AI創薬の臨床成功率｜第I相80-90%から第II相の課題まで

2026年9月27日

World Health Expo 不明

概要

AIは標的同定や分子設計を通じて創薬プロセスを加速させており、AlphaFoldのようなツールを活用したタンパク質構造予測や生成モデルによる新規分子構造設計が可能になっています。AIによって発見された候補薬は第I相臨床試験で80〜90%の高い成功率を達成していますが、第II相では約40%に低下し、厳密な実験室およびヒト臨床検証の重要性が浮き彫りになっています。これは、デジタル予測が最終的に実世界での生物学的複雑さと検証を必要とすることを示しています。

詳細

主要成果

AIは創薬プロセスを大幅に加速させ、特にAlphaFoldに代表されるツールを用いたタンパク質構造予測や、生成モデルによる新規分子構造の設計において革命的な進歩を遂げています。AIが特定した薬物候補は、第I相臨床試験で80〜90%という高い成功率を達成する一方で、第II相臨床試験では成功率が約40%に低下することが示されました。この結果は、AIの予測能力が初期段階で強力であるものの、より複雑な生物学的環境における実証には、厳密な実験室およびヒト臨床検証が不可欠であることを明確に示しています。

技術・臨床詳細

AIは、膨大な化合物ライブラリから有望な候補を迅速にスクリーニングし、これまで見過ごされてきた標的を発見する能力を持っています。具体的には、機械学習アルゴリズムが既存のデータからパターンを学習し、新しい分子の合成経路を最適化したり、特定の疾患関連タンパク質に対する結合親和性の高い化合物を設計したりします。AlphaFoldのようなディープラーニングモデルは、アミノ酸配列からタンパク質の3D構造を正確に予測し、これによって新たな薬物標的の探索が飛躍的に効率化されました。しかし、AIが生成した候補薬が臨床開発に進むと、薬物の生体内動態、安全性プロファイル、さらには患者集団間の遺伝的・環境的差異といった複雑な要因に直面します。第I相での高い成功率は、主に安全性と初期の薬物動態評価に焦点を当てているためであり、より大規模な患者コホートで有効性を評価する第II相では、AI予測の限界が露呈することが少なくありません。

背景・業界文脈

製薬業界は、新薬開発にかかる時間とコストの削減、そして成功率の向上という長年の課題に直面しており、AIはこれらの課題を解決する強力なツールとして大きな期待が寄せられてきました。多くの製薬企業がAIスタートアップとの提携や、社内でのAI研究開発投資を積極的に行い、創薬のあらゆる段階でのAI適用を模索しています。しかし、AIによって発見された薬物候補が、従来の創薬手法による候補と同様に、臨床試験の後半で挫折するケースが多いという事実は、AI創薬アプローチの成熟度と、依然として存在する科学的・技術的ギャップを示唆しています。これは、AI技術の導入が単なる効率化に留まらず、基礎研究と臨床開発の間のギャップを埋めるための、より深い統合と検証が求められている現状を浮き彫りにしています。

今後の展望

AI創薬の将来的な成功は、AIモデルの予測能力をさらに洗練させ、より複雑な生物学的コンテキストと現実世界の臨床データを統合する能力にかかっています。これには、マルチオミクスデータ（ゲノミクス、プロテオミクス、メタボロミクスなど）とリアルワールドエビデンス（RWE）を組み合わせた大規模なデータセットの構築と、それを活用したAIモデルの訓練が不可欠です。また、AIと人間の専門知識を融合させた「ヒューマン・イン・ザ・ループ」アプローチや、AIの予測に対する「説明可能性」を高める研究も重要です。これにより、AIがなぜ特定の候補を推奨するのか、その生物学的根拠を人間が理解し、さらなる実験的検証や臨床試験のデザインに活かすことができます。最終的には、AIが基礎研究から臨床応用までを一貫して支援する、真に統合された創薬プラットフォームの実現が期待されます。

元記事: https://www.worldhealthexpo.com/insights/medical-laboratory/ai-in-drug-discovery

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録（週刊・技術動向レポート）

ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。