１．はじめに：創薬に訪れた「第5のモダリティ」革命
現代の医療を支える創薬は、常に新しい技術革新（モダリティ）と共に進化してきました。低分子化合物、抗体医薬、核酸医薬、細胞治療に続き、今、まさに「第5のモダリティ」とも言うべき革命が起きています。それが、人工知能（AI）を活用したAI創薬（AI Drug Discovery）です。従来の創薬が莫大な時間とコスト、そして1万分の1とも言われる低い成功確率に直面してきた中、AIはこれらの課題を根本から覆すポテンシャルを秘めています。本記事では、AI創薬の専門家として、医療研究者および薬学部教員の皆様が知っておくべき2025年の最新動向、主要疾患領域における具体的な進展、そして日本の現在地について分かりやすく解説します。この記事を読めば、AI創薬の全体像を掴み、ご自身の研究や教育に活かすためのヒントが得られるはずです。
２．AI創薬の基本プロセス ― 何が、どのように変わるのか？
AI創薬と聞くと、魔法のような技術を想像されるかもしれませんが、その本質は、創薬研究の各プロセスをデータ駆動型のアプローチで革新し、精度と速度を飛躍的に向上させることにあります。AIは主に以下の5つのフェーズでその力を発揮し、従来の創薬プロセスを変革しています。それぞれの段階でAIが果たす役割を理解することが、全体像を掴む第一歩です。
- 標的探索（Target Identification）: 疾患の原因となる遺伝子やタンパク質（創薬標的）を見つけ出す最初のステップです。AIは、膨大な論文情報、ゲノムデータ、臨床データなどを自然言語処理（NLP）や機械学習を用いて解析し、人間では見落としてしまうような新たな創薬標的候補を高速で特定します。これにより、研究の出発点における確度を大幅に高めることが可能になります。
- ヒット化合物探索（Hit Identification）: 特定された創薬標的に作用する化合物の「種（シード）」を見つけ出す段階です。従来は数百万〜数千万の化合物を実際に合成し試すハイスループットスクリーニング（HTS）が主流でしたが、AIは標的タンパク質の立体構造情報などから、効果が期待できる化合物の構造を仮想空間上で高速に探索（バーチャルスクリーニング）します。
- リード化合物最適化（Lead Optimization）: 見つかったヒット化合物を、より薬らしく、効果が高く副作用の少ない「リード化合物」へと改良していくプロセスです。ここでは、生成AI（Generative AI）が活躍します。望ましい特性（高い活性、低い毒性、良好な体内動態など）を条件として与えることで、AIが全く新しい、最適な分子構造をゼロから設計・提案します。
- ドラッグリポジショニング（Drug Repositioning）: 一度承認された、あるいは開発が中止された既存薬の中から、別の疾患に対する新たな薬効を見つけ出す手法です。AIは、薬物と疾患、遺伝子の複雑な相互作用ネットワークを解析し、予期せぬ治療効果を持つ薬剤を効率的に予測します。開発期間とコストを大幅に削減できるため、特に希少疾患などで注目されています。
- 臨床試験の効率化（Clinical Trial Optimization）: AIは、過去の臨床試験データを解析して成功確率を予測したり、電子カルテ情報から最適な被験者を特定したりすることで、臨床試験の設計を最適化します。さらに、デジタルツイン（実在の患者の仮想的な双子）技術を用いて対照群（プラセボ群）をシミュレートし、必要な被験者数を削減することで、コストと期間を圧縮する試みも始まっています。
３．【2025年最新動向】AIが拓く5大疾患領域のフロンティア
AI創薬の技術は、全ての疾患領域で均等に進展しているわけではありません。データの種類や量、病態の複雑さなどに応じて、特に成果が期待され、投資が集中している領域が存在します。ここでは、2025年現在、最も活発な動きを見せている5つの疾患領域の最前線をご紹介します。
1. がん（オンコロジー）領域：個別化医療を加速するAIの力
AI創薬の最大の主戦場が、がん領域であることは間違いありません。その背景には、全世界で年間40兆円を超える巨大な市場規模に加え、AIとの親和性が極めて高いデータが豊富に存在することが挙げられます。特に、ゲノムデータ（遺伝子情報）や病理画像データ（組織画像）の解析において、AIは人間の能力を凌駕する性能を発揮し始めています。例えば、患者さん一人ひとりのがん細胞が持つ特有の目印（ネオアンチゲン）をAIが予測し、それに基づいた個別化がんワクチンを開発する研究が世界中で進んでいます。また、NECと中外製薬の共同研究のように、どの抗がん剤の組み合わせが特定の患者に最も有効かを予測するAIも開発されており、治療の最適化に大きく貢献することが期待されています。
2. 希少疾患領域：“Data-Poor”を克服するAIのブレークスルー
患者数が少なく、研究データが乏しい（Data-Poor）希少疾患は、従来、製薬企業が開発に踏み出しにくい領域でした。しかし、この状況はAIの登場によって劇的に変化しています。AIは、限られたデータの中からでも法則性やパターンを見つけ出す能力に長けているためです。特に前述のドラッグリポジショニングが威力を発揮しており、英国のHealx社などは、AIプラットフォームを用いて既存薬から希少疾患の治療薬候補を次々と見つけ出しています。また、Recursion Pharmaceuticals社は、AIによる画像解析と実験自動化を組み合わせ、希少疾患を含む複数の領域でパイプラインを構築しており、創薬のあり方そのものを変えようとしています。データが少ないからこそ、AIで知識を補強するという逆転の発想が、この領域のブレークスルーを後押ししています。
3. 神経変性疾患領域：複雑な病態解明への挑戦とデジタルツイン
アルツハイマー病やパーキンソン病に代表される神経変性疾患は、病態メカニズムが非常に複雑で、長年にわたり創薬が難航してきました。この難解な領域に対し、AIは新たな光を当てています。AIは、MRIなどの脳画像データ、血液や脳脊髄液中のバイオマーカー、さらには日常の行動データなど、多種多様な情報を統合的に解析することで、疾患の超早期発見や進行予測を可能にしつつあります。これにより、病態が深刻化する前からの介入が期待されます。また、臨床試験のハードルが極めて高いこの領域では、米国のUnlearn社が開発するデジタルツイン技術が注目されています。治験参加者の仮想的なコピーを作成し、薬を投与しなかった場合の経過をシミュレーションすることで、比較対象となるプラセボ群の患者数を減らし、より倫理的で効率的な試験の実現を目指しています。
4. 線維症領域：見えなかった標的を可視化するAI
特発性肺線維症（IPF）や非アルコール性脂肪肝炎（NASH）などの線維症は、臓器が硬化していく進行性の難病ですが、その発症メカニズムは未だ完全に解明されていません。このような複雑な生物学的プロセスを理解し、創薬標的を特定する上で、AIの活用が進んでいます。この分野の代表格であるInsilico Medicine社は、生成AIを用いてIPFの新規標的を発見し、さらにその標的に対する新規化合物をAIで設計しました。驚くべきことに、この薬剤候補（INS018_055）は、発見からわずか30ヶ月という異例の速さで臨床第2相試験に到達しており、AIが創薬プロセス全体を劇的に加速できることを証明する画期的な事例となっています。AIが複雑な生命現象の霧を晴らし、これまで見えなかった創薬の道筋を照らし始めています。
5. 感染症・免疫疾患領域：パンデミックが示したAIの即応力
COVID-19のパンデミックは、人類にとって大きな脅威でしたが、一方でAI創薬の有用性を世界に示す契機ともなりました。ファイザー社は、治療薬「パキロビッド」の開発において、AIを活用してウイルスの増殖を阻害する最適な化合物を迅速に特定し、開発期間の大幅な短縮に成功したと報告しています。また、ワクチン開発においても、ウイルスの変異をAIが予測し、次に出現する可能性のある変異株に対応したワクチンをあらかじめ設計する研究が進められています。感染症の脅威は常に変化し、スピードが命です。この「即応力」という点で、AIは公衆衛生を守るための不可欠なツールとなりつつあります。免疫疾患領域でも、Generate Biomedicines社などが重症喘息の治療薬候補をAIで創出するなど、同様の動きが活発化しています。
４．日本のAI創薬の現在地と未来への課題
もちろん、日本企業もこの世界的な潮流に乗り遅れてはいません。武田薬品工業、中外製薬、塩野義製薬といった大手製薬企業は、自社でのAIプラットフォーム構築や、国内外のAI専門企業との提携を積極的に進めています。また、FRONTEO社のように、独自の自然言語処理AI「KIBIT」を用いて論文データを解析し、膵臓がんの新規標的分子を発見するなど、特色ある技術を持つスタートアップも台頭しています。日本の強みは、長年の研究で蓄積された質の高い基礎・臨床データと、世界トップレベルのアカデミアの研究力にあります。これらの資産をAIと組み合わせることができれば、世界をリードする革新的な医薬品を生み出すポテンシャルは十分にあります。
しかし、一方で課題も山積しています。最大の課題は、創薬とAIの両方に精通した「バイリンガル」人材の不足です。また、有望な技術を持つ大学やスタートアップを育て、大企業へと繋ぐエコシステムの構築も道半ばです。AIが生成した新規医薬品をどのように評価し、承認していくかという規制のあり方も、これから議論を深めていく必要があります。これらの課題を克服し、日本のポテンシャルを最大限に引き出すためには、産官学が連携し、研究者や教育者が次世代の人材育成に積極的に関わっていくことが不可欠です。
５．まとめ：未来の医療を担う研究者・教育者として知るべきこと
本記事では、AI創薬の基本から2025年現在の最新動向、そして日本の立ち位置までを解説してきました。AIは、もはや単なる流行り言葉ではなく、創薬のあらゆるプロセスを根底から変える、強力かつ不可逆なパラダイムシフトです。重要なのは、AIが人間に取って代わるのではなく、人間の知性と能力を拡張する「最強のツール」であるという視点です。AIが膨大なデータから仮説を導き出し、人間である研究者がその妥当性を実験で検証し、深い洞察を加えて次のステップへ進む。この「人間とAIの協創」こそが、これからの創薬のスタンダードとなるでしょう。
医療研究者、そして未来の医療の担い手を育てる薬学部教員の皆様におかれましては、この新しい潮流を正しく理解し、ご自身の研究テーマにAIをどう活用できるか、学生たちに何を伝えるべきかを考えることが、これまで以上に重要になっています。本記事が、その一助となれば幸いです。AI創薬の革命は、まだ始まったばかりです。
免責事項
本記事は、AI創薬に関する一般的な情報提供を目的として作成されたものであり、医学的な助言、診断、治療、または投資助言を意図したものではありません。記事に掲載する情報については、その作成時点において正確であるよう細心の注意を払っておりますが、その完全性、正確性、最新性を保証するものではありません。AI創薬の分野は急速に進展するため、情報が古くなる可能性があります。本記事の情報を利用したことによって生じたいかなる損害についても、筆者および発行元は一切の責任を負いかねますので、あらかじめご了承ください。情報の活用は、ご自身の判断と責任において行っていただきますようお願い申し上げます。
本記事は生成AIを活用して作成しています。内容については十分に精査しておりますが、誤りが含まれる可能性があります。お気づきの点がございましたら、コメントにてご指摘いただけますと幸いです。
<a href=”https://amzn.to/40KQKVS” target=”_blank” rel=”nofollow” class=”blue-link”> Amazonでこの関連書籍「AIが変える製薬の未来 AIが変えるシリーズ」を見る</a>
