『Journal of Medical Internet Research』に発表された新たな調査により、機械学習が妊娠中の薬剤安全性に関する研究のギャップを埋める可能性が示されました。健康ライターであるミシェル・ファルシ氏は、妊娠中の女性を対象とした薬物曝露と結果を大規模データセットで分析し、関連性を評価する2 つの主要プロジェクトの首席調査員との対談を通じて、この進展を伝えています。 現在の医療研究には、妊娠中の女性を対象とした参加者の極度の不足という深刻な問題があります。過去 10 年間の臨床試験のわずか 4% しか妊娠中女性を含んでおらず、この傾向は 1977 年に米国食品医薬品局が第 1 相および第 2 相臨床試験から妊娠中女性および妊娠可能女性を除外することを推奨したことに端を発しています。その結果、妊娠中女性に対する薬物の安全性に関するエビデンスに大きな空白が生じ、女性研究者全体の代表性の低さにも繋がりました。実際の対策の取り組みはあるものの、現状では依然として不十分な状態が続いています。 このエビデンスギャップを解消する動きとして、BOOST-HP プロジェクトと BIONIC 研究という 2 つの革新的な取り組みが紹介されています。BOOST-HP はツリーベースのデータマイニング手法を、BIONIC は因果推論と機械学習を組み合わせています。いずれの手法も、大規模データの分析や潜在的な因果関係の推定において機械学習の能力を活用しています。 BIONIC 研究のリーダーであるクリスティーナ・ロンゴ氏によると、この AI を活用した研究をより効果的なものにするためには、より多くのデータと十分な警戒心が必要です。また、BOOST-HP プロジェクトの主任研究者であるアルムト・G・ウィンターシュタイン氏は、透明性の重要性を強調しています。彼女のチームは、AI モデルがどのように評価に至ったかの判断経路を追跡できるモデルを使用しており、ブラックボックス化されたモデル（内部構造が不明瞭なシステム）を採用することは、重要な疫学的エラーを見逃すリスクがあるため避けています。 慎重なモデル設計と、より包括的で大規模なデータセットの提供が進めば、機械学習は妊娠中の女性に対する薬物安全性のエビデンスギャップを解消する上で大きな可能性を秘めています。