説明可能な機械学習を用いた化学物質の眼および皮膚に対する刺激性・腐食性の予測

概要

本研究は6000件超の実験データを統合し、眼・皮膚刺激性をBAC 73–75%で予測する説明可能な機械学習モデルを構築しました。構造アラートの特定、複数レベルの解釈可能性、ユーザーフレンドリーな可視化ツールを備え、化粧品等の動物実験代替スクリーニングとして実践的です。

主要発見

• 外部検証で眼73.0%、皮膚75.1%のBACを達成。
• データセット・分子・原子レベルの解釈可能性により刺激性と関連する構造アラート断片を同定。
• 非専門家でも予測可能な可視化インターフェースを提供。
• 化粧品・医薬品関連化学物質について、眼3316件・皮膚3080件のデータを統合。

臨床的意義

成分の刺激性リスクを早期に把握することで処方設計に役立ち、後期段階での不適合を減らし、動物実験代替の規制動向に適合した申請を支援します。

限界

• BACは中等度の性能であり、偽陽性・偽陰性の残存があり得る。
• データセットの偏りや稀な化学構造の網羅性に限界。
• 規制受容には前向き検証が必要。

今後の方向性

代表性の低い化学構造のデータ拡充、用途別に閾値最適化、in vitro代替法との前向き比較検証、OECD QSAR原則など規制枠組みへの統合を進める。