医学のあゆみ296巻1号 AI×ビッグデータが実現する創薬DX

はじめに

製薬産業は新薬開発の難化や開発費の高騰に直面し，日本では研究開発投資の不足も重なって国際競争力の低下が懸念されている．AI （artificial intelligence；人工知能）への期待は高いものの，高品質データの不足や実装の難しさから十分に力を発揮できていないのが現状である．筆者らはこうした課題に対し，産学連携コンソーシアムLINC（Life IntelligenceConsortium；ライフ　インテリジェンス　コンソーシアム）や，日本医療研究開発機構（AMED）の産学連携による次世代創薬AI開発（DAIIA）事業を通じて連合学習体制を築いてきた．さらに，2025年度からAMED新規事業として「汎用生成AIとシミュレーションに基づく次世代創薬DXプラットフォームの構築」プロジェクトを開始した．本特集は，この次世代創薬DX（digital transformation；デジタルトランスフォーメーション）の思想と構想を共有する場として企画したものである．

目次は，創薬プロセス全体と，それを支える計算基盤技術の両面を意識して構成した．第1～6稿では，疾患予防，AI創薬，ゲノム医療，臨床データと大規模言語モデル（largelanguage model：LLM），マルチオミクス，分子ネットワークなど，患者から細胞・分子レベルまで多層的に広がるデータを用いた標的探索のあり方を整理する．第7～10稿では，低分子，中分子，核酸，抗体というモダリティ別に，生成AIとADMET（absorption, distribution,metabolism, excretion and toxicity）予測を組み込んだ薬剤設計の方向性を示す．さらに第11・12稿では，トランスレーショナルリサーチや臨床試験において，AIがデータと創薬実務を橋渡しするための課題と実装方法を扱った．

第13～17稿では，基盤モデル，kMoL，タンパク質言語モデル，AlphaFold・CryoTwin，シミュレーションとAI連携といった，本プロジェクトの核となる計算基盤技術を体系化し，第18稿でそれらを統合する創薬DXプラットフォームの姿を描いた．

本特集が，日本発の創薬DXを前進させるための共通基盤となることを期待している．

奥野恭史
京都大学大学院医学研究科 ビッグデータ医科学分野