AI製薬：「救命の稲わら」か「高価なおもちゃ」か？AIが医薬品開発において果たす役割の真実
皆さん、こんにちは。私は財経ジャーナリストです。今日は、とても「高尚」に聞こえるかもしれませんが、すべての人の健康に直接関わる話題についてお話しします。AIは本当に、より迅速かつ安価に優れた薬を開発するのに役立つのでしょうか？
最近、2026年の張江薬谷大会で大きな出来事がありました。世界で初めて完全にAIによって開発され、臨床試験の最終段階（第3相）に進んだ薬剤「Rentosertib」が、初の患者を迎えました。これはまるでSF映画のような光景ですが、その背後には不安、議論、そして冷静な現実的な検討があります。
簡単に言うと、AIは確かに「薬の発見」を迅速かつ安価にしてくれますが、「薬の効果の検証」は依然として非常に困難です。以下では、この複雑な業界ニュースを5つの側面に分けて、わかりやすく解説します。
---
1. 現状：AIによる製薬が「深い水域」に入り、ノーベル賞受賞者でさえも緊張している
以前はAI製薬はまだ「夢の段階」にあると思われていましたが、今では実際に「最後の一歩」に近づいています。
核心事実：
インシリコ・メディシン（Insilico Medicine）が開発した肺線維症治療薬が、第3相臨床試験に入りました。これは生成型AIによって完全に開発された世界初の薬剤です。
なぜ皆が緊張しているのか？
2013年のノーベル化学賞受賞者であるマイケル・レヴィット（Michael Levitt）でさえも「会社全体が少し緊張している」と語っています。なぜでしょうか？それは第3相臨床が薬品開発における「最終的な試練」だからです。
- 最初の2つの段階（薬の発見）： AIは非常に優れており、まるで超効率的な「選別器」のようです。
- 最後の段階（薬の効果の検証）： これは実際の投資が必要であり、生死に関わる瞬間です。第3相で失敗した場合、これまでに節約した費用では損失を補うことができないかもしれません。
わかりやすい説明：
AIは天才的なシェフのようで、素晴らしいレシピ（分子構造）を迅速に設計し、食材を整然と切る（前臨床試験）ことができます。しかし、その料理が本当に美味しく、人々にとって安全かどうかは、100人の実際の食客（患者）に食べてもらい、1年以上観察してみなければわかりません。今、その料理が初めて食客のテーブルに運ばれたところです。皆が息をのんでいます。
---
2. 优势：AIは「薬の発見」の段階で圧倒的な効率を発揮し、コストと時間を90％削減
最後の段階は非常に難しいですが、AIは「薬の発見」の段階で驚くべき効率を示しています。
データ比較（従来の方法 vs AI）：
- 標的の特定（治療対象の決定）： 従来の方法では1年かかり、9,400万ドルが必要ですが、AIでは2ヶ月で200万ドルです。
- 有望な化合物の探索（初期選別）： 従来の方法では1.5年かかり、1億6,600万ドルが必要ですが、AIでは4ヶ月で400万ドルです。
- リード化合物の最適化（レシピの改良）： 従来の方法では2年かかり、4億1,400万ドルが必要ですが、AIでは11ヶ月で200万ドルです。
結論：
薬の発見の初期段階では、AIによってコストが90％以上削減され、時間も大幅に短縮されています。
わかりやすい説明：
従来の製薬は広大な海で針を探すようなもので、遅く、非常に費用がかかります。AIは超音波探知器と自動ナビゲーションシステムを備えており、針がどの海域にあるかを直接特定し、さらには直接引き上げることができます。この段階では、AIは間違いなく「効率の王様」です。
---
3. 痛点：「原子」から「人」への大きなギャップ
AIがこれほど優れているのに、なぜ第3相の結果を直接予測し、高額な臨床試験を省略できないのでしょうか？これが現在の最大の技術的なボトルネックです。
核心的な矛盾：スケールのギャップ
ノーベル賞受賞者のレヴィットは指摘しています：原子や電子、タンパク質をシミュレートする優れたモデルはありますが、「人」をシミュレートする優れたモデルはありません。
- コンピュータ内の分子は標準的で純粋です。
- **現実の患者は複雑で個性的です。100人の患者は、遺伝子、体質、生活環境がそれぞれ異なります。
業界の議論：AIは臨床現場で本当に役立つのでしょうか？
- 悲観派： 臨床現場ではAIは役に立たないと言う人もいます。なぜなら人間はあまりにも複雑だからです。
- 合理的な見解（黄小鲁）： AIは役に立たないわけではなく、「使い方が難しい」のです。AIが使うのは「ベクトルやスコア」（機械言語）ですが、医師が求めているのは「患者の選定や試験の進行状況」（臨床言語）です。これらの間には意味のギャップがあります。
わかりやすい説明：
AIは物理学に精通したエンジニアのようなものです。橋が理論的にどれだけの重量を支えられるかを計算することはできます。しかし、実際に性格や体重、歩き方が異なる人々が橋を渡るとき、AIはそれぞれが滑ってしまうかどうかを正確に予測するのが難しいのです。現在、AIには「実際の人間集団の反応」を完璧にシミュレートする能力がまだありません。
---
4. リスク：第2相は「生死の分かれ道」であり、AIは製薬会社の「損切り」の決定を支援する必要がある
薬品開発には「最も費用がかかり、最も危険」な段階があります。それが第2相から第3相への移行です。
厳しいデータ：
- 第2相から第3相への成功率は 28.9％ に過ぎません。
- 第3相臨床の単一費用は 1,900万ドルから1億2,700万ドルにも上ります。
- 第3相で失敗した場合、これまでの投資はほとんどが無駄になります。
AIの新しい役割：「発見者」から「決定支援者」へ
無錫自然常数科技の黄小鲁は、AIの今後の役割は新薬を発明することではなく、第2相が終わった時に製薬会社が判断を下すのを支援することだと提案しています。この薬は第3相に進むべきかどうか？
- **AIが事前に「この薬はほぼ失敗するだろう」と予測できれば、製薬会社は数億ドルの無駄を避けることができます。
- **これがいわゆる「In Silico Second Opinion」（計算による意思決定の補助）です。これは臨床決定に「第二の意見」を提供するものです。
わかりやすい説明：
これは起業に例えられます。AIが製品のプロトタイプ（第2相）を迅速に作成しましたが、次には数千万ドルを投じて大規模に展開するか、それとも諦めるかを決めなければなりません。AIの役割はデータを分析し、「経営者さん、過去のデータとモデルの推論によると、このプロジェクトの失敗確率は70％です。損切りをお勧めします」と伝えることです。この段階で製薬会社が最も必要とするのは、このような「確実性」です。
---
5. 未来：「データの孤島」を打破し、独占的なデータを持つ者が勝つ
最後に、業界が直面している深い課題を見てみましょう：同質化とデータの壁です。
2つの大きな障害：
1. モデルの同質化： 多くの製薬会社が同じオープンソースのAIモデルを使用しているため、発見される薬は似通っており、差別化が欠けています。
2. データの孤島： これが最も核心的な問題です。AIが賢くなるためにはデータが必要ですが、製薬会社が最も貴重にしているのは「失敗データ」（なぜその薬が成功しなかったのか）です。
- 成功データは共有されがちです。
- 失敗データは厳重に守られています。 それは商業機密であり、教訓でもあるからです。
未来の勝者は誰でしょうか？
上海医薬の田正隆は指摘しています：データの孤島を打破し、大量の「成功データ」と「失敗データ」を含むプライベートなデータプールを構築し、AIによるフィードバックループを形成できる者が、代替不可能な価値を持つでしょう。
わかりやすい説明：
現在のAI製薬は、みんなが同じ「料理アプリ」を使っているようなものです。アプリは便利ですが、作られる料理の味はほとんど同じです。
未来の競争では、どの会社がより高機能なアプリを使っているかではなく、独占的なレシピやデータを持っているかが鍵となります。他社が共有しない「失敗例」を集め、AIに学ばせることができれば、そのAIは他社よりも「問題点」をより正確に理解し、より優れた薬を開発できるでしょう。
---
総括
AIは医薬品開発を再構築していますが、それは魔法ではなく、強力なツールです。
- AIの長所： 薬の「発見」を迅速かつ安価に行う（最初の2つの段階）。
- AIの短所： 人間の反応を正確に予測することや、複雑な臨床決定を処理することが難しい。
- 鍵となる突破口： 「計算言語」と「臨床言語」のギャップを埋め、データの壁を破ること。
一般の人々にとっては、これは将来的により多くの新薬がより低価格で登場する可能性があることを意味します。投資家や業界関係者にとっては、AIを盲目的に崇拝するのではなく、「0から1」のデータのサイクルを実際に解決できるかどうかを見極めることが重要です。AI製薬の「前半戦」（コスト削減と効率向上）は終わり、今は「後半戦」（成功率と決定精度の向上）に入っています。これこそが本当の難戦です。