データ不足でも新しい抗体が設計できる AI、たった 100 個のサンプルで

『相対的な比較で学ぶ』って、『絶対的な数値を予測する』のと何が違うの？

絶対値で学ぶというのは、「この抗体の結合力は 8.5」みたいに、個々のデータポイントの正確な数字を予測する方式です。そのためには、サンプルごとの測定値が何千個も必要になる。一方、相対比較は「AとBを比べたら、Aの方が強い」という大小関係だけを学ぶ。同じ100個のデータでも、その中から比較ペアを無数に作れるので、情報量が効率的に増える感覚ですね。 たとえるなら、絶対値予測は「全員の身長を正確に測る」で、相対比較は「この人とあの人、どっちが背が高い？」という質問を繰り返す感じ。身長の正確な値を1000人分知るより、100人の相互比較から「背の序列」を推測する方が、実は情報としてはロバストなのかもしれません。医薬品開発では「どの抗体が最も効くのか」という相対的な優劣が重要で、絶対的な数値の精密さはそこまで必要ないというのが、この発想の肝と言えそうです。

この技術が実用化されると、新しい薬が病院に届くまでの時間や費用が変わることになるの？

医薬品開発の時間と費用の構図を考えると、この技術は「初期段階」の加速が本当の価値なのかもしれません。 通常、抗体医薬の開発には10年以上かかります。その大部分は、候補物質から有望な分子を絞り込む段階。試行錯誤で数千、数万の候補を評価して、やっと数十個の「次のステップに進める分子」が見つかる。DyAb は、この篩い分けのプロセスを劇的に短縮できる可能性があります。 ただ落とし穴があります。候補が早く見つかっても、その後の臨床試験は短縮できない。むしろ、AIが提案した分子が本当に安全か効くのか、人間で検証するのに数年かかる。つまり全体の時間短縮は、期待ほど劇的ではない側面もあります。 費用の削減は見込みやすい。実験データを取るコストが圧倒的に減るので、医薬品開発企業、特にスタートアップが参入しやすくなる。結果、競争が生まれ、市場に新しい選択肢が増える可能性があります。時間より、むしろ「誰でも挑戦できる敷居が下がる」ことが、医療に波紋を広げていくのかもしれません。

医薬品開発でずっとデータ不足が課題だったのに、なぜ今になってこんな方法が生まれたの？

「タンパク質言語モデルの登場」という背景があります。 これまで医薬品開発では、個々の分子の性質を一から学ぶしかなかった。だから数千個のデータが必要だった。ところが、ここ数年で、既存の大量のタンパク質データから「タンパク質の言語的なパターン」を事前学習したモデルが出てきた。これが画期的だった。 つまり、今回の DyAb は「新しいことを一から学ぶ」のではなく、「既に学んだ知識を、少ないデータで応用する」という段階に進んだわけです。さらに、発想の転換も重要。絶対値ではなく「相対比較」で学ぶことで、データの効率が飛躍的に上がった。 医薬品の開発速度が社会的に求められるようになったのも背景にあるはずです。パンデミックのような緊急事態で「数千個のデータを集めている暇はない」という実務的な圧力も、こうした研究を加速させたのかもしれません。

これって『少ないデータから最大限を引き出す』という、医療に限らず色々な分野が抱えてる問題へのアプローチなの？

そこは本当のところ、半分イエス、半分ノーかもしれません。 確かに「データ不足で予測する」という課題は医療に限りません。気象予測、地震予知、稀な病気の治療法探索など、どの分野でも数を集めるのが難しい領域はあります。ただ、この DyAb というアプローチは、医薬品開発に特化した工夫なんですよね。 キーは「相対比較で学ぶ」という発想。抗体の強さを絶対値で予測するのではなく、「AとBならBの方が強い」という順序関係だけを学ぶ。これが医薬品開発で特に有効なのは、開発者たちがもともと「一番強い候補を見つける」という相対的な目標を持っているからです。100個のサンプルでも、それらの順序さえ正しく予測できれば、開発に進める分子が選別できる。 つまり、問題解決というより、医薬品業界の現実的なニーズに AI の学び方を合わせ直した、という色合いが強いと言えそうです。

従来の方法で『数千個のデータが必要』とされてきたのは、技術的な限界だったの、それとも単に『そうするのが当たり前』と思い込まれてただけなの？

おそらく両方なんだと思うようです。 技術的には、従来の機械学習モデルが「絶対値を予測する」というタスクに設計されていたので、そこには本当の限界があった。数千個のデータがないと、モデルが過学習に陥りやすいのは物理的な制約に近い。 でも同時に、医薬開発の実務の中で「だから大量のデータが要る」という思い込みが定着しちゃったんでしょう。研究チーム側も開発者側も、それが「必要な宿命」だと受け入れていた。 DyAbが面白いのは、この二つの壁に同時に切り込んでるからです。発想を『相対比較』に切り替えることで、技術的な限界を下げた。すると同時に「実は少ないデータでいけるんじゃないか」という可能性が見えた。 言い換えると、限界と思い込みが絡み合ってて、一方を解くと他方も緩むという構造だったのかもしれません。革新的なアイデアって、しばしば「その前提は本当に必要だったのか」という問い直しから生まれるものだと言えそう。