図：ADMET-AIが創薬のボトルネックであるADMET問題をいかに克服し、薬物開発を加速させるかを示した概念図。高精度な予測、承認薬との比較、高速処理が特徴です。
日々の臨床や研究業務、本当にお疲れさまです。ファーマAIラボです。 私たちは日々、多くの新薬候補化合物が生まれては消えていく様子を目の当たりにしています。ご存知の通り、創薬における最大のハードルの一つが、ADMET（吸収・分布・代謝・排泄・毒性）の問題です。
どれほど強力な薬理作用を持っていても、体内動態が悪かったり、予期せぬ毒性があったりすれば、その化合物が患者さんの元に届くことはありません。これまでの創薬プロセスでは、この判断を下すために膨大な時間とコストを要していました。
しかし、2024年、この状況を一変させる可能性を秘めたオープンソースツールが登場しました。それが「ADMET-AI」です。本記事では、既存のツールと何が違うのか、なぜ今、医療・創薬関係者がこのツールに注目すべきなのかを、専門的な視点を交えつつ、分かりやすく解説していきます。
ADMET-AIは、一言で言えば「化合物の体内動態と安全性を、瞬時に、かつ高精度に予測するAIプラットフォーム」です。 従来も同様のツール（SwissADMEなど）は存在しましたが、ADMET-AIは「機械学習のアーキテクチャ」と「実用的な評価軸」において、一線を画しています。
これまで、in silico（コンピューター上）での評価はあくまで「参考値」に過ぎないと考えられがちでした。しかし、Therapeutics Data Commons（TDC）という世界的な創薬AIベンチマークにおいて、ADMET-AIは多くの項目でトップクラスの成績を収めています。
これは単なる計算ソフトではなく、過去の膨大な実験データから「薬らしさ」の本質を学習した、熟練の研究者のようなパートナーと言えるでしょう。2024年の公開以来、瞬く間に引用数を伸ばし、業界の新たなスタンダードになりつつあります。
なぜ、ADMET-AIはこれほどまでに高い予測精度を出せるのでしょうか？その秘密は、Chemprop-RDKitと呼ばれる独自のアーキテクチャにあります。少し専門的になりますが、平易な言葉で紐解いてみましょう。
従来の多くの予測モデルは、化合物を単なる「数値の羅列（記述子）」として処理していました。しかし、分子は本来、立体的な構造と原子同士のつながりを持っています。ADMET-AIの中核技術であるグラフニューラルネットワーク（GNN）は、分子を「グラフ構造（原子がノード、結合がエッジ）」として認識します。
つまり、AIが「分子の形そのもの」を見て、原子レベルでの相互作用やメッセージパッシング（情報の伝播）を学習しているのです。これに加え、化学情報の標準ツールであるRDKitを用いて計算された200種類の物理化学的特徴量をハイブリッドさせています。
これにより、「構造は似ているのに毒性が全く違う」といった、従来の計算手法（QSAR）では見落とされがちだった微妙な構造活性相関（SAR）までも、鋭敏に捉えることが可能になりました。これは、クリニカルパールを熟知した専門医が、わずかな所見の違いから病態を見抜くプロセスに似ているかもしれません。
医療関係者の皆様が特に気にされるのは、「具体的に何が予測できるのか？」という点でしょう。ADMET-AIは、41種類ものADMETデータセットで学習されており、臨床的に極めて重要な以下の指標をカバーしています。
特筆すべきは、これらの予測において、回帰タスク（数値予測）と分類タスク（陽性/陰性）の両方で高い精度（R² > 0.6, AUROC > 0.85など）を叩き出している点です。
これは、5分割交差検証というアンサンブル学習の手法を用いているためです。複数のモデルの合議制で結論を出すような仕組みにより、単一モデルの偏りを排除し、堅牢な予測結果を提供しています。
私がADMET-AIを「最も臨床現場の感覚に近い」と評価する理由は、その参照系（Reference System）にあります。 通常、AIが出す「水溶性スコア：-3.5」という数字を見ても、それが良いのか悪いのか、直感的には分かりにくいものです。
ADMET-AIは、DrugBankに登録されている2,579種類の承認薬をデータベースとして持っています。そして、入力した化合物が「承認薬全体の中で、どの位置（パーセンタイル）にいるか」を提示してくれます。
さらに素晴らしいのが、ATCコード（解剖治療化学分類）によるフィルタリングです。 例えば、新しい降圧薬を開発する場合、抗がん剤と比較しても意味がありません。「心血管系薬剤」というカテゴリの中で、既存薬と比べて毒性が高いのか低いのかを比較できるのです。
「この候補物質は、既存のスタチン製剤と比べて肝毒性リスクが同程度である」といった、文脈（コンテキスト）を持った評価が可能になることは、開発のGo/No-Go判断において極めて強力な武器となります。
どれほど高性能でも、使い勝手が悪ければ現場には普及しません。ADMET-AIはこの点でも優秀です。 Webインターフェースでは、SMILES（化学構造の文字列表記）を入力するか、csvファイルをアップロードするだけで、瞬時に結果が返ってきます。
その処理速度は驚異的です。1,000分子の処理において、既存のツールより45%も高速化されています。ローカル環境で適切なハードウェア（GPUなど）を使用すれば、100万分子のスクリーニングをわずか3時間強で完了できます。これは、一昔前のスーパーコンピューターが必要だったレベルの処理です。
また、セキュリティ面も配慮されています。Web版を使用する場合でも、入力された分子データは予測直後にサーバーから削除されます。製薬企業にとって「構造式」は命そのものです。この「ログを残さない」設計は、機密保持の観点からも安心して利用できるポイントと言えるでしょう。
もちろん、Pythonパッケージとしてローカル環境にインストールすれば、完全にオフラインで動作させることも可能です。これにより、社内ネットワークから一歩も出ることなく、最高レベルのAI予測を実行できます。
ADMET-AIは完全にオープンソース（MITライセンスなど）で公開されており、世界中の研究者がコードを検証し、改良を加え続けています。これは、ツールが特定の企業のブラックボックスにならず、科学的な透明性を担保しながら進化し続けることを意味します。
現在、このツールはドッキングシミュレーションや、生成AI（Generative AI）による新規化合物デザインのフィルタリングとして急速に普及しています。AIが構造を考え、ADMET-AIがその安全性を即座にチェックする。そんな自動化された創薬パイプラインが、既に現実のものとなりつつあります。
将来的には、より多様な化学空間（Chemical Space）をカバーするデータの統合や、多言語対応なども期待されています。私たち医療・創薬従事者にとって、このようなツールを「知っているか、いないか」が、研究の質とスピードを左右する時代になったと言っても過言ではありません。
ADMET-AIは、単なる予測ツールを超えた、創薬研究の新しいパートナーです。
もし、あなたが現在、化合物の選定や安全性評価に課題を感じているのであれば、まずはADMET-AIのWebインターフェースで、手持ちの化合物をいくつかテストしてみることを強くお勧めします。その「速さ」と「分かりやすさ」に、きっと驚かれるはずです。
私たちは今、AIという強力なレンズを通して、生命科学の新しい地平を見ようとしています。この技術が、一日も早く患者さんのための新薬に結びつくことを願ってやみません。
本記事は、情報提供のみを目的として作成されており、医学的アドバイスやツールの完全性・正確性を保証するものではありません。紹介している「ADMET-AI」の仕様や性能は、開発状況により変更される可能性があります。本記事の情報を利用したこと、または紹介されたツールを使用したことにより生じたいかなる損害、トラブル、損失に対しても、当ブログおよび著者は一切の責任を負いません。最終的な判断やツールの利用は、必ず公式情報を確認の上、利用者ご自身の責任において行ってください。
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。
Amazonでこの関連書籍「臨床薬物動態学(改訂第5版): 臨床薬理学・薬物療法の基礎として」を見る