Newsletter · · Ashutosh Agarwal
AI創薬が監査された週 - 業界スポットライト:ヘルスケア&バイオテック - 2026年7月28日の週
2026年7月28日の週のスタートアップ・ベンチャーキャピタル向けニュースレター。ヘルスケア&バイオテックの業界スポットライトでは、ポッドキャストがAI創薬を称賛するのをやめ、実数を数え始めた。Xaira、ARC Institute、Caris、Bayesian Health、Initiate Ventures、Yosemiteが注目され、学習型モデルが物理学を打ち負かせるかという生きた論争も取り上げる。
業界スポットライト:ヘルスケア&バイオテック
2026年7月28日の週:AI創薬が監査された週
今週のローテーションはヘルスケアとバイオテックに着地する。各ポッドキャストに共通するテーマは、この分野がついに数を数え始めたということだ。ある研究者が、誰もが積み上がっていると思い込んでいたAI設計薬の波を探しに行き、誰も歓迎しない数字を持ち帰ってきた。
業界の状況
この3年間、AIが創薬を圧縮するというのが謳い文句だった。今週は複数のポッドキャストが独立して、称賛することをやめて計測を始めており、その数字は誇大宣伝よりもずっと興味深い。
まず監査結果から見ていこう。Digital Pathology Podcastで、Thibault Geouiはシンプルな検証作業を紹介した。ボストン コンサルティング グループは、臨床試験段階にある「AIが開発した」医薬品の数を数えた論文を発表していた。2023年末時点でその答えは67だった。GeouiはAI研究者のEliott Greenblattと共に同じ手法を再適用し、その後何が起きたかを問うた。
「私は本当にこう思っていました。AI創薬と開発にこれだけの投資があったのだから、300、400くらいの薬があるはずだ、と。でも見つかったのはたった6つか7つ増えただけでした。なぜだろうと。本当に、本当に驚きました」
28か月経って、増えたのはわずか6つか7つ。そして、AI設計の医薬品はまだ一つも市場に到達していない。ここでGeouiは慎重だ。時にAIが開発し承認されたと説明される1つか2つの医薬品は、詳しく見ると、既存薬を新しい疾患に振り向けた「リポジショニング」薬であり、AIはそのリポジショニングを手助けしただけだ。それは同じことではない。
彼は非難ではなく理由を提示する。当初の67のうちいくつかは単純に失敗しており、業界の約95%という失敗率を考えれば普通のことだ。多くはオーナーが変わった。AIファーストのバイオテック企業が資産をある程度まで進め、その後、後期試験を実施できる規模を持つ大手製薬会社に引き渡すためだ。
そして、この悪い数字の中には、実は強力な反論が埋もれている。Geouiが本物の実例として挙げるInsilico Medicineは、通常5〜6年かかる発見と前臨床作業を約18か月に圧縮した。懐疑派は、Insilicoはまだ医薬品を市場に出していないと言う。それは事実だ。だがGeouiの言葉を借りれば:
「彼らは18か月で失敗する代わりに、5年か6年後に失敗することになるでしょう。私なら18か月後に失敗する方がいいですね」
それが正直な現状だ。AIはまだ医薬品を良くしてはいない。初期段階を安く、劇的に速くしただけだ。だが、試みの95%が死ぬビジネスにおいては、たった一つの承認が出る前でさえ、それ自体で大いに価値がある。
2つ目の通底テーマ:ボトルネックはアルゴリズムからデータへ、より正確には、ほとんどまだ存在していない種類のデータへと移動した。
これが最も明確に表れたのはLatent Spaceで、Xaira Therapeuticsのチーフ AIサイエンティストであるBo Wangとチーフ ディスカバリー オフィサーのCi Chuが、なぜタンパク質設計は離陸し、細胞生物学はそうならなかったかを説明した。Chuの答えは、タンパク質設計がProtein Data Bankにある70年分の高品質でコミュニティがキュレーションした構造データを受け継いだから、というものだ。それがAlphaFoldを可能にした。細胞や患者について、それに匹敵するものは存在しない。
さらに悪いことに、存在するデータは間違った種類のものだ。大規模なシングルセルアトラスは観察的なもので、そこに存在する健康な細胞を記述しているにすぎない。創薬には因果的な答えが必要だ。この遺伝子の発現を下げたら何が起きるか?観察データがなぜそこにたどり着けないかについてのChuの説明は、今週語られた中で最も明快なバージョンだった:
「例えば、記述的なデータセットの中で遺伝子A、B、Cが一緒に上下するのを観察したとします。AがBとCを制御していると推論できます……でも同様に、BがAとCを制御しているとも言えて、それも完全に妥当なんです……そして、この一群のデータに因果的な制御ネットワークを当てはめる方法はn通りあります」
だからこそ、彼が言うには、記述的データで訓練されたモデルは「因果タスクにおいてまだ線形モデルを上回っていない」。50億パラメータのモデルが単純な直線に負けるというのは、まさにそのモデルを出荷したばかりの企業にとって、異例なほど率直な告白だ。
第三に:資金は動いており、自社で実験を所有する企業に向かって動いている。 Ground Truthsで、ARC Institute共同創業者のPatrick Hsuは、あらゆる創業者が心に留めておくべき指摘をした。フロンティアAIラボは今や製薬予算を巡って直接競合しており、業界で最も安い資本を持っている。
「もし今日、まったく新しいターゲットに対して開発を試みるためにベンチャーキャピタルを調達しようとするなら……最初の2、3、4、5、6、7、8年は資金を失い続ける事業になります」
それをHsuが年間ランレートで約600億ドルと見積もるAnthropicと比較してほしい。彼は「中間層をめぐる争い」を描写した。FutureHouseはEdison Scientificをスピンオフし、Biomniチームはフィロをスピンオフし、AnthropicはClaude Scienceを立ち上げ、OpenAIは独自のツールを持ち、Chai Discoveryは抗体設計モデルを販売している。すべてが同じ製薬会社の調達会議に足を踏み入れているのだ。
注目すべき企業
Xaira Therapeutics:X-Cell。 Xairaは、遺伝子をオフにしたときに細胞に何が起きるかを予測する、49億パラメータの「バーチャルセル」モデルX-Cellを発表した。興味深いのはモデルそのものではなく、その裏にある「工場」だ。Xairaは、Perturb-seqと呼ばれるプールドCRISPR技術を使い、独自に訓練データを構築した。この技術は、単一の混合実験の中で、何千もの細胞にわたり細胞ごとに1つの遺伝子をノックアウトできるため、除去すべきバッチ効果が発生しない。その結果得られたPiscesデータセットは、16の細胞タイプにわたる2,500万個の細胞をゲノム全体規模でカバーする。
重要だった結果は次の通りだ:彼らは静止状態のT細胞だけでモデルを訓練し、その後、一度も見たことのない活性化T細胞に対して摂動が何をもたらすかを予測させた。それはうまくいった。Bo Wangはその反応を「生物学者にとって驚きの瞬間だった。生物学者がこのモデルが、これまで見たことのない細胞株が異なる摂動にどう正確に反応するかを予測できると初めて実際に確認した瞬間だ」と表現した。
Wangはまた、実際に性能を左右したものについて順位付けを行い、この分野で何かを構築している人にとって異例なほど有用な洞察を示した。「データセットの規模に対する質、次にアーキテクチャ、そして事前知識」。彼は、自己回帰的な訓練から拡散型言語モデルへ切り替えたことで、特に未見のタスクへの汎化において顕著な向上が得られたと述べた。 Latent Space: The AI Engineer Podcast, "Causal Models Need Causal Data: Xaira's X-Cell model for Drug Discovery"(2026年7月21日)
Anthropic:Coefficient BioとClaude Science。 Patrick Hsuは、AnthropicがGenentechの抗体エンジニアリンググループ出身で、ゼロショット抗体設計を行うスタートアップCoefficient Bioを買収したこと、そして研究用ワークベンチであるClaude Scienceを立ち上げたことを確認した。Hsuはこの動きを、プリンストン大学で計算神経科学のPhDを取得したCEO Dario Amodeiの経歴と結びつけている。彼のワークベンチの説明は、この流れがどこへ向かっているかをよく示している。コーディング能力を全く持たない生物学者が「Evoを使って新しいDNA組換え酵素を生成したい」と言えば、システムがサブエージェントをディスパッチし、ブラウザ内でAlphaFoldを呼び出して生成されたタンパク質が妥当に見えるかを確認し、その後DNAを合成ベンダーに発注する。 Ground Truths, "Patrick Hsu: How Is AI Catalyzing Life Science?"(2026年7月20日)
ARC Institute。 設立から4年半、スタンフォード、バークレー、UCSFに兼任するアカデミアの研究者と、社内テクノロジーセンターとに分かれて構成されている。EvoとEvo2(進化全体にわたるDNAで訓練された言語モデル)、およびStateとStack(最初のバーチャルセルモデル)を発表している。Hsuが描いた野心は、モデルを逆向きに動かすことだ。病んだ細胞状態で初期化し、どのような摂動の連続が細胞を健康な方向へ動かすかを問う。「それは単一の魔法のような摂動ではないかもしれません……時間をかけた組み合わせによって、細胞状態のマニフォールドをゆっくりとナビゲートするものかもしれません」。ARCはまた、アルツハイマー病の創薬ターゲットについてOpenAIと協働している。 Ground Truths, "Patrick Hsu: How Is AI Catalyzing Life Science?"(2026年7月20日)
Biomni(スタンフォード)。 Science誌に掲載され、Ground Truthsで詳しく議論された。150の専門ツールとソフトウェアパッケージ、そして2,500本の論文データベースに接続されたエージェントだ。テストケースは異例なほど幅広かった。希少疾患の診断、シングルセル解析、そして特筆すべきは、COVID研究における1,000人以上の参加者から得た14億件の心拍数データを含むウェアラブルセンサーデータで、そこから6つのバイオマーカーを検証した。また、30万個を超える単一細胞を処理し、胚性骨格発生における新しい経路を特定した。なぜこれが突然うまくいくのかについてのHsuの見立ては、コーディングエージェントが優れてきたことの下流的効果だというものだ。コードは端から端まで検証可能であるため、コーディングモデルが最も速く改善し、今や生物学を含む他のあらゆる垂直領域の上流に位置するようになった。 Ground Truths, "Patrick Hsu: How Is AI Catalyzing Life Science?"(2026年7月20日)
CytheraとSilicon Therapeutics:Woody Sherman。 Shermanは10年以上Schrödingerに在籍し、Silicon Therapeuticsを創業、Roivantでプラットフォームをスケールさせ、現在は今日では注射用の生物製剤でしか到達できない免疫学ターゲット向けの経口薬を開発しているCytheraでサイエンスを率いている。
Silicon Therapeuticsの物語は具体的な証拠だ。STINGアゴニストを、コンセプトから臨床まで約3年で、計算担当者約10人とウェットラボ担当者約10人のチームで到達させた。STINGはほぼ創薬不可能とみなされていた。それを活性化する天然分子は環状ジヌクレオチドであり、何かをする前に体内から除去されてしまう、大きく扱いにくい分子だ。Shermanのチームは代わりに、はるかに小さな薬剤らしい分子を見つけ、結合ポケット内でそれ自身と、量子力学的なパイ‐パイスタッキング相互作用によってペアを組ませることに成功した。彼はこれが以前には決して行われたことがなかったと考えている。
それをモデリングできる商用ソフトウェアは存在しなかったため、彼らは自らツールを構築した。「プロジェクトのほんの数か月間しか必要ありませんでしたが、本当に重要な部分でした」。彼が要約する必要な規律は、創業者が壁に貼っておくべき言葉だ:
「計算は適切に使えば非常に強力になり得ますが、コンピューター上で医薬品を作ることはできません」
Data in Biotech, "Beyond Language: Why Drug Discovery Needs Physical AI, Not Just Large Language Models"(2026年7月20日)
Caris Life Sciences:MyClarity。 今週最も具体的な「AIはすでに臨床にある」の実例だ。EVP兼最高医療責任者のGeorge Sledge博士は、50万件を超える全エクソーム、50万件を超える全トランスクリプトーム、そして数百万枚のデジタル化された病理スライドからなるデータ資産を、請求データや電子カルテと紐づけて説明した。規模感でいうと、エクソームは23,000遺伝子、トランスクリプトームは細胞あたり61,000転写産物だ。
MyClarityは、医学において最も素朴なオブジェクトであるH&E染色スライドを基盤に動作しており、Sledgeはこれを「最先端の1877年の技術」と呼ぶ。医師の病理部門がスライドを送ると、それがデジタル化され、アップロードされ、アルゴリズムにかけられる。24時間以内に結果が返ってきて、初期段階のエストロゲン受容体陽性乳がん患者が早期再発のリスクがあるか(その場合は化学療法が必要かもしれない)、あるいは10〜20年後の晩期再発のリスクがあるか(その場合は延長ホルモン療法が必要)を教えてくれる。「これはほんの2年前でさえ、単純にできなかったことです」。
彼はまた、規模が何をもたらすかを示す好例を挙げた。ESR1増幅を研究するために、彼らは3万人の乳がん患者を検索して、およそ120例を見つけなければならなかった。
そして、臨床医がそもそもこれをなぜ必要としているかを示す衝撃的な統計もある。FDAの血液学・腫瘍学サイトでは、「過去5、6年間、文字通り毎週1つの新しい適応症が」ある。Sledgeの見立ては、「今この惑星で最も過酷な仕事は、一般的な臨床腫瘍医であることだ」。 Healthcare NOW Radio, "News You Can Use Special Edition: AI In Action with George Sledge"(2026年7月19日)
Initiate VenturesとTensorBio。 かつてCDCに在籍し、スタンフォードでがん生物学を研究し、Kleiner Perkinsの投資パートナーであり、80億ドル規模の企業へと育てたGrailの共同創業者でもあるJessica Owensは、共同創業者のYanaと(3社を上場させた)Randy Scottと共にInitiate Venturesを立ち上げた。彼らは、AIネイティブなヘルスケア企業を「ホワイトボード段階」で共同創業・支援しており、意図的に治療薬資産、農業テック、埋め込み型デバイスには投資しない。治療薬は「膨大な資本を必要とし」、彼らの持分モデルを壊してしまうためだ。
ポートフォリオ企業のTensorBioは、MASHにおける肝線維化のステージングを行う血液検査を開発している。Owensの市場計算は繰り返す価値がある。というのも、それは多くの投資家がニッチだと考える疾患を再構成するからだ。活動性疾患の患者2,000万人、前段階疾患の患者8,000万人。彼女の比較では、腫瘍学におけるリキッドバイオプシー全体を支えているのは、約1,800万人のがんサバイバーと年間約200万件の新規症例に過ぎない。「MASHは巨大です」。
臨床的ニーズは明確だ。2024年まで承認されたMASH治療薬はなかったので、誰もスクリーニングをしようとしなかった。今は薬がある(Rezdiffraは患者が線維化ステージF2以上であることを要求する)ので、患者は自分のステージを知る必要があり、次にその薬が効いているかどうかを知る必要がある。
彼女の規制上の指摘は、創業者が注目すべき点だ。誰もがこうした検査はFDA規制の対象になると思っていたが、実際にはラボ開発検査(LDT)とCLIAの経路が、当面の間は再び主流になりそうだという。これは商業的に重要だ:「一度FDA承認を受けると、それは固定され、検査を変更したいときはいつでもFDAに再提出しなければなりません」。CLIAの下では、診断は実世界の結果から学習し続けることができる。
彼女はまた、現在のピッチの流れにおけるエビデンスの質についても率直だった。「発見コホートは何だったんですかと聞くと、8人プラス大量のEHR記録という、そういうピッチをあまりにも多く見ます」。 The BioCentury Show, "Ep. 115: Initiate's Owens on what it takes to be AI-native"(2026年7月23日)
Yosemite(Reed Jobs)。 Reed Jobsの会社は、3億5,000万ドルを目標とする第2ファンドの初回クローズを発表した。このモデルは2つの軸で異例だ。腫瘍学のみに投資し(バイオテック全体の約40%)、投下資本の約3分の1が、しばしばイェール、バークレー、スタンフォードのアカデミアと共に、Yosemite自身が創業する企業に投じられる。ファンドと並行して、運用資産の2.5%が無条件の研究助成のための寄付者助言基金に投じられ、これに運用報酬から年間100万ドルが上乗せされる。1号ファンドでは、20社のうち2社が助成金から直接生まれた。
AIが実際に彼のために何をしているかについて:「AIが今実際にできることは、多くの地味な作業を加速することですが、正直なところ、必ずしもそれをより良くこなしているわけではありません。ただ、彼らがやっているのは、それを信じられないほど速く、再現可能で一貫した結果でこなすことです」。彼の例:あるターゲットに結合する分子を見つけるには、かつてはポスドクがX線結晶構造解析を行う必要があり、約5万ドルかかり、数週間を要した。「今ではこれは、数分でモデル化できることです」。
彼はまた、どのモデルよりも重要になり得る試験デザインの変化にも言及した。対照群を募集する代わりに、合成の代替を用い、実薬群だけを募集する。「これは必要な患者数を半減させ、この全体の速度を大幅に上げるでしょう」。彼はFDAが今それに傾いていると述べている。
彼が挙げた2つのマクロ数字。資金調達環境について:製薬業界は史上最大の特許切れの崖に直面しながら、過去最高の現金を抱えており、それがここ8か月ほどで買収の波を引き起こした。研究基盤について:昨年、ある政権はNIH予算の最大40%削減を求めたが、過去最大の削減幅は2009年の1%であり、それによって約7,000人のNIH科学者が職を失った。議会は40%の要求を拒否した。
そして、より優れた化学が何を可能にするかを示す最良の例:現在約400億ドルの価値を持つRevolution Medicinesは、膵臓がんにおいて最も高頻度に変異するがん遺伝子KRASを標的にしており、膵臓腺がんの生存期間を12か月から24か月へと倍増させた。Jobsのたとえでは、良い創薬ターゲットはパックマンのようなもので、塞ぐべき明白な口がある。KRASは「あなたのパックマンにとってのデス・スターのようなものです……ただ進み続けてあなたを殺すあの楕円形です」。Amgenの科学者たちは約10年前にその中に隠れたポケットを偶然発見し、それがLumakrasを生んだ。歴史的に見て、あなたのDNAがコードするものの約15%しか、そもそも創薬可能ではなかった。 StrictlyVC Download, "Reed Jobs Is Betting Cancer Doesn't Have to Be Fatal"(2026年7月21日)
Bayesian Health、そして反対の読み方。 ジョンズ・ホプキンスは、Suchi Sariaの研究室が開発し、Bayesian Healthが商用化した敗血症早期警告システムのFDA認可を発表した。臨床医より数時間早く敗血症を検知し、死亡率を20%近く削減する、認可を受けた最初期のAIベース医療ツールの一つとされている。Sariaは2017年に甥を敗血症で亡くした後、この研究の臨床応用を始めた。
Emily M. BenderとAlex Hannaは、Mystery AI Hype Theater 3000で基礎となる論文を検討し、この20%という数字は見出しよりもはるかに狭いものだと主張した。この後ろ向き研究は約469,000件の患者エンカウンターをスクリーニングし、そのうち9,805件が敗血症だった。分析は次に、システムが見逃した症例を除外し、真陽性の症例だけを見て、さらに医師がアラートに対応し、患者がまだ抗生物質を投与されていなかった症例に絞り込んだ。臨床医の注意を消費する誤警報は分母に含まれていない。Benderの言葉を借りれば、「どこかにパーセントを見たら、分母は何かを問わなければなりません」。
そもそもなぜ懐疑論があるのかという文脈として:その論文自身の引用文献は、最も広く導入されている敗血症早期警告システムの一つが、感度わずか33%、精度2.4%だったと指摘している。
同じエピソードは、公的機関に販売しようとする創業者が注意すべきことも浮き彫りにした。シアトル消防局は2019年からCortiとの関係を続けており、911通報にAIを使って通報者のルーティングを支援しているが、それは公開の審査もなく、通報者への通知もなく導入された。ワシントン州は911に例外を設けた二者同意州である。 Mystery AI Hype Theater 3000, "State of Emergency, 2026.06.29"(2026年7月23日)
ParadigmとMassive Bio:FDAのAIパイロット。 FDAは、早期段階の臨床試験のAI支援最適化に関するパイロットについて、意見公募を行っており、Note to Fileのホストたちは公開されたコメントを読み通した。Massive Bioの中心的な提言は、FDAはこれを「規制グレードで、人間が統治するAI支援の試験オーケストレーションプログラムとして設計すべきであり、狭いモデル評価やスポンサーのみの運用実験としてではない」というものだ。ホストたちの反応、「スポンサーのみの運用実験のように見えますね。というか、100%そうです」は、これを見守る実務者たちの空気感を捉えている。
彼らのより鋭い問いは、設計上の選択に関するものだった。このパイロットは腫瘍学から始まるが、彼らはこれを目的次第で賢明とも見え、素朴とも見えると考える。腫瘍学の試験は乱雑で登録が難しいが、腫瘍学の試験参加はしばしば臨床ケアそのものであるため、データはすでに電子カルテの中にある。もし本当に実証したいのがEHR統合であるなら(Paradigmのアプローチが示唆するように)、これは適切な実証の場になる。
これとは別に、同じ番組はFDAのリアルタイム臨床試験イニシアチブも取り上げた。2つの概念実証試験が、エンドポイントを発生と同時に当局へストリーミングしており、主張されている「デッドタイム」の45%削減については、未整理・未判定のデータをストリーミングしても実際のボトルネックである患者登録は解決しないと反論した。 Note to File: A Clinical Research Podcast, "WHO's New GCP Course, China Data Ban & FDA's AI Pilot"(2026年7月22日);"Real-Time Clinical Trials: FDA's Big Bet or Big Mess?"(2026年7月20日)
資金と市場、手短に
このバーティカルで資金を投じるなら知っておくべき2つのこと。
IPOの窓が開きつつあり、逆合併(リバースマージャー)が静かに本物の代替手段になっている。 Biotech Hangoutで、ホストたちは、MentariのNMEDへの逆合併が、片頭痛向けの二重特異性PACAP抗体(Lundbeckが最近、静脈内投与アプローチで検証したメカニズム)のために、ほぼ3億ドルのPIPEを伴っていたと指摘した。これは2億ドルを超える資金調達を伴う6件目のバイオテック逆合併となる。昨年は約3件、その前年は1件、それ以前はほとんどなかった。あるホストの言葉を借りれば、逆合併は「ついに、IPOの利点とIPO並みの資金調達を兼ね備えたIPOの近似を作る方法を見つけた」。トレードオフはセルサイドのカバレッジが薄くなることだが、より低い手数料によって部分的に相殺され、これらのPIPEのほとんどには銀行のスポンサーシップと、ある程度組み込まれたアナリストのフォローが伴う。
彼らはまた、まだ初期段階でPCSK9遺伝子サイレンシング療法についてオーストラリアTGAの承認を得ながら約1〜1.2億ドルを調達したScribe TherapeuticsのIPOを、45億ドルのプレマネー評価で6億ドル超を調達した2021年のSana Biotechnologyの前臨床IPOと対比させた。時代が違うのであり、ホストたちは多くの企業がIPOを選ぶというより、民間資本が尽きるのだと率直に語った。「多くの企業が民間投資家からの資金調達の終着点にいます……続けたいなら、IPOをするのです」。
受託研究機関(CRO)は破壊されているのではなく、マージンのレバーを手渡されている。 Clinical Trials Guruの見立てでは、需要は健全だ。IQVIAは2025年に163億ドルの収益を、320億ドルのR&Dバックログに対して報告し、ICONは82.5億ドルだった。スポンサーはもうプロジェクトマネジメントや事務作業には対価を払わなくなる、「それはコモディティ化した」と彼は主張するが、「スピード、登録の確実性、規制への信頼、クリーンなデータ、運用の透明性」には対価を払うだろう。
製薬会社がAIエージェントを使って臨床運営を再び社内に取り込むのではという懸念への彼の反論:「AIは施設との関係を持っていません。AIは理論上のアルゴリズムの外では、どの施設がうまくいくかを知りません」。彼はまた、採用における逆転を予想している。シニア人材が再び需要が高まり、ジュニアの役職が圧迫される。それはまさに、FDAのAIガイドライン草案が、ループの中に責任を負う人間を維持し続けているためだ。ツールがより多くの問題を表面化させるなら、それに対応するより経験豊富な人材が必要になる。
この市場に販売しようとする人にとっての一つの構造的な数字:2025年のあるレポートによると、医薬品開発企業の35%が2年間でファンクショナル・サービス・プロバイダーの利用を増やした一方、フルサービスのアウトソーシングを増やしたのは29%であり、柔軟でハイブリッドなモデルが今や臨床開発アウトソーシングの約3分の2を占めている。スポンサーはアラカルトを望んでいる。 Biotech Hangout, "Episode 190"(2026年7月24日);Random Musings From The Clinical Trials Guru, "The Worst Is Over for CROs and Jobs"(2026年7月20日)
一つの論争:物理学に勝ったと主張するAIモデルは信頼できるか?
これが今週の未解決の問いであり、そこには実際の資金がかかっている。
約6か月前、RecursionとMITはBoltzをオープンライセンスで公開し、約1,000倍の速度でFEPに近い品質の結合親和性予測ができるという見出しを打ち出した。(自由エネルギー摂動、すなわちFEPは、分子がターゲットにどれだけ強く結合するかを推定するために製薬会社が現在信頼している、遅く物理ベースのシミュレーションだ。高コストであり、ゴールドスタンダードでもある。)ニューラルネットワークがそれを千倍速く達成できるなら、もうループの中に物理学は必要なくなり、計算化学産業の大部分が一夜にして再評価される。
Woody Shermanの答えは異例なほど直接的だった:
「まず言えるのは、その主張は成り立たないということです。それがこの6か月間、この分野が学んできたことです。刺激的なニュースでした。素晴らしいプレスリリースでしたが、それは現実とは違うのです」
彼の主張は精緻であり、単なる却下ではない。学習型モデルがうまく機能するのは「そのターゲットと関心のある薬について、すでに十分なデータがある場合」だ。しかし、興味深い創薬プログラムの意義そのものは、そのようなデータが存在しない新しい領域へ向かうことにある。「この時点でのこれらのモデル、共フォールディングモデルの親和性予測能力は、物理ベースの自由エネルギー法には全く及びません。それらはターゲットについて何も知らないのです」。
より深い問題はベンチマークだ。Shermanは人々が本当に誠実であろうとしていると考えているが、それでもリークは起きるという。彼は、Pat Waltersが約1週間前に発表した記事を引用した。それは、2025年以前のすべてで訓練し、以降のすべてでテストするという、一見きれいに見える日付カットオフでさえリークすることを示していた。なぜなら、カットオフ以降に「発表」されたものが、実際にはわずかに異なる条件下で10年前に最初に発表されていたケースが多かったからだ。「それは依然として、以前すでに行われたことの検索テーブルにすぎません」。
彼は物理学が常に勝つと主張しているわけではない。データが蓄積されるにつれて「重要なエンドポイントに直接訓練するため、モデルは物理ベースのシミュレーションよりも正確になっていく」こと、そして物理学自体が近似だらけであることを認めている。分子動力学で使われるニュートン力場は量子力学の近似であり、まさにそれゆえに、彼自身のSTINGプログラムは薬を機能させるパイ‐パイスタッキング相互作用を見るために、実際の量子力学計算まで降りていく必要があった。
つまりこの論争は「AI対物理学」ではない。より狭く、より有用な問いだ:**学習型モデルは一度も見たことのないターゲットに汎化できるのか、それともすでに暗記した領域内で補間しているだけなのか?**これらの会話の中で、誰もこの問いに信頼できる形で答えるベンチマークを持っていると主張しなかった。
Shermanの慎重さとReed Jobsの楽観論を並べると、正直なレンジが得られる。Jobsは、モデルが新しい生物学を発見していると主張しているわけではない。彼が主張しているのは、モデルが地味な作業を速く、安く、再現可能な形でこなすということであり、それだけでも小さなチームが何を試みられるかが変わる。Shermanもそれには全面的に同意する。彼らが異なるのは次のステップについてだ。加速が本物の新規性へと積み重なり続けるのか、それとも訓練データの端で頭打ちになるのか。
Geouiは同じ分岐点を、最適化と発見の違いとして整理する。最適化、つまり細胞株に適した増殖培地を見つけたり、パラメータ空間をインテリジェントにサンプリングしたりすることは、「あまり創造性を必要としない類のこと」であり、彼はそれが完全に自律化されるべきだと主張する。一因は、人間こそが再現不可能性の源だからだ。彼はAmgenの論文で、腫瘍学実験の約60%が再現できなかったことが分かった例と、それを60〜70%とする後続のNature誌の調査を引用した。「質問を表現すること自体が難しい」発見は、依然として人間が重要な領域だ。
その区別こそが、おそらく創業者が今週から得られる最も有用なことだろう。最適化を自動化しているなら、今日その根拠は強力であり、ROIは測定可能だ。発見を売っているなら、今や誰かが数を数えているために、立証責任は重くなった。
規模についての一言
最後の数字が一つある。監査があってもなお、皆が挑戦し続ける理由を説明してくれるからだ。Geouiは低分子医薬品の探索空間を提示した。薬剤らしい分子はおよそ10の60乗個存在する。目安として、地球上のすべての砂粒はおよそ10の25乗個、宇宙のすべての原子はおよそ10の80乗個だ。
それらを合成することはできない。コンピューターの中にすべてを表現することさえできない。しかし、計算によって設計できる数は「実際に物理的に作れる数より何桁も多い」。
比較のために、彼は17万個のタンパク質構造を決定するのにおよそ50年の実験作業がかかったと述べた。AlphaFold以降、その数は数億件に達している。
AlphaFordが創薬を解決したわけではない。まともな人なら誰もそう主張しない。しかし、それは構造生物学者の博士課程4年分を消費していたステップを、わずか数分に変えた。それが、これまでのところこのバーティカルにおけるあらゆる本物の勝利の姿だ。治癒ではなく、かつては一つのキャリアそのものだったステップなのだ。
来週:セールス&カスタマーサービス。