2026年02月24日
## 要約：
本研究は、医薬品開発における機械的な理解を深めるために、PBPKモデリングを効率化するScientific Machine Learning (SciML)フレームワークを提案します。生理学的に妥当な仮想患者群の生成や、種間外挿の精度向上を可能にする3つの主要な手法を導入し、シミュレーション速度の向上と生理学的制約違反の減少を実現しました。このフレームワークは、より迅速で信頼性の高い医薬品開発を支援します。
---
## 翻訳：
arXiv:2602.18472v1 の発表タイプ：新規
抄録：生理学に基づいた薬物動態（PBPK）モデリングは、モデルに基づいた医薬品開発（MIDD）の基盤であり、医薬品の吸収、分布、代謝、排泄（ADME）を予測するためのメカニズム的なフレームワークを提供します。有用性にもかかわらず、大規模シミュレーションの計算コストの高さ、複雑な生物学的システムにおけるパラメータ同定の難しさ、種間外挿における不確実さが採用を妨げています。本研究では、メカニズム的な厳密性とデータ駆動型柔軟性を架橋する統一されたScientific Machine Learning (SciML)フレームワークを提案します。3つの貢献を示します：（1）Foundation PBPK Transformers、薬物動態予測をシーケンスモデリングタスクとして扱うもの；（2）Physiologically Constrained Diffusion Models (PCDM)、物理学に基づいた損失を使用して生物学的に準拠した仮想患者集団を合成する生成アプローチ；（3）Neural Allometry、Graph Neural Networks (GNN)とNeural ODEを組み合わせたハイブリッドアーキテクチャで、連続的な種間スケーリング則を学習します。合成データセットでの実験により、フレームワークが制約下で生理学的違反率を2.00%から0.50%に低減し、より高速なシミュレーションへの道を開くことを示しています。
[📰 原文はこちら](https://arxiv.org/abs/2602.18472)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。