AI創薬は「予測」から実験と学ぶ循環へ TechBio 3.0の現在地
TechBio 3.0
AIの予測、分子の設計、実験をつなげるという著者の考え方。
マルチモーダルAI
分子や細胞など、種類の違う情報をまとめて読むAI。
生成化学
新しい薬の分子をコンピューターで設計する方法。
何が起きたか
Nature系列の学術誌 npj Drug Discovery に、AIを使う薬づくりの現在地を整理したレビューが公開された。著者は、AI創薬の次の段階を「TechBio 3.0」と呼ぶ。これは新製品の発表ではなく、複数の情報を読むAI、分子を新しく設計する生成化学、自動化した実験を一つの循環にする考え方だ。
背景：薬づくりは長く、失敗も多い
レビューによると、新薬を市場に出すまでの費用は平均20億ドルを超え、標的を見つけてから承認まで12年以上かかる。臨床試験に入った候補のほぼ90％は承認に届かない。薬の分子は、狙ったたんぱく質だけでなく、別のたんぱく質や細胞、臓器にも影響する。一つの形だけを見て安全性を判断するのは難しい。
1.0、2.0から3.0へ
初期のTechBio 1.0は、分子の結びつきや溶けやすさなどを予測する段階だった。2020〜2023年ごろのTechBio 2.0では、AIが新しい分子を作り、標的探しや候補選びを速めた。ただ、予測、設計、実験は別々に動くことが多かった。TechBio 3.0は、実験の結果を次の設計へ戻す点が違う。
何が重要なのか
マルチモーダルAI（分子の形、たんぱく質との関係、細胞の変化など複数の情報をまとめて読むAI）は、薬の効き目と危険性を同時に考える。生成化学は、既存の薬を少し変えるだけでなく、新しい分子を作る。最初から毒性や体内での動きも条件に入れれば、あとで危険な候補を大量に捨てる作業を減らせる可能性がある。ロボット実験の結果をAIに返せば、AIは不確かな部分を見つけ、次に何を作り、何を試すかを選び直せる。
確認できたこと：実例はあるが、まだ途中
レビューは、Insilico Medicine（AIで薬を研究する会社）が肺の線維化の候補を、標的発見から前臨床候補まで約18か月で進めた例を紹介する。従来の目安は3〜5年だった。また、Rentosertib（生成AIで設計された薬の候補）は、肺の線維症を対象にした第2a相試験で71人に投与された。高用量群では、肺の働きを示す数値が平均98.4ミリリットル改善し、目安とされる約80ミリリットルを上回った。高用量群で治療に関係する重い副作用は報告されなかったという。ただし、これは有望な途中経過で、承認を意味しない。
まだ分からないこと
AIは、学習データから遠い分子を作ることがある。そのとき予測の誤差を小さく見積もるおそれがある。作れる分子か、実験結果が再現するか、ロボットや検査の能力が十分かも別の問題だ。レビューは、2026年半ばの時点でAI設計の小分子薬に米国FDAの販売承認はないと整理する。第3相試験は2026年後半に予定とされるが、結果はこの情報からは分からない。
次に見る点
本当の勝負は、AIが分子を描けるかではない。安全で効く薬を、何度も再現よく生み出せるかだ。今後は、臨床試験の結果、実験データの公開性、独立した検証、規制当局が判断できる説明のしやすさに注目したい。
AIが薬を作る流れを、実験とつなぐ
📰 しっかり版: AI創薬は「予測」から実験と学ぶ循環へ TechBio 3.0の現在地
AIと実験をつなぐ薬づくりの考え方が紹介されました。
TechBio 3.0
AIと実験を何度もつなぐ考え方。
マルチモーダルAI
形や細胞の変化など、いろいろな情報を読むAI。
Rentosertib
AIで設計され、人で試す研究まで進んだ薬の候補。
💡 ようするに
- AIが薬の候補を考えます。
- 実験の答えをAIに返します。
- その答えで次の候補を変えます。
TechBio 3.0（AIと実験をつなぐ考え方）を説明する研究のまとめが公開されました。
これまでのAIは、薬の性質を予想したり、新しい分子を作ったりしました。でも、AIの予想と実験は、別々に進むことがありました。
新しい考え方では、AIが候補を出します。人や機械が候補を作ります。そして、薬として働くかを調べます。結果はAIに戻ります。AIは、うまくいかなかった点も学びます。次は、もっとよい候補を考えます。
マルチモーダルAI（いろいろな情報を読むAI）は、分子の形だけを見ません。たんぱく質との関係や、細胞の変化も見ます。薬には、狙った場所以外へ働くことがあります。だから、情報を増やすと危険を早く見つけられる可能性があります。
研究のまとめには、Insilico Medicine（AIで薬を研究する会社）の例があります。肺の病気の候補を、約18か月で次の研究へ進めました。昔の目安は3〜5年です。Rentosertib（AIで設計された薬の候補）は、人で試す研究にも進みました。
ただし、早く進んでも、薬の完成とは限りません。AIが考えた分子を、実際に作れるか確かめる必要があります。安全か、病気に効くかも調べます。AIで設計した小さな薬は、まだ米国で販売承認を受けていません。研究のまとめでは、2026年半ばの状況として説明されています。
これからは、実験の結果が再現するかに注目です。AIと実験が、何度も正しく学べるかが大切です。
AIと実験がいっしょに薬を考えるよ
📰 しっかり版: AI創薬は「予測」から実験と学ぶ循環へ TechBio 3.0の現在地
コンピューターが薬を考え、実験でたしかめます。
TechBio 3.0
コンピューターと実験をつないで学ぶやり方。
AI
考えるのを手伝うコンピューターのしくみ。
Rentosertib
AIが考えた、薬になるかもしれないもの。
TechBio 3.0（AIと実験をつなぐやり方）のお話です。
AI（コンピューターが考えるしくみ）は、薬の候補を考えます。 候補は、薬になるかもしれないものです。 人や機械が、その候補を調べます。 調べた答えを、AIに返します。 AIは、次の候補を考えます。
このくり返しで、よい候補を探します。 AIだけで、薬が完成するわけではありません。 実験でたしかめることが大切です。
Rentosertib（AIで考えた薬の候補）も紹介されました。 人で試す研究まで進んでいます。 でも、まだ売る薬とは決まっていません。 安全か、病気に効くかを調べています。
速く考えるだけでは足りません。 実験の答えが本当かも見ます。