AI創薬の臨床的証明 — インシリコ・メディシンの成果が切り拓く製薬R&Dの新地平

はじめに

2025年6月3日、科学誌「ネイチャー・メディシン（Nature Medicine）」に掲載された一本の論文は、創薬の世界に新たな時代の到来を告げた。インシリコ・メディシン（Insilico Medicine）が人工知能（AI）を用いて設計した特発性肺線維症（IPF：idiopathic pulmonary fibrosis）向け新薬候補「ISM001-055（レントサーチニブ：Rentosertib）」が、Phase IIa（第2相a）臨床試験で有効性を実証したのだ [1][2]。

この成果が歴史的な意義を持つのは、「AIが設計した化合物が実際のヒトを対象とした臨床試験において初めて有効性の概念実証（Proof of Concept）を示した」という点にある。AIは分子構造の設計には以前から使われていたが、それが患者に対して実際に効果を示すかどうかは、これまで「未証明」の状態にあった。2025年の成果はその壁を破った [1][3]。本稿では今回の達成の意義と、AI創薬が製薬研究開発（R&D）全体に与える構造的な変化を整理する。

レントサーチニブの臨床的成果

Phase IIa試験の結果

特発性肺線維症（IPF）は進行性の致死的な肺疾患で、患者の中央生存期間は診断から3〜5年とされる難治性疾患だ。既存の承認薬（ニンテダニブ・ピルフェニドン）は進行を遅らせるが根本治癒には至らず、新たな作用機序を持つ薬剤の開発が求められていた。

インシリコが設計したISM001-055はTNIK（Traf2- and Nck-interacting kinase）阻害薬で、プロセスの速さも際立っている——AIによる標的同定から最初のIND（臨床試験開始届）申請まで18か月で完了した。Phase IIa試験では60mg1日1回投与（QD）群で平均肺活量が+98.4mL増加したのに対し、プラセボ群は-20.3mLの低下を示した [1][3]。この差異は統計的に有意であり、「AIが設計した化合物がヒトに対して治療効果を示した」最初の高品質な証拠となった。

意義：新薬開発の「コスト・時間の壁」への挑戦

製薬業界の課題はこれまで、「1つの承認新薬の開発に平均10〜15年・10億〜20億ドルのコストがかかる」という非効率にあった。化合物の設計・最適化だけで平均4〜5年を要し、さらに前臨床・臨床の各フェーズを経るため、成功確率は承認まで全体で5〜10%程度という高い失敗リスクを伴う [4][5]。

インシリコのAIプラットフォーム（Chemistry42・Biology42・PandaOmics等の統合基盤）は、標的同定・化合物生成・ADMET（吸収・分布・代謝・排泄・毒性）予測の各工程をAIが担うことで、設計フェーズを18か月に圧縮した。AIによる候補化合物の大規模スクリーニングは、人間の研究者が手作業で行う場合の数十〜数百倍の速度で候補を絞り込む [3][6]。

AI創薬プラットフォームの技術的進化

LLMの創薬への応用

大規模言語モデル（LLM）技術の創薬への応用が2025〜2026年にかけて加速している。インシリコは2026年3月、Liquid AIとの共同研究「MMAI Gymコラボレーション」から生まれた「LFM2-2.6B-MMAI v0.2.1」モデルを公開した [6]。このモデルは1,000以上の創薬R&Dベンチマークと約1,200億トークンの専門データで訓練されており、一般用途の基盤モデルと比較して創薬関連ベンチマークで最大10倍の性能向上を達成したとされる。

一般的な創薬向けLLMの活用事例は、①タンパク質構造予測（AlphaFold3などの後継）、②薬物-標的相互作用予測、③副作用・薬物動態の予測、④臨床試験患者データの解析・コホート最適化、⑤文献マイニングによる研究動向の自動収集——の5分野に大別される [4][5]。これらの各工程でAIを活用することで、従来は研究者の直感・経験・手作業に依存していたプロセスを自動化・加速できる。

ドメイン特化型AIの優位性

創薬専用のLLM（例：PubMedの1億3,800万件の薬物ラベルで訓練された「PharmBERT」）は、汎用LLMに比べてADME分類や副作用検出の精度が統計的に有意に高いことが複数の査読済み研究で示されている [4][5]。汎用モデルの「正確さへの一般的な傾向」よりも、創薬領域の専門知識・分子の意味論を反映した特化モデルの優位性が確認されつつある。

インシリコは2025年第4四半期に「Pharma.AI」プラットフォームの更新（4つの新LLM由来スコアリング指標の追加：信頼性・商業的実現可能性・薬剤化可能性・メカニズム明確性）を実施しており [6]、創薬のR&D意思決定支援ツールとしての実用性を高めている。

業界構造への影響

大手製薬会社のAI創薬パートナーシップ

ロシュ・アストラゼネカ・バイエル・ブリストル・マイヤーズ・スクイブなど大手製薬各社は、インシリコ・メディシン以外にも多数のAI創薬スタートアップとの共同研究契約・ライセンス契約を締結している。特にオープンAI・Google DeepMind・Anthropicなどの汎用AI企業が創薬分野に参入しつつあり、製薬業界のR&D生産性向上をめぐる競争が激化している [4][5]。

大手製薬会社の多くが「AI創薬の統合により2030年代の新薬開発パイプラインを2〜3倍に拡張できる」と社内目標を設定しており、AI創薬企業への投資・M&Aが加速している。一方で「AIが設計した化合物の臨床成功率は従来の手法と比べて本当に高いのか」という問いに対するデータは、まだ十分に蓄積されていないことも事実だ [7]。

規制当局の対応：FDAとEMAのAI薬承認枠組み

米FDA（食品医薬品局）は2025年にAI/ML（機械学習）を用いた医薬品開発・製造・審査に関するガイダンスを更新し、AIが生成したデータの品質・検証手順・透明性に関する審査要件を明確化した [7]。インシリコはレントサーチニブのPhase IIa結果公表後、FDA・EMAとの審査前会合を開始しており、Phase III設計に向けた規制当局との対話を進めている [1][3]。

欧州医薬品庁（EMA）も「AIとMLの医薬品承認への応用に関する反省文書（Reflection Paper）」を2026年に最終化する見通しであり、AI創薬の規制フレームワークは国際的に形成段階にある。日本の医薬品医療機器総合機構（PMDA）も2025年にAI活用医薬品の審査相談受付を開始しており、国内の創薬ベンチャーにとっても規制環境の明確化が進んでいる [7]。

日本の創薬産業への示唆

日本は製薬大手（武田薬品工業・アステラス製薬・第一三共・エーザイなど）を持ちながら、AI創薬での国際的な存在感は限定的だ。国内の有力なAI創薬スタートアップの数は欧米・中国に比べて少なく、大学・研究機関のバイオインフォマティクス人材の産業界への移転が課題とされている [4][5]。

武田薬品工業はMITとの研究提携・Sema4との遺伝子解析連携など外部との共同研究を積極化しており、AI活用によるパイプライン強化を戦略の柱に置いている。経済産業省が推進する「バイオ×AI」国家戦略（2024年）では、創薬データ基盤の整備・計算リソースの提供・規制サンドボックスの活用が政策として掲げられており、日本の創薬産業のAI転換が加速する土台が形成されつつある [7]。

注意点・展望

インシリコの成果は歴史的だが、「AI創薬のPhase IIaでの成功がそのまま業界標準の成功確率を押し上げる」という結論には慎重な解釈が必要だ。1つの化合物の成功は、AI創薬システム全体の統計的優位性を証明するには不十分であり、今後数年間にわたる複数の試験成果の蓄積が求められる [1][5]。

またAI設計の化合物が生産・製剤化・薬物動態管理において従来化合物と異なる特性を持つ場合、製造・スケールアップに新たな課題が生じる可能性もある。臨床開発の後期フェーズ（Phase III・承認申請）に進む過程でのコスト・時間のメリットが、AI創薬の真価を評価する最終的な試金石となるだろう [3][4]。

まとめ

インシリコ・メディシンのレントサーチニブがPhase IIaで示した有効性は、「AI創薬は実際に機能する」という臨床的な証明として製薬業界に大きなインパクトを与えた。AIによる標的同定から臨床候補化合物設計までの18か月という速度は、従来の4〜5年と比べて劇的な短縮であり、製薬R&Dのパラダイムを変える可能性を秘める。大規模言語モデルの創薬特化版が汎用モデルを大幅に上回る性能を示し始めた2025〜2026年は、AI創薬の「実験段階」から「実用段階」への転換点として記憶されることになるだろう。日本の製薬産業にとっても、この波に乗り遅れないためのAI戦略の再構築が急務となっている。