DeepMindの創薬AI、本当に「新記録」なのか？
Google DeepMindが創薬AIで「新記録」を打ち出したと発表した。タンパク質の構造予測で成果を上げたAlphaFoldに続く動きとして注目される。
「効率的に」候補化合物を見つける
創薬は、何千、何万という化合物を合成し実験するという地道な作業の繰り返しで、新しい薬が市場に出るまで10年以上、開発費が1,000億円を超える規模に達することもあるとされる。DeepMindの発表によれば、今回打ち出されたのは、この候補化合物を見つけるまでのプロセスを大幅に短縮できたという「新記録」である。ある種の薬剤候補の探索において、従来数年かかっていたプロセスを数週間から数ヶ月に短縮したというレベルの報告が出ている。
技術の根幹には、大規模言語モデルで培われたTransformer系の技術を創薬というドメインに応用するアプローチがあるとされる。分子の構造やそれが生体内でどう作用するかをAIが理解し、既存化合物の改良にとどまらずゼロから新しい分子構造を生成する、生成AIの技術も活用されているという。
初期段階のブレークスルーという位置づけ
AIが候補化合物を見つけたとしても、それが実際に人体で安全かつ効果的に機能するかは、動物実験や臨床試験で証明する必要がある。今回の「新記録」は、あくまで創薬プロセスの初期段階における成果であり、実際に「薬」として世に出るまでの道のりは依然として長い。ただし、この初期段階が速くなることは、創薬プロセス全体のスピードを底上げする意味を持つ。
特に、原因究明が難しくターゲット分子の特定が難しい「希少疾患」や「難病」といった、これまで有効な治療法が確立されていなかった領域への貢献が期待されているという。
残る課題
AIの予測が常に正しいとは限らない。AIが「効果がある」と予測した化合物が動物実験で毒性を示す、あるいは人間で期待通りの効果が得られないケースは想定される。AIの判断根拠が人間に理解できない「ブラックボックス性」も課題として残り、説明責任を果たせるAIの開発が今後の研究テーマとされる。
AI創薬の進歩は倫理的な論点も伴う。新薬の提供が特定の国や地域に偏る、開発コストの高さから一部の人々にしか手が届かなくなるといった懸念があり、AIの恩恵をより公平に行き渡らせる仕組みづくりも論点になる。
投資家・技術者への論点
投資家にとっては、創薬分野への投資はハイリスク・ハイリターンとされてきたが、DeepMindのような技術力を持つプレイヤーの参入は業界構造を変えうる要素になる。既存の製薬企業の創薬パイプラインがどう変化するか、PfizerやNovartisのような大手製薬会社との提携が生まれるかが注視点になる。
技術者にとっては、AIの応用範囲がIT業界にとどまらず生物学・化学・医学との融合領域に広がっている点が特徴的である。AIの技術力だけでなく、それが何を解決できるかというドメイン知識を併せ持つ人材の価値が高まるとみられる。
まとめ
結論として、DeepMindの「新記録」は創薬プロセスの初期段階における候補化合物探索の効率化であり、実際の新薬としての承認にはなお長い道のりが残る。重要なのは、この効率化が臨床試験や承認プロセス全体のコスト・期間にどこまで波及するかという点で、希少疾患・難病領域での実証がその試金石になるとみられる。