医学研究誌JMIR Publicationsに掲載されたベンデット・カッファリ氏による特集は、深層学習および生成AIの統合が放射線医薬品開発をどのように加速し、個別化線量計測を最適化するかを解説している。サウサンプトン大学病院の核医学物理学部門を務めるソフィア・ミコプーロウ博士は、AI駆動シミュレーションが有望な医薬品候補を早期に同定し、前臨床段階の作業負荷を削減することで、創薬プロセスの効率化に寄与すると指摘する。 さらにAIは線量配分の最適化にも不可欠な役割を果たす。3次元畳み込みニューラルネットワークが医療画像を解析して生体内分布を予測する一方、機械学習による患者固有のデジタルツイン構築により、腫瘍への効果的な線量集中と正常組織の保護を両立する個別化治療計画が可能になる。 一方、臨床現場への本格導入には課題が残る。AIモデルの高精度化に必要な標準化・高品質なデータセットの不足が最大の障壁であり、連合学習技術が患者情報の秘匿性を守りつつ複数機関でデータを共有する手法として期待されているものの、モデルの臨床的汎化能力を確保するための基礎研究が依然として必要である。これらの技術的課題が克服されれば、放射線医薬品の創薬サイクルは劇的に短縮され、がん患者の治療転帰の大幅な改善につながると展望されている。