AI時代のQSAR：化学安全評価を進めるための考察

定量的構造活性相関（QSAR）モデルは、人工知能（AI）のより広い文脈でますます議論されています。実際、これらはデータ駆動型の推論システムとしてAIの特定の規制定義を正式に満たします。しかし、化学安全評価の文脈において、QSARは計算毒物学と規制科学の数十年にわたる対話によって形作られた独自のドメイン特化型モデルのクラスを表しています。この作業は、2025年6月にミラノで開催された環境および健康科学に関する第21回国際QSARワークショップ（QSAR2025）からのラウンドテーブルディスカッションを要約し、構造類似性およびローカルパフォーマンス評価、モデル選択、複数の予測の統合、予測性能と説明可能性のバランスを慎重に考慮する必要があるブラックボックスモデルによってもたらされる課題に対処します。これらの議論は、OECDの国際的に調和された原則、標準化された報告フォーマット（QMRF、QPRF、QRRF）、およびOECD QSAR評価フレームワーク（QAF）に支えられた、QSARアプローチを規制フレームワークに統合する経験を強調しています。QAFは、透明な文書化、適用可能領域の考慮、専門家主導の解釈を通じて、QSAR予測の信頼性と規制的重要性を評価するための構造化された基盤を提供します。その後、議論は現代のAI、特に大規模言語モデルがQSARモデリング自体を超えて毒物リスク評価を支援する方法を調査するために広がります。会議の洞察とこの拡張された分析を基にして、この作業は、QSARの発展と規制統合を通じて確立された原則（データ品質、適用可能領域、不確実性、専門的判断に関する考慮を含む）が化学安全評価における新興AIアプリケーションのガバナンスにどのように貢献するかを考察します。