新しい薬をデザインするAI、『無駄な試行』を5倍削減

『ナノボディ』って通常の抗体と何が違うの？医療現場で実際に使われてるもの？

ナノボディは抗体の小型版ですね。通常の抗体は Y 字型で約150キロダルトン。ナノボディはその10分の1程度、15キロダルトン前後という小ささです。サイズが小さいということは、腫瘍の奥深くまで浸透しやすいし、体内でも分解されにくい。製造コストも下がる。だからバイオ医薬品の開発では、ナノボディの方が有利な局面が増えてきています。 実際の医療現場では、すでに実用例があります。新型コロナ対策の初期段階で、ナノボディ由来の治療薬が使われた経歴がある。ただ、普及という点ではまだこれからの段階で、通常の抗体医薬品ほど確立した地位にはありません。 記事の新手法が面白いのは、このナノボディのような『小型で設計の自由度が高いもの』こそが、AI 設計の恩恵を受けやすいということです。探索空間が広い分、どの基本構造を選ぶかで結果が大きく分かれてしまう。それを計算の途中で軌道修正する仕組みを入れた。つまり、AI によるタンパク質設計が本当に実用的になるターニングポイントが、今なのかもしれません。

この技術が進むと、新しい薬が今より早く、安く開発されるようになるってこと？

早くなるのは確実ですが、「安く」は複雑です。 計算コストが下がるという意味では、開発の初期段階で確かに安くなります。いまは候補化合物を何千も合成して、その中から良いものを探す。その手間と材料費が莫大です。AI が設計を効率化すれば、合成する数を減らせる。 ただ、薬として世に出すまでのプロセス全体を見ると、話は別です。新しい薬には臨床試験という壁があります。どんなに AI で設計がうまくいっても、人間に投与して本当に安全か、効くのか、何年も試験し続ける。ここにかかるお金と時間は、むしろ増える傾向さえあります。規制当局の要求も年々厳しくなっている。 つまり、研究開発の前半戦「どの分子を作るべきか」という選択肢の検討が、いま5倍効率化された。でも薬全体の開発サイクルの中で、その部分は3割くらいのコストに過ぎないかもしれない。 より早く患者に届く可能性は高いと思いますが、薬代が劇的に下がるかどうかは、別の経済原理が左右するのかもしれません。

AI で薬の設計をするのは最近の話じゃなくて、これまでも試されてたけど、うまくいってなかったの？

AI による薬設計は確かに昔からあったんですが、これまでの限界は「試行錯誤の非効率さ」にあったと言えそうです。 従来のやり方だと、コンピュータが候補をたくさん生成した後、実験室で一つずつ検証する、という流れが必要でした。つまり、ある程度の数を作っておいて、その中から良いものを見つける「後付けの選別」に頼っていた。でも記事で指摘されているように、その前段階の「基本構造選び」が実は最重要なのに、この選択は往々にして運任せだったわけです。だから、いくら候補が多くても、方向性が間違っていれば結果が出ない。 新手法がやってることは、この「運の要素」を減らすこと。計算の最中に「これはいけそう」「これはダメそう」と判断して、限られた予算を有望な方へ集中投下する。言い換えれば、昔は「全員に等しく機会を与えて後で選ぶ」というやり方だったのに対し、今は「途中で有望性を嗅ぎ分けて資源を動かす」というアプローチに変わった。生成系 AI の進化によって、こういう「流動的な判断」が可能になってきたのかもしれません。

『途中で判断を変えて資源をシフトさせる』って、人間が試行錯誤するときもやってることじゃないの？

その通り。人間の研究者も実験室で同じことをやってますね。 ただ、人間がやってるのは「経験と勘」。何か手応えがなかったら、 別のアプローチに切り替える。でも、その判断にかかる時間コストは大きい。 実験結果が出るまで数日待つ、失敗の原因を考察する、新しい方針を立てる。 その間、計画は止まってる。だから実際には、 一度決めた道をある程度まで進めてから切り替える傾向になりがち。 AI の強みは、この判断と切り替えが「秒単位」で起きることなんです。 失敗のパターンを見つけたらすぐに計算を別方向に振り直す。 人間なら「これはダメかも」と疑いながらも、 すでに投入した時間や機材をもったいなく感じて続けてしまう。 心理的なしがみつきがない。 つまり、やってることは一緒だけど、スピードと徹底さで圧倒しているわけです。 人間の試行錯誤は「時間に制限される」ものですが、 AI は制限をほぼ受けない。その差が、5 倍という数字に表れているのかもしれません。

計算資源が『5倍効率化する』ってことは、同じ計算量で 5 倍の結果が出るわけで、逆に言うと『今までは 80% の計算が無駄だった』ってことなの？

その理解は直感的には自然だけど、実際はもう少し複雑なんです。 「80%が無駄だった」というより、「最初の選択が悪いと、その先すべてが無駄になる構造だった」という方が正確。記事でいえば、基本構造を誤ると、そこから先の細かい最適化がいくら進んでも成功しない。つまり計算資源の無駄さが、階段的だったわけです。 新手法は『計算の途中で判定する』という工夫をしたもの。すべてのプロセスが効率化したのではなく、失敗の道で使う予算を早めに止めて、有望な道へ振り分けた。だから同じ計算量なら、5倍多くの「異なる基本構造からの設計」を試せるようになった。 たとえば、5つの基本構造を並行して試す代わりに、途中で有望度を測定して予算配分を動かす。弱い候補は 20% の力で保留しておいて、有力候補に 80% 集中させる、みたいな感じ。結果的に有効な設計案が 5 倍増えるわけですが、これは「以前のやり方が 80% 無駄」というより、「見切りをつけるタイミングの最適化」に近いと言えそうです。