近年、AI（人工知能）技術の進化に伴い、AI創薬（AI Drug Discovery）という言葉が急速に注目を集めています。ニュースや論文でも「AIが新薬を生み出す」「創薬が自動化される」といった期待感が語られることが増えています。
しかし、実際の創薬実務においてAIはどこまで活用されているのでしょうか？本稿では、AI創薬の現状と限界を冷静に整理してみます。
目次
AIが活用される主な創薬プロセス
- ターゲット探索（標的分子の同定）
- ヒット化合物探索（化合物スクリーニング）
- リード最適化（物性・活性の改良）
- 毒性・副作用予測
- バイオマーカー探索（患者層別化）
- 臨床試験デザイン支援
現時点での実用化レベル
AIが特に成果を上げているのは、ヒット化合物探索やリード最適化における化合物構造予測・生成の分野です。物理化学的な計算と機械学習を組み合わせて短期間で候補化合物を提案する事例が増えています。また、毒性予測やADME（薬物動態）予測でもAIの補助利用が進んでいます。
一方で、ターゲット同定や臨床試験成功確率の大幅な向上など、創薬全体の成功率を劇的に高める段階にはまだ到達していません。AIはあくまで一部工程での補助ツールとして機能しており、「AIが新薬をゼロから発明する」段階ではないのが現実です。
現場での実際の使われ方
創薬研究者にとってAIは「仮説生成の支援」や「候補選別の効率化」に役立つ道具の一つです。AIが提案した結果を研究者が吟味し、実験を通じて検証する流れが中心です。AIは人間の判断を置き換えるのではなく、判断材料を提供する役割を果たしています。
【ひとこと】
AI創薬は大きな可能性を秘めていますが、現実には「万能な創薬エンジン」にはまだ遠いのが実態です。AIはあくまで研究者が使いこなす補助ツールであり、データ品質や研究現場の経験知が引き続き重要です。過度な期待を避け、適切に使い分ける視点が今後ますます重要になると感じます。このシリーズの視点は、日々変化していますので引き続き連載していきます。
