AI活用でバイオ医薬品開発を加速、期間を最大50%短縮

バイオ医薬品創薬は伝統的に、高コスト、時間集約的なプロセスであり、科学者が膨大な数の分子組み合わせを手作業で探索して、正しい標的に結合し、人体内で安定を保ち、大規模製造が可能な数少ない候補を見つける必要があった。AIはこの初期段階の絞り込みと優先順位付けを自動化することで、この状況を根本的に変えている。人間の専門知識を最も有望な候補に集中させることができる。本稿で引用されたマッキンゼーの推定によれば、生成AIと計算ツールの組み合わせは創薬期間を最大50%短縮できる可能性があり、これは歴史的に数年にわたって開発サイクルが延びてきた業界にとって大きな加速である。

AI駆動型医薬品創薬における競争優位性は、ますます独自のデータに依存している。AstraZenecaは、分子構造、結合測定、安全性プロファイル、複数の疾患領域全体で構築した製造結果を含む、高品質でマルチモーダルなデータセットが「差別化要因」であることを強調している。このデータ所有権の集中化は、より広いAIダイナミクスを反映している。最先端モデルは、トレーニングデータと同じくらい良好であり、内部スクリーニングまたは高スループット自動化からの豊富な実験データセットを持つ企業は、より効果的なモデルを微調整できる。企業は「大規模で」データセットを生成するために深いスクリーニング技術に投資していることを示唆しており、これはボトルネックがモデルアーキテクチャではなく、データの量と品質であることを信号している。

の重要な残存課題は安全性予測である。本稿はこれを「デノボ設計における最も難しい問題の1つ」として表現している。計算で生成された分子が人体内で安全であるかどうかを判定することだ。AstraZenecaはこれに対して「仮想臨床試験」で対処しており、高度な細胞システムと臓器規模のモデルとAIを組み合わせており、これを「AI生成設計と臨床候補間のループを閉じるための重要な欠落要素」と位置付けている。その含意は、自動化とAI駆動型分子設計が安全性検証能力を上回る可能性があり、完全に自律的なデノボ設計が臨床的に実行可能になる前に解決する必要があるボトルネックを作成することである。