AIが次世代創薬をどう変えるか

新薬を設計・開発することは長年にわたり、コストがかかり失敗リスクに満ちた科学的挑戦であり続けてきた。一つの新薬が実験室から患者の手元に届くまでには往々にして10年以上を要し、投資額は動けば数十億ドルに上る。さらに厳しい現実として、候補化合物の大多数は最終的に承認を得られずに終わる。生物学的製剤——従来の合成化学ではなく、工学的に改変されたタンパク質から作られる治療薬——に至っては、その複雑さは指数関数的に増大する。タンパク質の三次元折り畳み構造、翻訳後修飾、そして標的との結合における動的なプロセスにより、従来の試行錯誤に基づく研究開発手法は行き詰まりを見せている。

AIの参入：計算から生成へ

近年、人工知能技術の急速な発展が製薬業界に全く新しいアプローチをもたらした。深層学習を基盤とするタンパク質構造予測ツール——DeepMindのAlphaFoldに代表される——は、原子レベルの精度でタンパク質の三次元構造を予測し、かつては数ヶ月から数年を要した実験的解析をわずか数時間にまで短縮できるようになった。しかしAIの役割は「予測」にとどまらない。生成AIモデル（拡散モデルや変分オートエンコーダーなど）は、あらかじめ設定した生物学的機能を持つ全く新しいタンパク質配列をゼロから設計できる。たとえば研究者はAIを用いてタンパク質候補群を生成し、ハイスループット実験や計算スクリーニングによって疾患標的への結合能力を迅速に検証することが可能だ。

「以前の私たちは茫漠たる海から針を探すようなものだった。今やAIは地図を与えてくれるだけでなく、可能性の高い領域まで教えてくれる」——バイオ製薬分野のあるAI研究者はこのように語っている。

業界背景：生物学的製剤開発の課題とAIの切り込み口

生物学的製剤（モノクローナル抗体、融合タンパク質、遺伝子治療ベクターなどを含む）は、世界の医薬品市場において最も成長著しいセグメントとなっており、2025年の市場規模は5000億ドルを超えた。しかしその開発は低分子薬よりはるかに複雑だ。タンパク質の安定性、免疫原性、薬物動態特性のいずれも、精緻な工学的改変を必要とする。従来の手法は指向性進化と合理的設計を組み合わせたものだが、作業量が膨大でランダム性が高い。AIの参入は「理性的な生成」という新たなパラダイムをもたらした。大量の既知タンパク質データと生物活性データでモデルを訓練することで、配列・構造・機能間の暗黙的なマッピングを学習し、複数の制約条件を満たす候補分子を出力できるようになる。たとえば生成AIは抗体の親和性、熱安定性、低免疫原性を同時に最適化でき、従来の逐次最適化が生じさせがちなトレードオフを回避できる。

編集注：AIは万能ではないが、臨界点に急速に近づいている

創薬分野においてAIが示す可能性は非常に刺激的だが、現時点での限界についても冷静に認識する必要がある。まず、高品質でアノテーションが充実した生物データは依然として希少なリソースだ。モデルは限られたデータに過適合しやすく、あるいは「ハルシネーション」——生物学的に実現不可能な配列を、もっともらしく生成してしまう現象——を引き起こすこともある。次に、創薬における最終的な臨床成功率は、毒性学や人体の免疫応答といった複雑なシステムレベルの要因にも左右されるため、AIは現時点では動物実験や臨床試験を完全に代替することはできない。それでもAIは「補助ツール」から「中核エンジン」へと転換しつつある。ロシュやファイザーなど大手製薬企業はすでにAIプラットフォームを早期研究開発パイプラインに組み込んでおり、RecursionやInsilico Medicineといったスタートアップ企業も、AI主導の表現型スクリーニングと分子生成によりマイルストーンとなる成果を実現している。今後5〜10年でAIは新薬探索フェーズの期間を50%短縮し、コストを40%以上削減することが期待されており、「精密医療」を概念から大規模な実用化へと真に押し進める原動力となりうる。

最新事例：抗体設計分野でのAIブレークスルー

最近、MITとハーバード大学の共同チームが注目すべき成果を発表した。深層生成モデルを用いて、計算上でSARS-CoV-2スパイクタンパク質の複数の変異体と高親和性で結合できるヒト化抗体の設計に成功したのだ。従来の手法では何百万種もの抗体配列を一つひとつ検証する必要があったが、AIはわずか数千種の候補に絞り込み、ウェット実験による検証を経てその中の複数がナノモル級の結合定数を持つことが明らかになった。これは効率の向上にとどまらず、設計思想そのものの変革だ——AIは人間の直感が及ばないケミカルスペースを探索できる。論文著者が指摘するように、「私たちは既存のプロセスを加速しているのではなく、何が可能かを再定義しているのだ」。この発想は抗がん剤や自己免疫疾患の治療など、多方面にわたって応用が進んでいる。

疑いなく、人工知能は次の創薬革命の中心に立っている。生命の複雑な分子言語を理解することから、全く新しい治療設計図を書き起こすことまで、AIと科学の融合は「治癒」に対する私たちの認識を塗り替えていくだろう。科学者にとって、AIと協働する術を身につけることは、今まで以上に重要な課題となっている。

本記事はMIT Technology Reviewからの編訳