近年, in silico等による医薬品安全性評価手法の開発が活発化している。その性能評価には既存知見との比較がシンプルかつ強力な方法と考えられるが, 科学論文の急速な増加により, 研究者個人による文献調査では網羅性の確保が難しい状況にある。 膨大な科学論文から化合物-毒性の関係性をその背景情報とともに抽出する基盤が構築できれば, 上述の課題を解決し, 既存の化合物毒性データベースを拡張することができる。例えばin vitro試験のデータベースにin vivoの毒性情報を付加することが可能となる。このように拡張されたデータベースは, 安全性評価手法の(1)開発段階での性能評価の信頼性向上, (2)バリデーション段階での科学的妥当性評価の効率化に寄与し, 研究開発およびバリデーションプロセスの加速化に貢献すると期待される。 以上より本研究では, 化合物毒性データベースの拡張に向け, 科学論文から化合物と毒性の関係性を背景情報と共に抽出する言語AIの開発を目的とする。