細胞培養培地の開発には、数十の要因にわたるスクリーニングという困難な課題が伴うことが多い。時には50人以上になることもある。厳しい実験リソースの制約下で運用する場合、従来の実験計画法（DOE）ではこのような高次元空間での拡張が困難であり、完全自動化された手法では非現実的または実行不可能な設計につながる可能性がある。
本セッションでは、最新の空間充填設計やベイズD最適設計といった高度な設計戦略と、事前知識を活用した因子選択の指針とを比較することで、JMPがこれらの課題解決にどのように役立つかを探ります。アルゴリズムだけでなく、統計的効率性と運用上の実現可能性が両立しなければならない、実験室での実験実施における実際的な課題についても取り上げます。
最後に、部門横断的な連携とブレインストーミングセッションの重要性を強調します。この文脈における実験計画法（DOE）の成功には、統計学者、データサイエンティスト、プロセスエンジニア、および研究室スタッフ間の緊密な連携が不可欠です。高度なDOE手法と協調的な問題解決、そして実践的な知見を組み合わせることで、チームは利用可能なリソースを最大限に活用しながら、細胞培養培地の開発を加速させることができます。
