の薬物の予測を行うといった、異なる薬物間の組み合わせによる証拠の伝播が可能になる。線形ヘッドとシグモイド関数を経て、最終的な生存率の推定値を出力する。

この階層的設計により、計算複雑性は $O(n^2)$ （フラットなアテンション）から $O(n + p^2)$ （ここで $n$ は観測数、 $p$ はユニークな摂動数）へと削減され、few-shot シナリオにおける効率性が大幅に向上する。

事前学習とインコンテキスト学習

ScreenShot は、40 の薬物スクリーニングデータセット（約 3,000 万の生存率測定値、3,700 種類の薬物、6,000 個のサンプル）を含むパンキャンサー・アトラスで事前学習されている。学習目的は、インコンテキスト学習パラダイムに従う：

入力: コンテキストセット $D_s$ （ラベル付けされた薬物・用量・生存率のタプル）と、クエリセット $Q_s$ 。
タスク: $D_s$ に条件付けられた $Q_s$ における生存率を予測する。
最適化: モデルは、クエリセットに対する平均絶対誤差 (MAE) を最小化する。
メカニズム: 推論時、モデルは事前学習されたアテンション機構を通じて、未知の新しいサンプルに対して完全に汎化する。モデルは、グラディエント更新やファインチューニングを必要とせず、提供された few-shot コンテキストに対してクロスアテンションを介して条件付けを行う。

能動学習戦略

どの実験を実行すべきかというボトルネックに対処するため、著者らは多段階の能動学習パイプラインを提案している：

コールドスタート: 生存率が観測される前に治療空間の網羅性を確保するため、レベル 1 の薬物・用量埋め込みを用いた $k$ -medoids クラスタリングを使用して、初期バッチを選択する。
適応的ラウンド: その後のバッチは、レベル 3 のコンテキスト条件付き埋め込みを用いた加重 $k$ -means++ シーディングを使用して選択される。候補は、予測された差分生存率（ $\Delta_t = \hat{y}_{target} - \hat{y}_{control}$ ）によって重み付けされる。これにより、有望な「ヒット」（選択的に効果的な治療法）を優先しつつ、選択における多様性を維持する。

主な貢献

機能的薬物応答のためのファウンデーションモデル: ScreenShot は、オミクス特徴量を必要とせず、患者ごとのファインチューニングも必要としない、薬物・用量・生存率の測定値のみで作動する初の薬物スクリーニング用ファウンデーションモデルである。これは単剤療法および任意のサイズの併用療法をサポートする。
埋め込み駆動型の実験設計: 著者らは、コールドスタート選択のための事前学習済み埋め込みと、コンデックス条件付き埋め込みを活用した実用的なスクリーニング・ポリシーを導入しており、有望な治療法のテストとデザイン空間の網羅性の間のトレードオフを明示的にバランスさせている。
効率的な階層型アーキテクチャ: 本モデルは、データの構成構造に適合した階層的アテンションメカニズムを利用しており、フラットなアテンションのベースラインに対して大幅な計算上の利点を提供しながら、マルチグラニュラリティ（多粒度）な表現を捉える。

実験結果

モデルは、4 つのホールドアウト・データセット（PDO-Breast（ex vivo 単剤療法）、BATCHIE、NCI-ALMANAC、GDSC-SQ（併用スクリーニング））で評価された。

予測精度: ScreenShot は、すべてのデータセットおよび予算（10 から 300 の few-shot 観測）において、XGBoost、TabPFN、およびファインチューニングされた MLP を含むベースラインを上回り、最先端のピアソン相関係数を達成した。
ヒット検出: 選択的に効果的な治療法（トップ 20% の予測におけるトップ 10% のヒット）の観点において、ScreenShot は一貫してすべてのベースラインを上回った。例えば、100 ショットを用いた BATCHIE データセットにおいて、Screen食的、ScreenShot は 72.6% のヒット再現率を達成し、次点のメソッドの 63.9% を上回った。
能動学習の効率性: 提案された適応的選択戦略は、ランダム選択またはコールドスタートのみの選択と比較して、ヒット検出を大幅に改善した。BATCHIE において、適応的戦略は、予算 300 の時にランダム選択と同じヒット再現率を、わずか 3 分の 1 の予算で達成した。
速度: ScreenShot は、ファインチューニングなしの単一のフォワードパスのみを必要とするため、ベースライン（例：MLP の 1 回の実験あたり数分）よりも 5〜50 倍高速である（例：1 回の実験あたり 8〜68 秒）。

意義と主張

論文は、分子プロファイリングへの依存を排除し、患者ごとのトレーニングを不要にすることで、ScreenShot が現在の薬物スクリーニング法の決定的な限界に対処していると主張している。これにより、データが乏しい、あるいは利用できない患者由来のサンプルへの適用が可能になる。インコンテキスト学習を活用することで、モデルは適応ステップを効果的に償却し、新しい患者に対して即座に汎化することができる。

著者らは、ScreenShot によって学習された内部表現が実験設計に直接役立つことを強調している。能動学習戦略は、一様なスクリーニングと比較して、大幅に削減された実験コスト（予算）でトップの治療的ヒットを特定できることを示している。本研究は、リソースが制約された臨床現場において、併用療法の選択を導くことができる実用的なツールとして ScreenShot を位置づけている。

また、論文では、学習コーパスに含まれる薬物に依存していること（ただし、UNK トークンを通じて新規化合物も処理可能）、およびグローバルな予測精度が必ずしもヒット検出能力と直接相関しない（不確実性ガイドの選択がトップヒットを見つけるために最適ではない可能性があることを示唆している）といった限界についても、控えめに述べている。