コアとなる知見に
生体モデリング/AIを融合させ、
薬物動態研究の革新に挑む。

創薬研究職（薬物動態）

2016年入社　薬学研究科修了

入社3年目からリサーチリーダーを担い、
臨床ステージまで進むプロジェクトで力を発揮する。

入社以来ずっと薬物動態の研究に携わっています。入社当初は低分子化合物におけるin vivo（生体内）の薬物動態評価などを担当して腎疾患領域などのプロジェクトに参画しながら消化管吸収や体内動態への理解を深めました。振り返ると、自分にとっては薬物動態研究者としての基礎的な知識を学ぶ時期だったように思います。

3年目からは自分からも希望して、抗体・核酸医薬における薬物動態評価を担当するようになりました。この頃から薬物動態のリサーチリーダーを任され、現在までに6つのプロジェクトに携わっています。その中には、創薬初期から関わり、現在、臨床ステージまで進んでいるものもあります。このプロジェクトでは臨床ステージ入りに向けて、実際に人に使う際の適切な薬の量をどう説明するかという点で大きな課題がありましたが、薬物動態評価と合わせてモデリング＆シミュレーション技術を用いることで、その課題解決に貢献することができました。このように困難な壁を打ち破って、プロジェクトを次のステージへと進められた時が一番嬉しく、やりがいを実感する瞬間です。

薬物動態研究者としての知識をコアに、
生体モデリングとAIを融合させた予測モデルに挑む。

薬物動態のリサーチリーダーとしてプロジェクトに携わるとともに、薬物動態研究におけるAI活用を牽引しています。最近では創薬におけるAI活用が急速に進展し、研究開発の加速化・効率化が期待されていますが、それは薬物動態研究においても同様です。AIによる臨床予測モデルを構築できれば、たとえば動物モデルの段階から臨床を想定した薬物動態評価が可能となり、研究のスピードアップが実現できます。しかし、創薬におけるAI活用にはいくつかの課題があることも事実です。例えば、そもそもAIに学習させる臨床データが限られていることに加え、AIのブラックボックス的な性質は意思決定を支援するうえで大きな課題となっています。

私は、創薬におけるデジタル活用については入社当初から関心があり、2年目からは自ら手をあげてモデリング＆シミュレーション技術に取り組み、生体モデリングにおける専門性を深めてきました。生体モデリングによるアプローチでは、限られたデータからでも理論的な根拠に基づく予測ができ、先ほど述べたAIが直面する課題に立ち向かうためにきわめて有効です。現在、生体モデリングとAIを統合した臨床予測モデルの実装に挑戦しており、学会発表や論文投稿も行っています。AI活用は、当社の研究開発部門において共通のテーマであり、部署横断的なワーキンググループを立ち上げ、先進技術を取り込むためにアカデミアとの協業を進めるなど、全社をあげて推進しています。

チャレンジングな姿勢を後押しする当社ならではの社風。
薬物動態研究はさらに面白くなるとワクワクしている。

新しいものづくりを通じて、人々の健康に貢献する。そんな仕事に純粋に惹かれたことが製薬業界に興味を抱いたきっかけです。大学で創薬の研究に取り組み、就活でも製薬業界を軸にしました。その中から田辺ファーマを選んだ決め手は社員たちの人柄です。説明会などで接した先輩社員の誰もがおだやかで誠実で、「この人たちと一緒に働きたい」と率直に感じました。あの時の印象は、入社して10年が経った現在も変わりありません。一人ひとりが研究者として専門性を深めながらも、その知識を惜しみなく積極的に共有していこうという文化が根付いています。加えて、私が取り組むAI活用のように、チャレンジングな姿勢を後押しする社風があります。

最近、創薬研究における薬物動態が担う役割が大きくなってきているように感じています。その一例として、薬剤の評価だけでなく、生体内にもともとあるバイオマーカーなどの動態評価にも注目が集まっています。それに合わせてAI活用が進めば、創薬のスピードアップに貢献する場面ももっと増えてくるはずです。これから薬物動態研究はますます面白くなってくるだろうとワクワクしています。薬物動態研究者としてコアとなる知識やスキルを深めながら、AI活用にチャレンジし、これらを融合させることによって、創薬の革新に、田辺ファーマの成長に貢献していきたいと思っています。