デジタルツインは、大規模生産時の予測可能性の向上により投資可能性を改善し、バイオプロセスのデジタル表現をもたらす革新的なツールとして世に登場しました。また実験室における実際のデータや、既存のバイオリアクター内で生じる物理現象を学習し、設備投資を行う前にプロセスの実行可能性を調査・理解するために使用可能です。(より詳細な説明と、 バイオプロセス や 広範なバイオエコノミー におけるデジタルツインのメリットについては、このテーマに関する筆者の過去の記事をご参照ください。）

しかし、リスクは存在します。高品質なデータを取得し、効果的なデジタルツイン構築のために必要なコストと時間は、中小企業・大規模多国籍企業どちらにとっても同様に重大な課題となります。新たなディープテックによるイノベーションは、こうしたコストと時間を削減し、デジタルツインの予測可能性という利点をより身近で事業化可能なものにすることができます。

デジタルツインの投資可能性と予測可能性

変革ツールとしてのデジタルツインのメリットは、大規模生産時の予測可能性の向上という「投資可能性」を提供するため、注目を集めています。しかし、スタートアップや中小企業から野心的な多国籍企業に至るまで、全ての組織は現在、上記のような莫大なコストの壁に直面しています。

なぜこれほど困難で高価なのでしょうか？バイオリアクターの物理的挙動は、数値流体力学（CFD）を用いて予測できることが示されています。困難ではありますが、適切な専門知識、強力なコンピューター、そして容器の形状と運転パラメーターに関する知識があれば実現可能です。

しかし、高性能かつ予測可能なデジタルツインを構築するためには、生物学的な挙動–––つまり物理的なものに対する細胞の反応も予測する必要があります。例として培養中の細胞の成長速度などの挙動は、少なくとも10個のプロセス変数に大きく影響され、そのほとんどは複雑で、動的かつ非線形に相互作用します。これらは流体や気体の流れをCFDで記述するのと同じように、力学的な方法で記述することはできません。

したがって、デジタルツインのためにCFDと生物学のデータ型のAIモデルを組み合わせる必要があります。他のAIと同様に、これらのモデルは、事業用バイオリアクター内の複雑な生物学的反応を正確に予測するために、広範かつ高品質なデータを必要とします。これにはかなりのコストと時間がかかり、モデルの価値が損なわれる可能性があります。

実際に、必要な複雑性を把握する能力を持つ汎用モデルをトレーニングするには、数百から数千のデータポイントが必要で、潜在的には数百万ドルと数年の実験コストがかかります。端的に言うと、ディープテックによるイノベーションを用いて予測用デジタルツインの構築を推進すれば、少なくともこの2つの指標を半減させることができるかもしれません。信頼性のあるデジタルツインが実現可能になります。

真の知性を備えたAI

このアプローチはAIを「真の知性」で補うことから始まります。AIと専門知識を組み合わせることで、必要な実験の数の大幅な削減––例えば数千回の実験から数十回の実験にまで減らすなど––が可能です。これはハイブリッドなアプローチを用いることで達成できます。具体的には、必要な実験回数を削減するため、既に正しいと判明している知見をデジタルツインに与えます。

例えば、CO2が増えるとpHが下がるといったような、変数間の関係を埋め込むことが可能です。もし関連がモデルにとって未知であれば、学習するために数十のデータポイントが必要だったかもしれません。また、学習過程で既知の物理的制約（化学方程式など）から逸脱しすぎたモデルを制約したり、「罰する」こともでき、これらも変数間の関係を学習させるために必要な実験回数を減らします。

リアルタイムでのデータ収集の自動化

次に、自動化された組込みセンサーと投薬メカニズムに着目しましょう。リアルタイムでのデータ収集のための自動化技術を導入することで、さらなるコストと時間が削減できます。リアルタイム測定と実験の調整により、人件費削減、実験1回あたりの情報量の増加が実現でき、プロセスをより最新のものに近づける（さらにはそれらを超える）ことが可能です。

具体的に説明すると、乳酸、アンモニア、グルコース、その他の成長因子が検出可能な場合、これらの変数は日常的に測定されます。ある変数が危険なレベルに近づいた際には、単に培地を変更し、多数の予防策を講じれば済むため、ラボ内では現実的な手法です。しかし、このラボスケールでの手法は規模が増した際には困難です。最適化や探索を行うためには、これらの変数を日毎より頻繁に、また実用的かつ費用対効果が高い方法で、動的に測定および修正できるようにする必要があります。

低コストの並行化したバイオリアクターの開発

主要なパラメーターをリアルタイムで感知する低容量のマルチウェルバイオリアクターを作製することで、多数の実験を並行して行うことができ、全体の実験プログラムにかかる時間とコストを削減することができます。

これまで多数の実験を並行して行う際には、マイクロプレートが使用されてきました。しかし、デジタルツインを訓練するためのデータ収集という用途においては問題があります。マイクロプレートでの結果は、撹拌タンクバイオリアクターでの結果と相関が低く、収集されたデータは有用でない可能性が高いためです。

また、リアルタイム測定のための技術は限定的です。リアルタイムで代表値となるデータを得るためには、現状ではambr250やambr15等のシステムを使用することが一般的です。しかし、これらのシステムで高品質なデジタルツイン構築のために必要なデータ量を得ることは、状況によっては困難です。マイクロ流体学、電子工学、およびセンサーの小型化を利用することで、従来のバイオリアクターとマイクロプレートの間のギャップを埋めることが可能です。これにより、はるかにスケール化に適したデータ収集ソリューションが実現できます。

食品バイオプロセスの効率向上における次の一手とは？

要約すると、細胞農業産業が成熟を続ける中で、費用対効果の高いデジタルツインの開発は重要かつ早急な課題です。ディープテックによるイノベーションを活用して、バイオリアクター設計への新しいアプローチを推進することで、挑戦的な企業は効果的なデジタルツイン構築のためのコスト障壁を克服できるでしょう。

ケンブリッジコンサルタンツのチームは、細胞農業およびバイオプロセスの最適化に向けたさらなるイノベーションを推進するための取り組みを続けています。ディープテックとバイオプロセスエンジニアリングにおける当社の専門知識や、事業を拡大し、その成功に向けてリスクを軽減する方法についてご関心がおありでしたら、お気軽にご連絡ください。バイオプロセスに関するご相談をお受けすることを楽しみにしています。

専門家