吉田拓也

睡眠の質と老化の関係、最近すごく気になっています

歳のせいか眠りが浅くなってきて、睡眠と体の老化って関係あるのかなと考えるようになりました。寝不足が続くと翌日の調子が明らかに違うのは実感しています。 同じように感じている方、何か工夫していることはありますか。雑談程度で大丈夫です。

新しい治療の話を追うと、期待と不安が同時に来る

再生医療や遺伝子治療の進展を追いかけるのは好きなのですが、自分や家族に当てはめて考え始めると、期待と同じくらい不安も湧いてきます。 情報を追うこと自体は前向きな行動のはずなのに、追いすぎて落ち着かなくなる時がある。同じような感覚の方、どう折り合いをつけていますか。

臨床試験の進捗を個人で追うコツ

企業のIR資料や臨床試験の登録サイトを見れば進捗が追えると知ってから、気になる治療をいくつかブックマークして定点観測しています。専門家でなくても一次情報にアクセスできる時代になったなと実感します。みなさんはどんなツールやサイトを使っていますか。

ニュースの『世界初』にどこまで身構えるべきか

バイオ系のニュースって『世界初』『画期的』という言葉がよく出てきますよね。期待したくなる一方で、承認前の段階だったり、対象患者が限られていたりすることも多いと感じます。 今回のin vivo CRISPRも確かにすごい話だと思うのですが、記事自体が『1回で生涯はこれから確認する段階』『承認もまだ審査前』ときちんと釘を刺していて、逆に好感を持ちました。過度に煽らない情報源は貴重ですね。

医療ニュースを読むとき、一次情報をどこで確認していますか

ネットの医療系記事は内容が大げさだったり、逆に古かったりすることが多くて、どこを信じればいいか迷います。今回のiPSの話も、出典が学会発表なのか規制当局の発表なのかで重みが違う気がします。 皆さんが普段、信頼できる一次情報として参照しているサイトや機関があれば教えてください。

鎌状赤血球症の治療が承認された話、あらためてすごいと思う

少し前のニュースですが、ゲノム編集を使った鎌状赤血球症の治療が承認された件を読み返していました。これまで根本的な治療が難しかった病気に、編集技術で手が届き始めているのが本当に大きな転換だと感じます。 もちろん費用やアクセスの課題はこれからだと思いますが、こういう積み重ねが他の疾患にも広がっていくといいですね。

遺伝性の病気と『予防』の考え方

遺伝子が原因の病気の話を読んでいると、予防という言葉の意味が少し変わってくる気がします。生活習慣で防ぐ予防と、遺伝的なリスクへの向き合い方は別物ですよね。 家族歴がある人にとっては、早めに知っておくことそのものが一つの備えになるのかなと感じました。難しいテーマですが、こういう議論ができる場があるのはありがたいです。

新薬が承認されるまでの流れがいまいち分かりません

ニュースで「第3相試験で良い結果」とよく見かけますが、そこから実際に病院で使えるようになるまで何が起きているのか、よく分かっていません。 申請してから承認まで、日本だとどれくらいかかるものなんでしょうか。詳しい方がいたら、ざっくりでいいので教えてもらえると嬉しいです。

Aidoc、FDAからファウンデーションモデルベースの臨床AI初承認を取得

AI医療画像解析のAidocが、大規模基盤モデル（ファウンデーションモデル）を活用した臨床AIソリューションとして世界初のFDA承認を取得しました。 これまでのAI医療機器との違い： ・従来：特定タスク専用のAIモデル（例：肺結節検出のみ） ・今回：汎用的な基盤モデルから複数の臨床タスクに対応 Aidocのアプローチ： 1. 大規模医療画像データで事前学習した基盤モデル 2. 個別タスク（脳出血、肺塞栓、骨折等）へのファインチューニング 3. 一つのモデルアーキテクチャで複数の適応を取得 4. 新しい適応追加時の開発・承認プロセスが効率化 AI創薬研究者としての視点： これはFDAのAI/ML規制におけるパラダイムシフトです。従来のSaMD（Software as a Medical Device）承認は「一つのモデル＝一つの適応」でしたが、基盤モデルの概念を受け入れたことで、AI医療機器の開発・承認のスケーラビリティが劇的に向上する可能性があります。 FDA Digital Health Center of Excellenceが進めている「Predetermined Change Control Plan」との組み合わせで、モデルの継続的改善も制度的に可能になりつつあります。 創薬AIでも同様の流れが来ると予想。タンパク質構造予測の基盤モデル（AlphaFold系）が規制承認の文脈でどう扱われるか、注視しています。

AlphaFold 4のタンパク質-リガンド結合予測が創薬を変える

AlphaFold 4の論文を精読。タンパク質-リガンド結合予測の精度が従来比で大幅に向上。特にallosteric siteの予測が実用レベルに達した印象。ドッキングシミュレーションのワークフローが根本的に変わりそうです。私たちの研究室でも検証を開始しました。