医薬品開発の近代化への道：AI技術の適用から得られた経験と教訓

医薬品の発見と開発の加速は大きなビジネスであり、業界の運営コストは高いため、急速に成長しているこの業界では、AI 手法を使用してプロセス全体を最適化することが最優先事項となっています。

デロイトは、同社が追跡している世界トップ20のバイオ医薬品企業における新薬開発の平均コストが昨年15％ （ 2億9800万ドル増）上昇し、総額約23億ドルに達したことを明らかにした。 23億ドルは、新薬候補の発見、臨床試験から製品の発売までの全プロセスの平均コストをカバーします。

コストを削減し、効率を高めるために、多くのバイオ医薬品企業は AI 技術を活用して医薬品開発を加速し始めています。たとえば、以前の薬剤候補のタンパク質またはアミノ酸の配列/ 3D 構造とその特性に関する情報を使用して、機械学習モデルをトレーニングします。

この業界に詳しい友人なら、こうした候補薬のうち臨床試験の段階で成功するのは 10% 未満で、臨床試験 1 回あたりの開発コストはおよそ3,000 万ドルから3 億 1,000 万ドルだと聞いたことがあるかもしれません。このような高額な投資は、最終的に成功する薬に分散されなければなりません。さらに、被験者の実際の診断と治療サイクルも薬物研究の進歩を制限することになります。

AIと機械学習はどの分野に価値をもたらすのでしょうか?

2人の役割は複数のレベルで反映されます。まず、AI技術は医薬品開発に活用でき、一部の研究プロセスをスピードアップし、コスト削減と効率向上に役立ちます。研究によると、AI は新薬のスクリーニング時間を 40 ～ 50 % 短縮し、コストを大幅に削減できることがわかりました。

医薬品開発ライフサイクル全体を合理化する最善の方法を模索することは、製薬研究開発エコシステムの主要企業にとって最優先事項となっています。 AI技術を積極的に取り入れなければ、同業他社と対等に競争することは決してできないでしょう。

業界の有力な回答者にリーチし、より信頼性の高い専門家の意見を得るために、この記事では、ジョンソン・エンド・ジョンソンの子会社であるヤンセンファーマシューティカルズで初期の AI プロジェクトを担当していた BioPhy の創設者兼 CEO である Dave Latshaw 博士にインタビューしました。機械学習を使用して高分子抗体の製造を監督する実験を行った後、デイブ博士はジョンソン・エンド・ジョンソンの AI 研究グループ史上最年少のリーダーになりました。

Dave は、AI 手法をバイオテクノロジーおよび製薬業界に導入することに最も熱心に取り組んでおり、プロセスを簡素化し、意思決定を最適化し、ライフ サイエンス分野におけるさまざまな共同ユース ケースを強化することを望んでいます。彼の目標は、最終的にはイノベーションを推進し、世界中の患者の命を救う診断と治療法の開発を加速することです。

BioPhy やその他の主要な AI イノベーションバイオテクノロジー企業 ( AtomWise、BioVia、Cradle、DNANexus、exScientia、Iktosなど) はすでに市場に参入しており、主に 2 つの重要な AI ユースケースに重点を置いています。

もちろん、伝統的な大手製薬企業もAI技術を積極的に取り入れ、独自の成果を積み重ねています。ここでは、大手企業が AI を活用してバリュー チェーン プロセスの統合効率を向上させる方法については説明しません。この記事では、医薬品の研究開発と生産のロジックに焦点を当てます。

まず、新薬発見の段階では、生物学的および臨床的実現可能性データを定量化し、それによってバイオテクノロジーの新興企業と製薬大手の間に透明性の高いデータ主導の橋渡しを構築することが重要になります。科学文献、特許、臨床試験データ、市場動向などの大量の情報を分析できる AI モデルを開発することで、初期段階のバイオテクノロジー系スタートアップ企業は、潜在的な投資家に対して自社の競争上の優位性と差別化を示すことができます。このように、これらのスタートアップは、AI 駆動型の分析ツールとそれによって生成される定量的評価に支えられ、独自の利点と能力を実証することで、資金調達の成功の可能性を高めることができます。一方、製薬会社はこれを利用して、投資ポートフォリオに関するより適切な意思決定を行い、資本配分の効率性を高め、より有利な市場ポジションで承認を取得し、投資収益率を高めることもできます。

AI が医薬品開発プロセスにもたらす 2 つ目の大きな実用的な価値は、大規模な言語システムを使用して、運用、品質、規制など、医薬品の主要な開発機能を加速することです。具体的には、インテリジェンス規制の分野では、AI システムは大量の文書、ガイドライン、規制を分析して、製薬会社が規制に準拠し、規制当局の最新の要件に遅れないようにすることができます。これにより、業務効率が向上するだけでなく、コンプライアンス違反のリスクが軽減され、医薬品の開発および承認プロセスの遅延を回避することもできます。このような AI の使用事例は、クライアントが意思決定、リスク軽減、全体的な効率性の具体的な改善を実現するのに役立ちます。さらに、初期段階のバイオテクノロジーのスタートアップ企業も、AI主導のイノベーションの定量評価のサポートにより、中小企業は資金調達をより容易にすることができ、大手製薬会社も資金調達を加速できることを発見しました。

AI 主導のアプローチにより、創薬の複雑なバリュー チェーン全体にわたって最適化空間が大幅に改善されます。さらに、強力な AI を活用して市場性のある製品を構築することで、他の人もそこから真の洞察を得ることができるという、もう 1 つの大きなメリットがあります。

AIリーダーシップの旅

デイブ自身も非常に興味深い視点をいくつか共有し、AI 学習における自身の実際の経験について話しました。これらの洞察は、AI 製品を設計し、AI ビジネスを構築するすべてのリーダーにとって重要であり、製薬業界の複雑な問題に AI のインスピレーションをもたらすでしょう。彼が個人的に学んだ重要な経験と教訓の一部を紹介します。

まず、学際的なコラボレーションが最優先事項です。これは、AI 開発には、コンピューター サイエンス、数学、認知科学、言語学など、複数の分野の専門知識が必要であるためです。さまざまな分野の専門知識を統合することによってのみ、強力で効率的な AI システムを構築できます。言い換えれば、実務者自身が複数の分野を横断し、複数の分野の情報を統合することができれば、この相乗効果は特に顕著になります。

第二に、データの品質は非常に重要であり、これは強調しすぎることのない経験です。 AI アルゴリズムの成功は、トレーニング データの品質と多様性に大きく依存します。データが正確で、代表的で、偏りがないことを保証することによってのみ、さまざまなアプリケーション シナリオやユーザー グループで適切に機能する AI ツールを構築できます。つまり、アルゴリズムは確かに重要ですが、実際にモデルを決定するのはデータです。

3 番目に、AI の価値と機会を積極的に受け入れてください。そうしないと、AI の背後にある大きな可能性を放棄することになります。 AI は私たちの生活のあらゆる側面を劇的に変え、あらゆる業界に画期的な進歩をもたらす可能性を秘めています。これらの利点を最大限に実現するには、新たな可能性に対してオープンな姿勢を保ち、最先端の研究に投資し、AI 技術の開発をサポートして、最終的に個人と組織にとってより良い未来を創造することが重要です。 AI イノベーションが人間の能力を増幅し、すべての人にとってより包括的で豊かな未来を創造できるよう、責任ある AI 開発を奨励し、指導する必要があります。

4 番目に、リーダーとして、道徳的保護を日常的かつ規範として捉える必要があります。 AI が私たちの仕事や生活のあらゆる側面に普及するにつれて、私たちはこの技術の倫理的、道徳的影響について真剣に検討しなければなりません。 AI ツールが人間の価値観や社会規範とより密接に一致するようにするためには、データの誤用、人間の従業員の置き換え、意思決定の偏りなどの悪影響を防ぐためのガイドラインとフレームワークを開発する必要があります。

第五に、AIの学習の旅は終わりがなく、誰もが継続的に追跡して進化する必要があります。 AI 分野は依然として急速に進化しており、イノベーションの最前線に遅れずについていくためには継続的な学習が不可欠です。新しい開発を取り入れることで、常に変化する現実のニーズを満たす、より強力な AI システムを構築できます。最新の研究を常に把握し、学界と産業界の連携を強化することで、AI 分野の進歩が大きく加速されます。

また、さまざまなセミナーで、評判の高い一流の AI 研究人材を発掘するよう努めています。彼らの発見は、当社の AI 発見能力とアプリケーション エクスペリエンスの継続的な拡大に役立ちます。

AI研究者に乾杯

デイブが最も注目し、尊敬している AI 研究者の 1 人は、先駆的な研究を通じて AI の発展に長期にわたって貢献してきたユルゲン・シュミットフーバーです。機械学習とディープラーニング、特にリカレントニューラルネットワークに対する彼の初期の貢献は、今日の多くの AI テクノロジーの基礎を築きました。汎用人工知能 (AGI) に関する彼のビジョンは、世界中の研究者にインスピレーションを与え続けています。シュミットフーバー氏は、これまでのキャリアを通じて、汎用人工知能の開発という究極の目標を追求し、狭い専門的機能に限定されるのではなく、幅広い領域にわたってタスクを実行できる AI システムの構築を目指してきました。この話題は最近再び広く世間の注目を集めています。彼はビジョンを追求する過程で、常に強い好奇心と創造性を持ち続け、一般的かつ教師なしの方法で継続的な学習と自己改善を実現できる AI システムを作成したいと考えています。

AIキャリアプランニング - あなたはどんな道を選びましたか?

ディスカッションの最後に、デイブに若いリーダーたちへのアドバイスをお願いしました。彼は、熟慮した意見を惜しみなく提供し、次世代の技術人材を責任ある方法で指導し、彼らに新しい形の AI を形作る確固たる自信を与えようとしています。

AI の世界では、最先端の研究とブレークスルーを推進する基礎理論の革新者になることも、業界全体で AI ソリューションを効果的に適用および実装する実践者になることも選択できます。どちらの役割も AI 技術の進歩と普及に不可欠ですが、開発の方向性と重点は異なります。

基礎理論のイノベーターとして、私たちは AI 理論と基礎技術をより深く学ぶ必要があり、通常、それに参加するには修士号、さらには博士号を取得する必要があります。 AI 関連の分野では、この種の専門教育は、自然言語処理、コンピューター ビジョン、強化学習、ロボット工学などの特定の領域を理解し、関与するのに役立ちます。この役割では、新しいアルゴリズムの開発、AI と機械学習技術の現状の向上、AI の新しいアプリケーションの探索などを通じて貢献することが求められます。一般的に言えば、基礎イノベーターは通常、学術研究機関、AI 研究室、またはテクノロジー企業の研究開発部門で働いています。

一方、AI 実践者として、私たちは AI テクノロジーとツールを使用して、医療、金融、輸送などのさまざまな業界の現実の問題を解決することに重点を置いています。 AI システムを効果的に実装し、パフォーマンスを最適化し、具体的なメリットを実現するための鍵は、AI テクノロジーに対する深い理解と対象業界の現在の実践を組み合わせることです。これらの職種では、AI システム統合、プロジェクト管理、ビジネス分析に携わる人が多く、ドメインの専門家や関係者と緊密に連携する必要があります。

これら 2 つの道のどちらを選択するかは、間違いなくあなたの興味とキャリアの野心によって決まります。 AI の知識の限界を押し広げ、破壊的な進歩を生み出すことに情熱を持っている場合は、理論的なイノベーションの道の方が適しているかもしれません。 AI テクノロジーを適用して直接的な価値を提供し、組織や業界全体に大きな影響を与える変化を推進することで、より大きな満足感を得られるのであれば、実践ベースのキャリアが適切な選択かもしれません。

どちらの道を選ぶにしても、AI に関する基礎知識をしっかりと蓄積し、AI コミュニティと交流し、最新のトレンドや開発の方向性を常に把握しておく必要があります。

要約する

全体として、医薬品開発ライフサイクル全体にわたる AI アプリケーションは大きなビジネスです。多くの AI バイオテクノロジー中心のスタートアップ企業と同様に、BioPhy は世界に計り知れない潜在的影響をもたらしています。デイブの共有の重要性は、現実に適合する一連の AI 方法論を見つけたということだけでなく、CEO の卓越した感情的知性と才能の重要性に対する理解にもあります。彼は常に、協力と信頼こそが人類の最も困難な問題すべてを解決する前提であり核心であると信じており、健康、医学、医薬品開発の分野も例外ではありません。