Google DeepMind系のAI創薬、「新薬候補を多数発見」報道の実態と医療への含意
「Google DeepMindが創薬AIで300件もの新薬候補を発見した」という情報が、SNSやニュースまとめサイトで拡散した。ALLFORCES編集部がDeepMindおよび同グループのAI創薬事業を手がけるIsomorphic Labsの公式サイト・プレスリリースを確認した範囲では、この「300件」という具体的な数字を裏付ける一次情報は見当たらなかった（出典: 編集部によるIsomorphic Labs公式サイトおよびDeepMind公式ブログの確認、2025年12月時点。一次情報は確認できなかった）。創薬AIに関する華々しい発表は過去にも数多くあり、期待先行のプロジェクトが臨床試験の壁に阻まれた例も少なくない。本稿では「300件」という数字そのものの真偽を追うのではなく、DeepMind発のAI創薬で実際に確認できる進捗と、そこから読み取れる含意を整理する。
AI創薬の系譜と、今回の報道の位置づけ
AI創薬への取り組みは10年以上前から進められてきた。当初は機械学習を用いた化合物スクリーニングの高速化や、既存薬の新たな適用（ドラッグ・リポジショニング）が主なアプローチだった。計算化学とAIを組み合わせ、何百万もの化合物のデータを解析して、疾患ターゲットに結合しそうな分子を「ヒット」として見つけ出す手法だ。BenevolentAIやExscientiaなどのスタートアップは、この分野で初期の成功を収め、AIを使って前臨床段階までの時間を短縮し、製薬大手との提携を通じてその価値を証明してきた。Insilico Medicineも、生成AIを使って新しい分子を設計し、臨床試験段階に入っている。
しかし、創薬の道のりは長い。発見（Discovery）、前臨床試験（Pre-clinical）、臨床試験（Clinical Phase I, II, III）、そして承認（Approval）と続く。この全行程で平均10年から15年、費用は数十億ドルに上ると言われている。AIがどれだけ初期段階を加速しても、動物実験や人間での安全性・有効性試験という、時間とコストがかかる壁は残る。多くのAI創薬プロジェクトが「期待倒れ」に終わったと受け止められてきた背景には、この構造がある。
そんな中、DeepMindが2020年に発表したAlphaFold 2は、タンパク質の3次元構造をアミノ酸配列から高精度で予測する技術として、創薬研究に大きな転機をもたらした（出典: DeepMind公式ブログ「AlphaFold: a solution to a 50-year-old grand challenge in biology」2020年11月30日 https://deepmind.google/blog/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology/）。これは創薬において、疾患の原因となるタンパク質がどんな形をしているのかを知る上で不可欠な情報だ。これまで実験で構造を決定するのに数ヶ月から数年かかっていたのが、AIによって数日、時には数時間で可能になった。学術界だけでなく製薬業界にも大きな衝撃を与え、NovartisやPfizerのような大手製薬会社がAlphaFoldの技術を取り入れ始めたことも広く報じられている。
「300件の新薬候補」という報道は、このAlphaFoldの実績と、DeepMindが蓄積してきたAI技術の延長線上にあるものとして語られている（出典: 前掲DeepMind公式ブログおよび業界報道に基づく編集部整理。「300件」という数字自体の一次情報は確認できなかった）。既存のデータベースから「探す」段階から、構造予測やAIによる分子設計を組み合わせて新しい候補を「生み出す」段階へと軸足が移りつつあること自体は、業界の複数のプレイヤーに共通する潮流であり、DeepMind固有の特殊な主張ではない。
核心分析：確認できる進捗とビジネス戦略
「300件」という数字自体は確認できなかったが、DeepMindグループのAI創薬で実際に確認できる進捗は複数ある。スピンオフのIsomorphic Labsは2025年3月31日、Thrive Capital主導・GV参加、既存出資者Alphabetの追加出資により6億ドルの外部資金調達を実施したと公式発表した（出典: Isomorphic Labs公式「Isomorphic Labs announces $600m external investment round」2025年3月31日 https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-600m-external-investment-round）。同社はこの資金をAlphaFoldを土台にした独自の創薬エンジンの開発と、複数の治療領域・モダリティにまたがる創薬プログラムの前進に充てるとしている。また、当時同社プレジデントだったColin Murdoch氏は2025年7月、腫瘍領域・免疫領域の候補を含む社内パイプラインについて、ヒトを対象とした初回投与試験が近いと述べたと報じられている（出典: Fortune「Isomorphic Labs has grand ambitions to ‘solve all diseases’ with AI. Now, it’s gearing up for its first human trials」2025年7月6日 https://fortune.com/2025/07/06/deepmind-isomorphic-labs-cure-all-diseases-ai-now-first-human-trials/）。「300件」という候補数そのものを裏付ける一次情報は、編集部の調査時点では確認できていない（出典: 同上、一次情報未確認）。
Isomorphic Labsは公式サイトで、タンパク質の構造とそれに結合する化合物の相互作用を予測する独自の創薬エンジンを開発していると説明している（出典: Isomorphic Labs公式「Our Tech」https://www.isomorphiclabs.com/our-tech）。具体的な技術詳細を示す査読論文は本稿執筆時点で確認できていないが、AlphaFoldの構造予測技術を基盤に、生成AI的な手法で候補分子を設計し、強化学習的な手法で特性を改善していく方向性は、業界の複数の技術解説で語られている一般的な見立てだ。断定は避け、公式発表の更新を待つ必要がある。
ここで重要なのは、Google Cloudのインフラとデータ解析能力が、この種の大規模な創薬プロジェクトを支えているという点だ。膨大な数の分子シミュレーション、遺伝子情報、疾患データを高速で処理するには、相応の計算資源が必要になる。DeepMindの研究能力とGoogle Cloudの計算資源が同じグループ内にある点は、他のAI創薬スタートアップや製薬大手が容易には模倣できない強みだと言える。
ビジネス戦略の面では、DeepMindはこれまで研究機関としての性格が強かったが、Isomorphic Labsという事業会社を通じて、より具体的な応用と事業化に軸足を移しつつある。自ら新薬開発を手がけるのか、大手製薬会社とのパートナーシップを通じてプラットフォームを供給するのか、あるいはその両方かは、今後の提携発表を注視する必要がある。これは、Recursion Pharmaceuticalsのように、AI技術を基盤に自社でパイプラインを持つスタートアップのモデルとも重なる部分がある。
実践的示唆：投資家と技術者が今、何をすべきか
DeepMindグループのAI創薬事業が業界全体に与える影響は小さくない。
投資家が注目すべき点
- DeepMind関連の動向: Alphabet（Googleの親会社）の株価に直接的な影響を与えるかどうかは、まだ不透明だ。ただし、Isomorphic Labsの創薬事業が具体的な収益や大型提携に結びつく発表があれば、株価の材料になり得る。DeepMind系がどの製薬会社と提携するのか、独自の創薬プラットフォームをどう展開するのか、そのアナウンスを注視する必要がある。
- 既存のAI創薬スタートアップ: BenevolentAI、Exscientia、Insilico Medicine、Recursion Pharmaceuticalsなど、すでに実績を上げてきた企業にとって、DeepMind系の参入は脅威にもなり得るが、同時に市場の活性化を促す面もある。AI創薬市場全体が拡大すれば、彼らも恩恵を受ける可能性がある一方、DeepMindのような潤沢なリソースに対抗できるかが問われる。
- 大手製薬会社: Pfizer、Novartis、Merck、AstraZeneca、Takedaといったグローバルな製薬企業にとって、DeepMind系の技術導入は研究開発の効率化とコスト削減につながり得る。どのような形で協業するのか、独自のAI研究をどこまで深めるのかも注目点だ。難病や希少疾患といった開発が困難だった領域でのブレイクスルーが期待されている。
- バイオテクノロジー全般: AIが創薬のボトルネックを解消し始めれば、創薬のスピードと成功確率の向上につながり得る。ただし、臨床試験という壁は依然として存在するため、そのリスク評価は引き続き重要だ。
技術者が学ぶべき点
- ジェネレーティブAIの応用範囲: 大規模言語モデル (LLM) や画像生成AIの進化は目覚ましいが、それが分子設計という生命科学の根幹に関わる分野でも強力なツールとなり得ることは、他分野への応用を考える上でも参考になる。
- ドメイン知識の重要性: DeepMindがAlphaFoldで成果を上げた背景には、AI技術だけでなく、生物学・化学・薬学といった深いドメイン知識を持つ研究者との密接な連携があった。AI技術者にとって、応用先の専門知識を学ぶことの重要性を示す事例と言える。
- スケーラビリティとインフラ: DeepMindの成果は、Google Cloudのような計算インフラと大規模なデータ処理能力があって初めて実現できたものだ。スケーラビリティを考慮したアーキテクチャ設計やクラウド環境の活用は、AI開発における実務上の論点であり続けている。
まだ道のりは長い
「300件の新薬候補」という数字の真偽にかかわらず、AI創薬の候補群がすぐに新しい薬として市場に届くわけではない。候補は実験室での検証、動物試験（前臨床）、そして人間での安全性・有効性試験（臨床フェーズI、II、III）という長い道のりを経る必要があり、その過程で多くの候補が脱落するのが創薬の現実だ。アメリカのFDAやヨーロッパのEMA、日本のPMDAといった規制当局が、AIが設計した新薬候補に対してどのような評価基準を設けるのかも、今後の課題として残っている（出典: 各規制当局の公表資料・業界報道に基づく編集部整理。個別の評価基準の確定時期は本稿執筆時点で未公表）。
ALLFORCES編集部としては、DeepMindグループのAI創薬事業の実際の進捗——前掲の2025年3月の6億ドル資金調達（出典: 前掲Isomorphic Labs公式発表）、2025年7月時点でのヒト初回投与試験に向けた準備状況（出典: 前掲Fortune記事）——を踏まえれば、AlphaFoldがタンパク質構造予測にもたらした転換に匹敵する変化が創薬プロセス全体に起きつつある可能性は否定できないとみている。一方で「300件」という具体的な数字は未確認情報である以上、読者には公式発表の続報を待って判断することを勧めたい。
今後、DeepMind系のAI創薬がどのような具体的な提携・臨床データを公表していくかが、この分野の実態を見極める鍵になる。編集部は一次情報の続報を注視していく。