臨床試験の失敗を克服するためのパラダイムシフト

腫瘍学分野で目覚ましい進歩が見られる一方で、臨床試験に進んだ抗がん剤のうち、最終的に承認される割合は約5％に過ぎません。特に、第3相試験で発生する後期失敗の半数以上は、薬物の有効性の欠如が原因です。このような高い失敗率は、患者の実際の腫瘍生物学を十分に反映していないか、対象患者群を広範囲に設定しすぎていることが原因です。インディビューメッド・セラピューティクスは、これらの問題を根本的に解決するために、患者中心の精密腫瘍学R&Dモデルを構築しています。

nRavelプラットフォームと極低温虚血時間の組み合わせ

インディビューメッドは、がん組織が体外に出た後、変形する前の10分以内にサンプルを保存する標準化されたバイオバンクを主要な資産として保有しています。虚血時間を極端に短縮することで、腫瘍の自然な状態と微小環境を保存した高品質なデータは、標的発見の信頼性を最大化します。この独自の生体試料を、自社の人工知能（AI）プラットフォームであるnRavelで分析し、数百件の臨床データと腫瘍ゲノムデータを統合しています。単純な仮想予測を超えて、実際のヒト細胞に基づく生物学的データが組み合わされることで、初期の標的検証における誤りを大幅に削減しています。

多重オミクスに基づく精密な標的およびモダリティの検証

同社は、DNA、RNAだけでなく、タンパク質および翻訳後修飾までを含む多重オミクス分析を実行します。これにより、がん細胞のシグナル伝達経路を多角的に評価し、抗体-薬物複合体（ADC）や二重特異性抗体などの最も適切な薬物モダリティをマッチングします。特に、大腸がん（CRC）は遺伝的異質性が非常に高く、単一のバイオマーカーで治療が困難ですが、インディビューメッドは患者ごとの多次元プロファイルを構築し、精密な標的を提示します。これは、臨床設計時に反応可能性が最も高い患者群を正確に選別できる強力な武器となります。

AIと患者由来モデルによる効率的なR&Dループ

インディビューメッドは、不完全な動物モデルの限界を克服するために、バイオバンクに由来する3次元細胞モデル（オルガノイド）と患者由来細胞株を標的検証に活用します。この検証データが再びnRavel AIアルゴリズムにフィードバックされ、精度を向上させる「効率的なループ」を完成させています。これにより、通常数年かかる抗がん標的発見と薬物適合性検証の期間を数か月単位に短縮する成果を上げています。この革新的なR&Dモデルは、新薬開発の経済性を大幅に向上させ、最終的に抗がん剤の臨床成功率を高める上で重要な転換点となるでしょう。