大手製薬各社、AIによる創薬研究サイクルの短縮を報告

ニュース概要
大手製薬各社は、人工知能が創薬研究のごく初期段階を短縮し始めていると述べている。Novo Nordiskは分子設計のサイクル数が減り、速度も上がったと報告し、Novartisはプロジェクト開始から候補医薬品の選定までの道のりが短くなったと説明している。こうした成果は研究と候補選定に限ったものであり、AIが設計した医薬品が治験で成功するとか、患者に早く届くということまでは、まだ示されていない。
初期研究が加速
2026年11月20日(米国東部時間)に報じられたコメントで、大手製薬各社の研究者たちは、AIが事務的な支援を超えて、分子設計や候補の順位付け、初期の安全性評価へと広がっていると述べた。GSK、Bristol Myers Squibb、Novartis、Eli Lilly、Novo Nordisk、AstraZeneca、Sanofiは、研究開発の業務工程にAIを活用していると語っている。
Novo Nordiskは具体的な工程上の指標を示した。AIの支援により、新しい分子を設計・作製・試験するサイクル数が約8回から3回に減ったという。同社はさらに、1サイクルあたりの期間が以前の8週間から現在は約4週間になったと報告している。合わせると、実験室での試行錯誤の回数が減り、各回の間隔も短くなったことを意味する。
Novartisは、研究プログラムの開始から候補医薬品の選定までの平均期間が、およそ3年から約18カ月〜2年に短縮したと報告した。同社の研究部門の責任者は、この進展を蓄積データのより効果的な活用によるものと説明している。また同社は別途、AIツールが腎疾患治療の有望な標的5件の優先順位付けに役立ったと述べている。
Sanofiは、初期の生物学的知見の解釈と臨床判断にAIを用いる手法によって、喘息治療薬lunsekimigの開発中に用量選択試験を省略でき、少なくとも1年を節約できたと述べた。これは個別プログラムでの事例であり、すべての医薬品プログラムで同じ短縮が得られるという証拠ではない。Bristol Myers Squibbは、鎌状赤血球症の候補化合物の一つは自社のAIシステムなしには開発できなかったと述べており、同システムは分子の改良や、治験データを使った結果のシミュレーションにも使われている。
数字が測っているもの
これらの数値は研究業務の実態を示すものだ。設計と試験の往復が何回必要か、1回にどれだけの時間がかかるか、あるいは先に進める価値のある候補にチームがどれだけ早く到達するか、といった点である。AIシステムは膨大な化学・生物学データを探索し、分子構造を提案し、物性を推定し、次にどの実験を行うべきかの判断を研究者に助言できる。こうした予測を実験室の自動化と結びつければ、化合物の提案・合成・試験というサイクルをより連続的に進められる。
報告された成果は各社の説明であり、指標は企業ごとに同一ではない。候補への到達が速まったこと自体は、その候補がより安全である、より有効である、あるいは臨床試験を通過する可能性が高いことを示すものではない。その後の開発工程全体は、依然としてヒトでの試験、有効性と安全性の証拠、そして規制当局の審査に左右される。
臨床での証拠こそが試金石
臨床試験に入っているAI活用の候補医薬品の数は、少しずつしか増えていない。この分野を追跡しているある研究者は、2026年3月時点で69社にわたる129件の候補を確認した。8カ月前の約117件から増えたものの、大半は開発初期にとどまっている。研究者たちはパイプラインが拡大すると見込んでいるが、AI活用の医薬品が他の候補よりも高い臨床成功率や迅速な承認を実現するかどうかは、まだ明らかではない。
ヒトでの試験には数年を要することがあり、分子設計ツールでは取り除けない現実的な制約も伴う。AIは標的の選定や試験デザインの改良、データの解釈に役立つ可能性があるが、そうした貢献は、最終的に患者において医薬品が示す成績とは切り分けて評価する必要がある。現時点で最も確かな証拠は、一部の企業が初期研究の特定の作業で時間と繰り返しを減らしているということだ。
データと協業が導入を左右する
製薬各社は、社内の生物学・化学データセットを機械学習ツールや実験室の専門知と組み合わせている。Sanofiの計算科学およびAI部門の責任者は、モデルの価値は適切な学習データにアクセスできるかどうかにかかっていると述べた。同社とNovo Nordiskは、モデル学習のために自社独自のデータを最先端AI研究所には提供していないと述べている。こうした選択は、特定の研究プログラムの中で科学的予測を実用的なものにするうえで、企業固有のデータがいかに重要かを反映している。
製薬会社とAI開発企業の関係も変化しつつある。AI企業を協業相手とみなす製薬会社がある一方で、それらの企業が科学研究の能力を築き上げるにつれて、競合になり得ると見る企業もある。製薬会社が持つのは長年の実験結果と領域の専門知識であり、テクノロジー企業が持つのは汎用モデルと計算基盤である。これらの資産がどう組み合わさるかによって、現在のサイクル時間の改善をより多くの疾患やプログラムで再現できるかが決まるだろう。
測定可能だが初期段階の生産性の変化
報告された短縮は、創薬におけるAIを評価する実践的な方法を示している。実験サイクルの回数を数え、プロジェクト開始から候補選定までの時間を追跡し、プログラムがより確かな証拠を伴って前進しているかを測ることだ。Novo Nordiskのサイクル数とNovartisの候補選定の期間は、初期探索の一部で意味のある成果が出ていることを示唆する。Sanofiの説明は、AIに支えられた意思決定が開発プログラムの構成そのものにも影響し得ることを示している。
次の段階は、こうした業務上の成果を、候補の質、臨床的成功、安全性、治療に届くまでの時間といった結果に結びつけることだ。そうした指標が成熟するまでは、初期研究の高速化は、研究室での着想から承認された医薬品までの全行程をAIが短縮した証明ではなく、科学的な可能性を伴う生産性の改善として理解すべきである。
この記事は AIBARS 編集部が AI の支援を受けてまとめました。AI は誤ることがあるため、重要な内容は元の情報源でご確認ください。誤りを見つけたら [email protected] までご連絡ください。