富士通和东京医科齿科大学 (TMDU) 今天宣布了一项新技术，该技术利用人工智能从临床数据中发现癌症治疗中耐药性的新因果机制。利用世界上最快的超级计算机“Fugaku”，这项新技术可以在一天内高速计算 20,000 个数据变量，并允许从 1,000 万亿个不同的癌细胞中发现与耐药性相关的以前未知的因果关系可能性。
富士通和 TMDU 将这项技术应用于 从癌细胞系获得的基因表达水平数据，以分析抗癌药物的耐药性 ，并成功提取了一个以前未知基因的新因果机制，该基因暗示了导致癌症的原因。对肺癌药物的耐药性。新技术预计将有助于加速药物发现和实现针对每个患者的个性化癌症治疗。
该技术是在“利用大规模数据分析和人工智能技术阐明癌症的原因和多样性”的主题下开发的，作为超级计算机 Fugaku 成就加速计划的一部分，由 TMDU、京都大学和富士通支持的一项倡议 。
背景
即使患者接受靶向抗癌药物治疗，耐药癌细胞的出现仍对完全缓解构成持续威胁。然而，某些癌症如何产生耐药性的机制仍不清楚，研究人员继续研究新的分析方法，以阐明具有多个驱动突变的细胞如何 获得耐药性。在涉及药物重新定位的药物开发和临床试验中，重要的是确定药物预计对其有影响的患者。然而，药物的有效性可能因器官和个体以及基因表达的差异而有所不同，并且多个基因的表达水平组合的模式数量超过 1,000 万亿。因此，使用传统计算机对人类基因组中的所有 20,000 个基因进行全面搜索需要 4,000 多年，而寻找加速这一过程的方法是一项重大挑战。
新开发技术
富士通实施了并行条件和因果算法，以最大限度地利用超级计算机 Fugaku 的计算性能，在实际研究所需的时间范围内分析人类基因组。通过利用富士通的“Wide Learning” 人工智能技术，根据统计信息提取与耐药性出现相关的潜在基因组合，富士通开发了一种新技术，可以在一天内进行全面搜索。
结果
由于在超级计算机 Fugaku 上使用该技术运行 Dependency Map (DepMap) 门户的数据，Fujitsu 和 TMDU 能够在一天内搜索整个人类基因组的条件和因果关系，并确定导致对用于治疗肺癌的药物产生耐药性。
京都大学研究生院小川诚司教授的评论
富士通用于科学发现的人工智能技术（“广泛学习”）等有前途的技术有朝一日可能有助于发现生物标志物，这代表了对药物开发越来越感兴趣的领域。新药研发成功的关键在于识别出有望从新药中受益的患者并进行临床试验。如果预测谁将从药物中受益的标志物是已知的，则临床试验的成本可以显着降低，并且可以增加进行个体临床试验的成功概率。从这个角度来看，制药商和其他人预计会对这项技术非常感兴趣。使用 Fugaku 实现它的事实也提高了人们的期望。
未来的计划
展望未来，富士通和 TMDU 将结合各种数据（包括时间轴和位置数据）进行多层次的综合分析，以加速医学研究，包括药物疗效领域，并阐明癌症的原因。富士通和 TMDU 还将在药物发现和医学领域的实验研究方面进行合作。TMDU 将进一步利用这项研究中开发的技术来促进对诸如癌症等难治性疾病策略的研究。
除医疗保健外，富士通还将利用新技术解决营销、系统运营和制造等多个领域的挑战。