Evaluation of GPT-3 for Anti-Cancer Drug Sensitivity Prediction
本研究の学術的背景は、がん治療における個別の薬物感受性予測に関する問題で、核心となる「問い」は「GPT-3を使った予測モデルは、がん治療の薬物感受性をどの程度正確に予測することができるのか？」ということです。
本研究の目的は、GPT-3を用いて、あるがんの細胞系に対して特定の抗がん薬が有効か無効かを予測するためのモデルを開発、評価することです。独自性や創造性は、大規模なテキストデータセットで事前に訓練されたGPT-3というAIモデルを、新たな領域である抗がん薬感受性予測タスクへ応用した点にあります。
がんの遺伝的な異質性によって同じがん種であっても患者間で抗がん薬の反応にかなりの差が見られるため、個別化された治療法の需要が増しています。抗がん薬の開発と臨床試験は時間と費用がかかり、成功率も小さいため、前臨床的な計算モデルの開発が重要な課題です。このため、本研究では、大規模な遺伝子データとGPT-3を使って抗がん薬の有効性を予測するモデルを開発しています。
本研究では、5つの組織の薬物遺伝子情報を用いてGPT-3で抗がん薬感受性予測タスクを行い、そのパフォーマンスを評価しました。結果として、抗がん薬の化学構造表現（smile表現）とがん細胞の遺伝子変異特徴が薬物の反応を予測するのに有用であることが分かりました。
本研究の有効性は、大規模な遺伝子データセットを用いてGPT-3で抗がん薬感受性予測タスクを行い、その結果を評価することで検証しました。