TOKYO, Mar 11, 2022 - (JCN Newswire) -  NECは、データを暗号化したまま計算処理ができる秘密計算技術を用いた複数組織間のデータ統合の有効性の検証を目的に、国立大学法人京都大学 大学院 医学研究科 小島 諒介講師、岩田 浩明特定准教授、奥野 恭史教授との継続的な議論をふまえて、創薬における予測モデルの構築に関する実証実験を2021年10月~2022年2月の5か月間実施しました。

製薬や化学企業を含む多くの企業や機関において、医薬品などの原料となる化合物の構造データは機密性の高い情報であり、データの持ち出しや他社との共有は困難です。そのため、複数企業やアカデミアと連携した新薬の開発などにおいてはデータ共有が課題となっていました。

本実証実験では、連合学習技術を基盤として改良を加えた機械学習ライブラリkMoL(注1)にNECの秘密計算技術を適用し、様々な化合物とそれらの毒性が記載されているデータセットを用いた毒性予測モデル等を評価しました。

連合学習技術を用いたシステムでは、機密データである化合物情報および活性情報等を直接拠出せずにAIモデルの構築・統合が可能となり、情報の機密性を担保しつつ、企業・組織間の連携ができます。

今回、連合学習技術に秘密分散方式の秘密計算技術を適用することで、連合学習技術単独の場合に加えて、統合時のAIモデルの秘匿性をさらに高めることを試みました。秘密計算技術を用いることで、3つのノードに分散してAIモデルの統合処理を行うため、情報理論的安全性を確保できます。

実証実験の結果、秘密計算技術を適用して構築したAIモデルは、連合学習技術のみで構築したAIモデルと比較して同等の精度を満たすことを確認し、秘密計算技術が毒性予測モデルの構築において化合物の構造データの秘匿性の向上に寄与する実用的な手段であることを実証しました。

今後NECは製薬や化学企業等と連携して、幅広いデータ統合によって創薬・化合物開発の効率化を目指します。

本リリースの詳細は下記をご参照ください。
https://jpn.nec.com/press/202203/20220311_01.html

概要:日本電気株式会社(NEC)

詳細は www.nec.co.jp をご覧ください。

Copyright 2022 JCN Newswire. All rights reserved. www.jcnnewswire.com