AI創薬が負の結果データ不足で停滞、成功例だけでは限界

医薬品業界が AI を創薬期間短縮と成功率向上のツールとして採用することは、厳しい現実と衝突した。これらのモデルを訓練するデータインフラが根本的に不完全なのだ。医薬品開発は既に膨大なコストと時間圧力の下にある——平均期間は 10～15 年、研究開発費は 10 億ドル～25 億ドル、失敗率は 90% を超える——ため、効率化の価値は計り知れない。AI の初期の有望さはヒット同定にあり、分子候補を計算的に設計し低質の候補を物理試験前にふるい落とし、研究者が手作業でスクリーニング可能な範囲という制約を排除できる。しかしこの転換は新たな需要を生じた。AI 生成候補はより多数で多様性に富み、従来の二項スクリーニングより高スループットで豊かなデータを伴う検証・特性評価のため、実験室チームに圧力をかけている。

核心的な問題は AI モデルの訓練に使われるデータセットが AI 向けに構築されなかったことだ。出版バイアス（成功例のみ）を含み、構造注釈に欠け、失敗モードの理解と堅牢な予測を可能にするはずの負のデータ——失敗化合物、不成功な結合実験——を省いている。研究者の冗談として「負のデータのジャーナルがあるべき」とは言うが、失敗実験は代わりに実験ノートに埋もれ共有されない。これは機械学習のパラドックスを生み出す。モデルは結果の包括的範囲へのアクセスなしにバイアスを回避するよう適切に訓練できない。リスクを複雑にするのは、生成 AI が実験データの捏造を自明なものにしたが、既に 2016 年時点で生物医学論文の約 4% が重複または改ざん画像を含んでいたこと（AI ツール一般化前）だ。改ざんされたデータが訓練に使われた場合、モデル信頼性にとって賭け金は実存的である。

前進の道は計算予測と物理実験のループを閉じることを要求する。自律ラボ——24 時間稼働し、予測、試験、最適化を循環させながら結果を AI モデルへ還元する——は業界の展望を表すが、実現は統合に依存する。相互運用可能な実験機器、高度に構造化・包括的なデータセット、出入りするデータフロー。大多数のラボは今日、クローズドエコシステム内のスタンドアロン機器で稼働している。インフラが FAIR データ（検出可能、アクセス可能、相互運用可能、再利用可能）の規模生成を可能にするまで、AI 駆動型創薬の完全な可能性は制約されたままである。