【基礎情報】AI創薬とは？

AI創薬とは

AI創薬とは、医薬品の研究開発においてAI（人工知能）を活用することで、高度なデータ分析や推論を行い、開発期間の短縮やコスト削減、研究者の業務負担軽減などのメリットをもたらす創薬手法です。
そもそも「創薬」とは、新しい医薬品を開発することを指します。具体的には、疾患の治療や予防、症状の緩和などの目的で、まだ市場に存在しない新しい薬を創り出すプロセスです。創薬の目標は、安全で効果的な薬を見つけること。
近年の創薬においてAIは、分子構造の相関性やケースリポートの処理だけにとどまらず、標的探索やリード化合物の探索・最適化のフェーズでも応用されています。現在では既に実用化し、成果を挙げる企業も登場していますが、AI創薬はまだ発展の初期段階にあるという指摘も見られます。

AI創薬が注目される理由とは

AI創薬が注目される理由は、従来の創薬プロセスにおける問題点を解消し、成功率を向上させることが期待されるからです。新薬開発の成功率が低下しており、特に近年ではより難易度の高い疾患への取り組みが増えていることが挙げられます。創薬プロセスの本質的な非効率性も問題で、多くの化合物のスクリーニングには大量の実験が必要であり、研究者の経験に頼る難しい作業です。こうした問題をAIが解決できる点で、AI創薬が注目されています。
AIは大量のデータを高速かつ正確に処理する能力があり、特にターゲットの選定や化合物のスクリーニングにおいて力を発揮します。効果を発揮する可能性の高い組み合わせを的確に絞り込み、成功率の向上と必要な実験回数の削減を実現します。これにより開発期間の短縮とコスト削減が期待されます。
また、AIの積極的活用により他のプロセスも効率化・自動化できる可能性があります。例えば、AIによる画像解析を用いて病理画像から薬効や安全性を評価したり、自然言語処理を応用して論文を素早く検索したりすることが考えられます。さらにAIとロボット技術の組み合わせにより実験の自動化が進むことで、効率化が進む可能性もあります。これらの要因から、AI創薬は製薬企業にとって重要な技術となりつつあります。

医薬品開発の課題

新薬開発の期間と費用が増大していることが製薬業界のイノベーションギャップを引き起こしています。医学の進歩により、より複雑で原因不明の疾患への創薬標的がシフトしており、薬事規制の強化や薬価引き下げの圧力、ジェネリック医薬品との競合も課題となっています。
ターゲット遺伝子の発見も困難であり、小規模臨床試験の段階での失敗率が高いことが知られています。動物実験に依存するターゲット選定と、治療対象の患者の階層化が不十分な状態で創薬を開始していることが主な要因です。これらの問題を解決するために、AIを活用したスクリーニングやシミュレーションが期待されています。AI創薬はこれらの課題に対する解決策として注目されています。

AI創薬のメリット

創薬にAIを活用・導入する主なメリットは、「情報探索の効率化、研究員の負荷軽減」「創薬の成功率・確実性の向上が期待できる」「ヒトの視点にない『新しい発見・仮説のヒント』に出会える」などが挙げられます。

中でも特に注目したいのが、「新しい発見・仮説のヒントに出会えること」。これまでの新薬開発は、良くも悪くも研究者の知見頼りになってしまい、読んだ論文や研究データの中から薬の種となるテーマをひねり出すしかありませんでした。加えて情報量が膨大になった現代では、テーマに関連する論文を探し出すことさえ難しくなっています。

AIなら人の知見に左右されず、あらゆる情報を網羅的に多角的に収集することができ、ヒトの視点では気付かなかった新しい可能性を示してくれることもあります。いわば既知の情報から未知の情報を作り出せるのも、AIの大きなメリットと言えます。

AI創薬のメリット
について詳しく見る

AI創薬のデメリット

AI創薬には様々なメリットがある一方で、うまく活用・導入するためにはデメリットや注意点を事前に把握しておく必要があります。

例えば、「学習の対象となるデータが揃っているか？」。「AIは何でも可能にする魔法の杖」ではなく、学習の対象となる大量のデータが必要となります。しかしながら、医療機関で作成しているデータ類は「治療」を前提としたものであり、多くの場合はAI活用を見据えた形式になっていません。フォーマットを統一するなどの事前準備が大切になります。

また、どんなに優れたAIを導入したとしても、それを使いこなせるAI人材、解析結果を正しく解釈できるデータサイエンティストやバイオロジストがいなければ意味がありません。こうした人材の確保も導入前に検討しておきたいポイントです。

その他にも「メンテナンス・保守運用にどれくらいかかるか？」などの懸念点も早い段階で潰しておくことで、スムーズな活用・導入が可能になるでしょう。

AI創薬のデメリット
について詳しく見る

製薬業界の課題をAIでどう解決する？

製薬業界は、新薬開発で大きな課題を抱えています。「研究開発に10年以上かかる」「成功確率が年々低下」「研究開発費が高騰」が主な課題で、これらを解決する手段としてAI創薬に大きな注目が集まっています。

創薬プロセスにAIを導入することで、論文探索の時間が短縮化されたり、確実性の高い標的探索が可能になったり、リード化合物の創出・最適化を効率的に行なえたり、といった具合に様々な課題を解決に導くことができます。

ここでは、製薬業界が抱える主な課題と、AIによって課題がどのように解決できるのかを解説します。

製薬業界の課題をAIでどう解決する？
について詳しく見る

製薬業界のAI活用状況

人工知能を活用して医薬品の研究開発プロセスを支援するAI創薬。製薬業界の課題を解決するソリューションの1つとしてAI創薬は大きな注目を集めており、様々なプロセスで活用・導入する動きが生まれています。

例えば、「10年かかる」とも言われるターゲット探索・選定においては、「膨大な論文情報の中から研究テーマに合う情報を抽出してくれる」、「網羅的で多角的な評価・検証によって新規性の高いターゲットを提案してくれる」といったAIサービスを提供してくれる会社も。

その他、リード化合物創出・最適化、臨床試験などでもAIを活用した施策が行われています。製薬企業とAIベンチャー企業がタッグを組んだこうした取り組みは、今後も加速していくと思われます。下記のページでは活用の例も含めて解説しています。

製薬業界のAI活用状況
について詳しく見る

創薬の流れとAIの活用

創薬は基礎研究から承認申請までの段階を経て行われ、その中で創薬の成功率の低さや非効率な部分が問題とされています。AI創薬が注目される理由は、AIの導入によって創薬プロセスの問題を解消できる可能性があるからです。
AIは高速で大量のデータ分析を行い、スクリーニングや開発を効率化することができます。また、実験回数を減少させるため、コスト削減や期間短縮にも寄与します。

なぜAI創薬が注目されているのか、その理由を解説します。

創薬の流れとAIの活用
について詳しく見る

創薬AIによる超希少疾患の新薬開発

アメリカの小児科病院が超希少疾患の1人の子どものために医薬品を開発したことを受け、超希少疾患の患者に治療薬を届けるN-of-1（エヌオブワン）医療が注目されています。

また、アメリカの会社がAIを活用して希少疾患の治療薬候補を探索する取り組みを行っているほか、タンパク質の構造を予測するAI「AlphaFold」を開発。タンパク質の構造予測は医薬品やワクチンの開発、病気の解明などに極めて重要となる可能性があることから、バイオ医薬品や抗体医薬品の研究への貢献が期待されています。

創薬AIによる超希少疾患の新薬開発
について詳しく見る

創薬モダリティの意味と代表的な薬剤

創薬モダリティのモダリティは「医薬品の創薬基盤技術の方法や手段、それらに基づく分類」と医薬品業界で定義されています。低分子医薬、核酸医薬、抗体医薬などが当てはまる薬剤です。種類も多く、抗体薬物複合体・中分子医薬・標的タンパク質分解誘導薬・遺伝子治療薬・mRNAワクチンなどもあります。研究が活発化しており、難病にも効果が期待できる薬も研究中です。

創薬モダリティの意味と代表的な薬剤
について詳しく見る

国内外のAI創薬プロジェクト

国内外の学術機関や研究機関、製薬会社などが連携して、医薬品の開発や合成に貢献するソフトウェアやAIプラットフォームの開発といった、新時代に向けたAI創薬プロジェクトが色々と進行しています。

日本国内で行われているAI創薬プロジェクトや、海外の著名なAI創薬プロジェクトについて概要をまとめていますので参考にしてください。

国内外のAI創薬プロジェクト
について詳しく見る

AI創薬と人材育成について

AI創薬のメリットは、効率化やコスト削減を実現できる事。AIによってターゲットの探索・スクリーニングを行い大量のデータをもとに新薬開発を行う事が可能です。当然、AIを活用できる「AI人材」が必要不可欠です。現状では、AI創薬に必要な人材であるデータサイエンスの専門知識のある公的機関の研究者が産業界、ベンチャー企業などに流れてしまい人材不足が深刻になってきています。

今後の製薬業界を担うデータサイエンスの専門知識のある研究者を育成するため、「医療・創薬データサイエンスコンソーシアム」という人材育成プログラムが文部科学省と東京医科歯科大学によって作られました。人材育成のためのカリキュラムの内容やAIによって製薬業界がどのように変わっていくかなどを紹介します。またAIを活用する事で意識しなければならない事、デメリットについてもまとめました。

AI創薬と人材育成プログラム
について詳しく見る

ドラッグ・ロスについて

欧米ではすでに承認されて使われている治療薬なのに、日本では臨床開発すら未着手のため使うことができない状態をドラッグ・ロスといいます。なぜ日本では、ドラッグ・ロスの状態になってしまうのでしょうか。

ここでは、日本のドラッグ・ロスの現状を踏まえながら、ドラッグ・ロスを解消する方法、AI創薬の可能性についてまとめました。

ドラッグ・ロスとAI創薬の可能性
について詳しく見る

メドテックについて

医療（medical）と技術（technology）の2つの単語を掛け合わせた造語・メドテック。IT・バイオテクノロジーなどの技術を、新薬・新たな治療法の開発に繋げる取り組みです。日本国内でも、メドテックを後押しする国の施策が複数あり、今後の医療の発展を目的に広がりを見せています。

メドテックについて詳しく見る

創薬強化の要となる先端創薬機構

先端創薬機構は国内の創薬強化を目指した会合で提案された構想で、グローバルに利用できる創薬センターのこと。スタートアップへの資金面・人材面での支援を強化し、創薬エコシステムの構築を目指しています。現状の創薬に関する課題や先端創薬機構の運用に必要な費用についても発表されています。

先端創薬機構について詳しく見る

スパコン「Tokyo-1」が叶えるAI創薬

三井物産子会社のXeureka(ゼウレカ)が提供するスパコンで、計算環境や情報コミュニティーが利用できるものです。同社によるAIモデル・AI開発ツールの提供・サポートも想定されており、AI創薬躍進に一役買うと期待が高まっています。

スパコン「Tokyo-1」が叶えるAI創薬
について詳しく見る

AI創薬のブラックボックス問題

AI創薬がどんどん広まっている現在、課題となっているのが「ブラックボックス問題」です。人間よりも膨大な可能性を考えて結論を導き出せる精度の高さが魅力なAIですが、一般的なAIはその根拠を示しません。医療分野へ導入した際、治療に踏み切る決断ができるほどの理由を説明できない、誤っていたとしても気づきにくい、などの問題が懸念されます。

AI創薬のブラックボックス問題
について詳しく見る

創薬分野での量子コンピューターの活躍

従来のコンピューターと違い、1つのビットで異なる2つの数値を表せる量子コンピューター。同時に複数の計算を行なって答えを導き出せるため、複雑な計算も高速で処理できるのが特徴です。創薬分野への導入も進められており、よりスピーディーで精度の高い製薬の実現に期待が高まっています。

創薬分野での量子コンピューターの活躍
について詳しく見る

デジタルツインとAI創薬との関係性

デジタルツインはバーチャル空間で現実世界の現象や事物を再現する技術であり、AIの自立学習とビッグデータの活用によってかつては概念でしかなかったデジタルツインが実現すれば、医薬品開発にも多くのメリットを期待できます。

デジタルツインとAI創薬との関係性
について詳しく見る

創薬AIによる超希少疾患の新薬開発

世界中で数人～数十人、場合によってはたった1人しか患者がいない「超希少疾患」。そんな非常に稀な疾患の治療薬を、AIを活用して開発するN-of-1（エヌオブワン）医療の取り組みが注目されています。

ここでは、国内外で行われているN-of-1（エヌオブワン）医療の現状と、創薬AIによる超希少疾患の治療薬開発の可能性について解説しています。

創薬AIによる超希少疾患の新薬開発
について詳しく見る

AI創薬におけるデータクレンジングの重要性

レセプト情報などの医療データはAI創薬を加速させる鍵となりますが、データを上手く活用するにはデータの整形やデータクレンジングが必要です。これまで収集してきたレセプトデータがノイズ化してしまった原因やデータ整備後の創薬開発の可能性をまとめました。

AI創薬におけるデータクレンジングの重要性
について詳しく見る

AI創薬で開発スピードはどう変わる？

早くても数年はかかると言われていた新薬やワクチンの開発ですが、先のコロナ禍では1年ほどで新しいワクチンが開発されました。なぜ新型コロナウイルスワクチンは早く開発できたのか、その理由をひも解きながら、AI創薬の開発スピードや今後期待される可能性について解説しています。

デジタルツインとAI創薬との関係性
について詳しく見る