市販薬のバーコードをスキャンするだけで、禁止薬物が含まれているか否かがすぐに判明するドーピングインデックスアプリ『DINX』がリリースされた。医薬品名からの検索もでき、処方薬の場合は処方箋のQRコードを読み取るだけの便利なアプリ。そこで、サービスがリリースされた経緯や特徴について、開発者であるオンキヨースポーツ取締役の坂野道郎氏に訊いた。

国内の医薬品、ほぼすべてを網羅！

華やかなスポーツ大会の裏で、「ドーピング違反で出場停止」というニュースを目にする機会は多い。国家レベルで故意にドーピングをおこなっている例も聞くが、日本のアスリートは「うっかりドーピング」で処罰されるケースがほとんどだ。つまり、知らぬ間に禁止薬物を摂取してしまったということ。そのため、普段から体調が悪くても薬を飲まずに我慢しているアスリートも多い。

「チームドクターや栄養士はいても、ドーピングに精通しているスタッフがいることは稀です。その点では、日本は遅れているといえます」と語る坂野氏。

そこで、アスリート自らが簡単に市販薬や処方薬をチェックできるアプリ『DINX』を開発したというわけだ。

「DINXでは、医療用医薬品（処方薬）約2万品目、OTC医薬品（市販薬）約1万2000品目を超えるデータベースを使用しています。毎年元旦、WADA（世界アンチ・ドーピング機関）はドーピング物質の最新リストを発表するのですが、それに合わせて毎年更新していきます。そのため、毎年元旦から約2週間は検索ができなくなります」

ドラッグストアのPB（プライベートブランド）商品の一部は、成分情報を開示してないものもあり、「該当する医薬品情報は見つかりませんでした」の文言が表示されてしまうこともある。それ以外に関しては、日本国内で流通している医薬品のほぼすべてが網羅されているので使い勝手は抜群だ。

非故意証明書の発行もおこなう

また、『DINX』の魅力は豊富なデータベースだけではない。検索や結果履歴をデータで残すこと（最大10年間）で、「アプリを使って確認した後に摂取した」ことを証明する「非故意証明書」の発行を申請することができる。

「非故意証明書があれば裁判に勝てるというわけではありませんが、心象が良くなることは間違いありません」

年々厳しくなるドーピング検査

過去には、チームの20～30名が同じ薬を飲んでいたにも関わらず、ひとりだけがドーピング違反になった例もあったとか。その理由を調べたところ、同じ生産ラインで禁止物質を含む医薬品を生産しており、わずかながら混入してしまった錠剤があったとのこと。このケースの場合、さすがに『DINX』でも防ぎきれない。

それほどまでドーピング検査の精度は高く、ごくわずかでも違反者になってしまう怖さがある。また、故意でないことを証明するのは難しく、疑われた場合は窮地に陥ってしまうのは明確だ。一方で、かつては国体のベスト4くらいからの検査だったのが、近年はベスト8あたりからドーピング検査が実施されるなど、年々厳格化され始めている。

そんな状況を見越して、アスリートに寄り添ったサービスを提供している点は画期的だ。今のところ『DINX』は2020年9月6日までは無料で使用でき、その後は毎月低価格の課金制が予定されている。

現場で求められる機能を次々とアプリに実装中

開発者の坂野氏は、女子レスリングの強豪校で知られる至学館大学の「スポーツ栄養サポートチーム」の一員でもある。スポーツ栄養学の知見が高い同校は、これまでに数多くのチームやアスリートから相談が寄せられてきたという。しかし。すべてに対応することが難しいため、坂野氏はAIとアプリを使い、誰もが手軽に栄養を管理できる仕組みが作れないかと考えた。それが、オンキヨースポーツとして最初のサービスとなった、食トレアプリ『food coach』である。そのアプリと、GPSを含むGNSS（測位衛星システム）や、加速度/角速度センサーといった運動量測定デバイスとを連携させるサービス『KLOTO』も発表。ドーピングインデックスアプリ『DINX』は、第三弾のサービスとなる。

「『DINX』に関しては、東京オリンピックまでに英語版をローンチする予定です。これがあれば、海外の選手も日本の薬を安心して飲むことができますから」

どこまでもアスリートファーストな発想は、常に身近に選手たちを見守ってきたからの発想だ。現在は、時差の調整をスムーズにおこなうためのサービスを開発中とのこと。こちらはアスリートのみならず、出張の多いビジネスパーソンの需要も予想される。

なお、『DINX』で導き出される結果はあくまでもアスリート向けのものなので、もしドーピング物質を含む薬があったとしても一般の人にとって害は一切ない。そこはぜひ留意してほしいところだ。

DINX：https://dinx.pro/

坂野道郎（さかのみちろう）
オンキヨースポーツ株式会社 取締役。至学館大学 健康科学研究所 客員研究員。スポーツ栄養サポートチーム シニアアドバイザー。AIを使い、アスリートそれぞれに最適なスポーツ栄養をアドバイスするアプリ開発を着想。2017年、IBMの『Watson Build Challenge』
に同企画で応募したところ日本国内で優勝。それをきっかけに、オンキヨースポーツが立ち上がり、2018年に『food coach』をリリース。アスリートの育成・強化を目的としたサービスを開発し続けている。

日本人の二人に一人はかかると言われているがん。あまりにも有名な話だが、その7割の患者さんが薬のマッチングでさまようと言われている。人間の経験値だけではたどり着けない薬との素早いマッチングを探る仕組みが開発途上にある。スーパーコンピュータを用いて患者のデータを解析し、それぞれの体質に合った薬の処方をより敏速に行えるようにしようという取り組みだ。創薬分野でこの研究を進める京都大学大学院医学研究科 人間健康科学系専攻 ビッグデータ医科学分野の奥野恭史教授にHERO X 編集長 杉原行里がお話を伺った。

―医療ビッグデータを使った研究とは、具体的にはどういうことなのでしょうか。ビッグデータで医療はどう変わると思われていますか。オーダーメード医療などに発展するのでしょうか。

奥野：現状の医療はオーダーメードちっくなのですが、オーダーメードではない。たとえば、がんの治療で使われる抗がん剤でいくと、抗がん剤として売られて、抗がん剤として皆さん飲んでいるのだけれど、75％の患者さんは効いていないんです。効いていないのに投与されている。場合によっては副作用も出るという状態です。その方の体質に一番効くものが選ばれないといけないのですが、それが今は投与の前には分からない。だから医師の見立てで「これはどうかな」と試していくしか方法がないのです。これはこれで、お医者さんの経験に基づくすばらしいことなのですが、それでも、抗がん剤でいえば75％は効かないということが現状としてあるわけです。医療のビッグデータを使った薬のマッチングは、個人の体質を計測し、その人の特性を科学的にデータとして取っておき、これを踏まえて、その人の体質に一番適した薬はどれかという判断をできるようにするものです。

―病気にかかった時にどうかということだけではなく、かかる前からの生活や、体質などが、データとして必要になるということですか？

奥野：全てほしいですね。私的に言うと、取れるデータはすべて取ってほしいなというのが本音です。非侵襲的にデータが計測できるか、また個人情報などのこともあり難しい部分です。しかし、どういう食事をとって、どういう生活をしてきてというデータが蓄積されたものがあってはじめて「この特徴ならこの抗がん剤が効くだろう」というマッチングができる。一番わかりやすいのは遺伝子なのですが、父親と自分にはこの薬が効いている、でも母親は効いていないとなったら、父親と私の遺伝子にはあって、母親にない遺伝子に薬が効かない要因があるという仮説がたてられるようになります。一つ一つそういうピースが埋まっていけば、やがて個人個人に合ったものが提供できるようになる。ですが、それって無限大のパズルですよね。

―すごい数ですよね

奥野：どこまでいっても答えはないのですが、それに向かってデータ、知識を蓄えることで未来の患者さんに最適なものが提供できるようになるやろうということで研究を進めているところです。

理化学研究所と富士通が共同で開発したスーパーコンピュータ「京」。1秒間に1京回、つまり、10の16乗回というとてつもなく速い計算能力を持つ。奥野研究室では、薬効を一つずつ実験で確かめるのではなく、このスーパーコンピュータを使ってコンピュータ上で薬剤の結合をシミュレーションすることで創薬にかかる時間の削減がはかれないかと研究している。

マッチング率50％はもう目の前
医術の限界をデータが補う

―現在25パーセントのマッチング率を50％に高めるということが最初の目標でしょうか。

奥野：そうですね、それはもうそう遠くない未来で可能だと思います。世界がそういう方向に動いていくので。AIとかに自分自身は興味があるのですが、AIも母体となるのはデータです。そのデータをちゃんと集められるかという方が今は大事です。幸いにしてゲノム、遺伝子の情報に関しては世界規模で集めていきましょうという流れがあり、それを医療に活かしていきましょうという流れでますます加速されると思います。

「医学は科学ではなく、医術だよね」とよく言うのですが、人の経験に基づいて組み立てられてきた節が強い。○○先生がこう言っていたとか、論文を書いたりしながら先人たちが残してきてくれた経験を積み重ね、今それをもとに教科書を作ったり、学問として体系化されているのですが、科学的客観性はどこまであるかというのは疑問に思う部分もある。たとえば、「検査値をどう見ておられますか」とある医師に聞いた時に「相対的に下がっていればOKだよ」と言われることがあります。あれ、ちょっと待ってよ、絶対値は？と思うことがあるわけです。血圧がいい例です。これ以上になったら気をつけましょうという基準がありますが、検査する機器によって違いが出ることもあります。一般の方の知らないレベルでの客観性が薄い部分があります。こうしたことは、本当はデータを取っておけば客観性をもたせられる部分もあるわけです。

― 可視化ができるということでしょうか

奥野：なぜ、医学が科学的客観性ができなかったかというと、一番の大きなところは、医学は人を扱う学問だからというところです。人で実験はできませんよね。マウスを使った実験がされていて、データもたくさん存在して、エビデンスが取られているから資料として扱えるのですが、人でデータが取れないというのがこれまでの医学の世界だった。ビッグデータというのはまさに、その「人」からいろんなデータを取りましょうということです。そのためのいろんなデバイスが開発されていて、取れる状態になりつつあります。人の計測データが山ほど出てくるようになりました。やっと客観的に判断できるだけの材料がそろい始めているのです。

―すごくロジカルになりますよね。

奥野：おっしゃる通りで、計測をする機器を創る方たちはどういうかというと、「そんなので測っても計測の値が信用できないよ」というんですよね。まあ、それはそうなんだけど、例えば血圧の高い方が低くなると、「あなた、この血圧でヤバいですよ」と言われても、その人の体は血圧が高いのが普通という状態に慣れている。それが低くなったときの状態の方が、その人の体感としてははるかにしんどいということもあるわけです。血圧が135ですといったところで、今、135ということに何の意味もなくて、むしろ、前にいくつで今135なのかという違いの方が興味深いところです。時系列でモニタリングすることの方が大事だと思います。

（奥野恭史教授×杉原行里対談 vol.2はこちら）

奥野恭史
1993年京都大学薬学部卒業、同大学院薬学研究科にて博士（薬学）取得。京都大学大学院医学研究科特定教授を経て、2016年、京都大学大学院医学研究科人間健康科学系専攻ビッグデータ医科学分野教授、現在に至る。神戸医療産業都市推進機構先端医療研究センターグループリーダー、理化学研究所計算科学研究センター客員主管研究員等を併任。創薬計算科学、ビッグデータ医科学の研究に従事。

（TOP画像提供：理化学研究所）