AIが加速させる次世代の毒性予測（DTX）フロー。 膨大なデータベースと最新のGNN技術を組み合わせることで、心臓毒性90%以上、肝毒性85%以上の高精度な予測を実現しています。
現代の創薬において、最も高いハードルの一つが「薬物毒性（DTX）」による開発中止です。膨大なコストと時間をかけて開発した候補化合物が、臨床試験（治験）の段階で予期せぬ毒性を示し、撤退を余儀なくされるケースは少なくありません。
こうした課題を解決するために導入されているのが、AI（人工知能）を活用した毒性予測技術です。本記事では、AI創薬における毒性評価の仕組みや、活用されている主要なデータベース、そして現在の到達点について、専門的な知見を交えて分かりやすく解説します。
AI創薬における「DTX」とは、広義には化合物が生物体に対して及ぼす有害な影響を、コンピュータ上で予測するプロセスを指します。これまでは動物実験がその役割を担ってきましたが、動物とヒトの種差や、倫理的観点、そしてコストの問題が常に付きまとってきました。
AIを用いる最大のメリットは、数百万通りの化合物の中から、毒性リスクの高いものを開発初期段階で「ふるい」にかけられる点にあります。これにより、安全性精度の高い化合物だけを次のステップへ進めることが可能となり、新薬開発の成功率を劇的に向上させることが期待されています。
AIの精度を左右するのは、学習に使用するデータの質と量です。現在、AI創薬の現場でスタンダードとなっている主要な化学物質データベースをご紹介します。
PubChem（パブケム）は、1億件以上の化合物を収録する世界最大級のデータベースです。一方、ChEMBL（チャンブル）は、化合物の構造だけでなく、それらがどのタンパク質（標的）に作用するかという「生物活性」に特化しています。これらは、AIが「毒性の芽」を見つけるための教科書となります。
Tox21は、米国政府が主導するプロジェクトで、約1万種類の化学物質を対象に、細胞レベルでの反応データを公開しています。ToxCast（トックスキャスト）はさらに踏み込み、数千の体外試験（in vitro）データを提供しており、これらを活用することで「どの受容体に反応して毒性が出るか」という詳細な予測が可能になります。
AIが毒性を予測する手法は、近年、驚異的な進化を遂げています。医療関係者の皆様にも馴染みの深い「統計学」から、最新の「ディープラーニング」まで、その概要を整理します。
初期のAIは「QSAR（定量的構造活性相関）」という手法を用いていました。これは、化学構造の特定のパーツ（部分構造）と毒性の関係を数式化するものです。 現在は「グラフニューラルネットワーク（GNN）」という手法が注目されています。これは分子を「点（原子）」と「線（結合）」のネットワークとしてそのまま読み込む技術で、従来よりも複雑な構造的特徴を把握できるようになりました。
構造データだけでなく、薬物を投与した際の遺伝子発現の変化（トランスクリプトミクス）などの「オミックスデータ」をAIに学習させる試みも進んでいます。これにより、単なる構造予測を超えた「生体反応のシミュレーション」に近い予測が可能になっています。
AI毒性予測が特に威力を発揮しているのが、肝毒性と心臓毒性の分野です。これらは治験でのドロップアウト（開発中止）の主要な原因となっています。
肝臓は薬物代謝の中心であるため、最も毒性が現れやすい臓器です。最新のAIモデルは、数千種類の化合物の肝細胞への影響を学習し、85％以上の精度で肝毒性の有無を判定します。これにより、重篤な副作用を持つ薬が臨床に出るリスクを事前に抑え込めます。
多くの薬が心毒性（不整脈など）を引き起こす原因として、hERGチャネルへの阻害が挙げられます。現在、AIはこのhERG阻害リスクを90％を超える高い精度で予測可能です。初期段階でこのリスクを排除できることは、循環器系への安全性を確保する上で極めて重要な意味を持ちます。
AI創薬は万能に見えますが、まだ解決すべき課題も残されています。その筆頭が「ブラックボックス問題」です。AIが「毒性あり」と判定しても、その理由が人間（研究者や医師）に理解できなければ、最終的な意思決定を下すのは困難です。
そこで開発が進んでいるのが「説明可能なAI（XAI）」です。これは、AIが分子のどの部分を根拠に毒性と判断したかを、色付けなどで視覚化する技術です。根拠が明確になることで、化学者はその部分を改良（構造最適化）して毒性を消す、といった具体的なアクションが取れるようになります。
AI創薬におけるDTX技術の進展は、単なる効率化にとどまりません。より安全な薬を、より早く、より安価に患者さんのもとへ届けるための「医療革命」の一翼を担っています。
今後は、個々の患者さんの背景を考慮した「デジタルツイン」上での毒性予測など、個別化医療との融合も期待されています。私たち医療に携わる者は、こうしたテクノロジーの進化を正しく理解し、新時代の薬物療法に備えていく必要があるでしょう。
本記事は、AI創薬および毒性予測に関する情報提供を目的として作成されたものです。掲載内容の正確性については細心の注意を払っておりますが、情報の利用に伴う判断は利用者の責任において行ってください。本記事の利用により生じたいかなる損害についても、当方および運営者は一切の責任を負わないものとします。最新の知見や規制情報については、公的機関や専門学会の発表を必ずご参照ください。
本記事は生成AI (Gemini) 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「革新的医薬品の科学 薬理・薬物動態・代謝・安全性から合成まで」を見る