何が起きたか
AstraZenecaなど製薬企業がAIを活用し、生物由来医薬品（タンパク質工学で開発する治療薬）の設計・開発プロセスを高速化しています。AIが候補分子を計算で生成・優先順位付けし、科学者が実験室資源を上位候補に集中させるため、反復サイクルが短縮され、死角の多い検証が減ります。
なぜ重要か
医薬品開発は膨大な時間と投資を要し、多くの候補が患者に届きません。McKinseyの推計では、生成AIと他の計算ツール組み合わせで医薬品発見の期間を最大50%短縮できる可能性があります。これにより、従来は治療不可能と思われていた疾患標的も開発対象になる可能性があります。
注目点
AstraZenecaはケンブリッジ（マサチューセッツ州Kendall Square）に「未来の研究室」施設を建設中で、AIとロボット自動化が継続的な閉ループ発見システムを形成します。ロボット系統が週ごとに数千の分子相互作用を生成・評価でき、従来ワークフローと比べ格段に多いAI対応データを生成する計画です。
こういう要約が、毎朝あなたのメールに届きます。
医薬品開発は従来、膨大な時間と投資を要する試行錯誤の過程でした。生物由来医薬品はタンパク質工学で製造されるため複雑さが増し、可能な分子の組み合わせは人間の手では探索しきれません。ここにAIが登場し、候補分子の生成・優先順位付けを計算で行うことで、科学者が実験室の限られた資源を有望な候補に集中させられるようになります。
AstraZenecaが強調するのは、「データが差別化要因」という点です。同社は複数の疾患領域と医薬品タイプにわたる固有のマルチモーダルデータセット（分子構造、結合測定値、安全性プロファイル、製造結果）を保有し、これでフロンティアAIモデルを微調整しています。データの質と量がAIモデルの能力を決める以上、実験から得られる成功・失敗の信号すべてが次世代医薬品開発を支える基盤となります。
さらに進むと、「de novo設計」—つまりAIが医薬品物質全体を白紙から生成する段階—への移行が見込まれています。その実現には、計算で生成された分子が人体で安全かどうかを予測する技術が最大の課題であり、AstraZenecaは仮想臨床試験（先進細胞システムとマイクロスケール臓器モデル）とAIを組み合わせてこれに取り組んでいます。
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
