新しい薬が患者に届くまでには、候補物質の発見だけでなく、実験の手配、データの整理、製造方法の検討、規制当局への申請など、多くの工程があります。
AIが分子を設計できるかだけでは、創薬の時間や費用をどれだけ減らせるかは分かりません。
Claudeを開発するAnthropicは2026年10月27日、自社でも創薬研究を進めていると公表しました。
買収したMithril Medicineの研究では、Claudeが科学的な作業と研究運営の双方を支援しています。
一方、報告された成果はまだ初期段階で、薬としての有効性や安全性を人で確かめたものではありません。
何を任せ、どこに人の判断が残るのかを見ていきます。
Anthropicが買収した米Mithril Medicineは、2種類の希少な筋ジストロフィーの治療法を研究してきたバイオ企業です。
創業者のコーディ・トランバーガー氏が1人で運営し、Claudeを使いながら11の外部研究機関との契約、物流、実験を調整してきました。
ここでいう「1人の企業」は、すべての実験を1人で行ったという意味ではありません。
実験などは外部の研究機関と連携して進められています。
Anthropicによると、対象疾患の一つについて、治療法の構想からマウスでの有望な結果まで18カ月未満で到達しました。
ただし、この期間だけから従来の創薬より何倍速いとは判断できません。
疾患や研究段階、比較対象によって必要な作業が異なるためです。
トランバーガー氏はAnthropicに移った後も研究を続けています。
同社は新たな創薬プログラムも立ち上げる予定ですが、その成果が医薬品になるかどうかは、今後の試験にかかっています。
Anthropicは自社研究に加え、創薬に取り組む6組織との協業を紹介しています。
対象は抗体候補の設計から製造書類の確認、臨床試験の計画まで幅広く、研究者向け作業環境「Claude Science」やライフサイエンス分野の利用支援も展開しています。
同社は、実際の研究に深く関わることでモデルの得意・不得意を把握し、製品の改善や研究コミュニティへの事例提供につなげる方針です。
自社で創薬に取り組む意義は、医薬品候補を育てることと、研究現場の課題をAI開発に反映することの両方にあります。
AI創薬と聞くと、AIが新しい薬の分子を考える場面を想像しやすいかもしれません。
しかし、研究を前に進めるには、候補をどの順番で試し、必要な試料をどこへ送り、どの外部機関に何を依頼するかも決めなければなりません。
Mithrilの事例でClaudeが担ったのは、こうした情報整理や調整を含む作業です。
ITmediaによると、113種類の抗体候補を外部の受託研究機関5社で評価する計画の策定時に、Claudeは341ページの製造データを読み込み、8分足らずで候補を試験に回すもの、再精製するもの、見送るものに分類しました。
依頼メールも下書きし、担当者が手直しして送っています。
これらは特定の研究で報告された作業時間であり、創薬全体が同じ割合で短縮されたという意味ではありません。
それでも、散在する資料から次の作業案を作り、人がレビューできる形にする使い方は、大量の調整が発生する研究で役立つ可能性があります。
Claudeが試験計画を整理しても、候補が実際に働くかどうかは実験で確かめる必要があります。
抗体の製造、試料の取り扱い、動物試験、結果の解釈には、それぞれ専門的な設備と知識が求められます。
役割を分けて見ると、Claudeは資料を読み、選択肢をまとめ、依頼文などの作業を支援する存在です。
研究者は目的や前提を定め、AIの提案を確認し、外部機関と連携して結果を評価します。
モデルの回答がそれらの検証を代替したわけではありません。
対象の一つであるLAMA2関連先天性筋ジストロフィーは、筋肉を支えるタンパク質の異常に関連する希少疾患です。
Mithrilは、2つの異なる標的に結合できる「二重特異性抗体」を利用し、筋線維と周囲の構造をつなぐ働きを補う治療法を研究しています。
イメージとしては、失われた結合を別のタンパク質を利用して橋渡しする設計です。
もう一つの対象であるα-ジストログリカノパチーにも応用できる可能性が検討されていますが、同じ治療法がどちらにも有効だと証明されたわけではありません。
ITmediaが技術報告書をもとに伝えたところでは、病気のモデルマウスを使った小規模な予備試験で、試作した2種類の抗体のうち1種類を6週間投与した群は、薬を含まない液を投与した群に比べ、前脚の筋力と握力が約2倍でした。
この結果は、研究を続ける根拠になり得る一方、患者の筋力が2倍になるという意味ではありません。
動物モデルは病気の一部を再現するものの、人での効果や副作用をそのまま予測できるわけではないためです。
報告書は査読前であり、結果の再現性や適切な比較、長期的な安全性も今後の検討対象になります。
Anthropicは、候補薬が今後も有望な結果を維持すれば、早ければ2028年後半に人での臨床試験を始められるとの見通しを示しています。
これは条件付きの目標であり、開始が決まった日程ではありません。
臨床試験に進んだとしても、承認や実用化までにはさらに検証が必要です。
AIの利用で作業を早められても、出力が正しいとは限りません。
ITmediaによると、Claudeが作成した依頼には、相手が求めた量より少ない抗体量を記載するなどの誤りがあり、少なくとも3件は担当者の確認をすり抜けて外部の受託研究機関に届きました。
研究方針のような大きな判断には注意が向いても、数量や前提条件は見落としやすい。
この事例が示すのは、確認者を置くだけでなく、何を照合するかを決めておく必要です。
依頼先、試料名、数量、単位、期限を元資料と照合し、曖昧な点を発注前に確認する仕組みが考えられます。
また、AIが読み取った資料の前提が誤っていれば、その後の分類や計画も影響を受けます。
見やすい一覧や自信ありげな文章に整理されていても、実験データの正しさや医学的な妥当性が保証されるわけではありません。
初期研究を効率化できても、薬の品質、安全性、有効性を確かめる工程は残ります。
動物での結果が人にも当てはまるとは限らず、候補の製造や試験参加者の募集、規制上の手続きにも時間がかかります。
今回の発表はAnthropicと提携先による成果報告です。
実際の効果を判断するには、独立した研究者による検証や、比較可能な条件での評価を待つ必要があります。
患者や家族にとっては、研究上の期待と、利用できる治療法の情報を分けて受け取ることが大切です。
Anthropicの発表には、Mithril以外にも複数の事例があります。
例えば、Envedaとの取り組みでは、製造関連の文書をClaudeが確認し、人が見つけた問題に加えて見落としていた問題も指摘したとされています。
別の協業では、抗体候補の設計や評価にも利用されました。
これらは各社が公表した個別事例であり、そのまま業界全体の平均的な成果を示すものではありません。
それでも、研究を止める要因が分子の設計だけにあるわけではないことは分かります。
資料の確認、関係者との調整、試験の準備が速くなれば、研究者が実験の設計や結果の解釈に時間を割きやすくなる可能性があります。
希少疾患では、患者数が少ないため、研究費の確保や事業化が難しくなる場合があります。
少人数のチームが外部機関を利用しながら、AIで情報整理や調整を支援できれば、これまで着手しにくかった研究に取り組む選択肢が広がるかもしれません。
ただし、AIを導入すれば実験費用や専門家の判断が不要になるわけではありません。
Mithrilの事例も、外部の研究機関があって初めて成り立っています。
実際に研究の総費用や成功率が改善するかは、同じ条件での比較や長期的な追跡が必要です。
AI企業にとっては、現場の研究に参加することで、自社モデルの改善に必要な情報を得られる利点もあります。
一方で、成果の発表には事業上の動機も伴います。
読者は導入事例の数字を見る際、誰が報告した結果か、何と比較したか、研究のどの段階かを合わせて確認するとよいでしょう。
Anthropicの創薬参入で注目したいのは、Claudeが抗体候補の検討だけでなく、外部機関をまたぐ研究の段取りにも使われている点です。
少人数でも複数の作業を進めやすくなる可能性がある一方、依頼内容の誤りや実験での検証は、人が引き続き向き合う課題として残ります。
今回の研究を追う際は、マウス試験の結果だけで結論を出さず、候補薬の追加試験、安全性、臨床試験への移行を順に確認することが必要です。
AIが研究を支援したという事実と、患者に使える治療薬ができたかどうかは、それぞれ別の段階として捉えましょう。
.png){kind=logo}
