AIパワードの薬剤発見におけるデータの問題

AIが薬剤発見に急速に浸透している中、最も重要な質問は、次のモデルがどれほど強力になるかではなく、どのようなデータから学習するかということである。

Anthropicの最近の薬剤開発への参入は、人工知能が汎用的な推論から応用科学へと進化していることを示す最新の兆しである。これは、分野における実質的な進歩と、AIが新薬の発見を有意義に変革できるという自信の成長を反映している。しかし、目標が臨床的な成功率を向上させることであるならば（ただし、発見を加速することだけではなく）、これらのシステムの基盤となる生物学的データが、実際の人間の生物学を学習することができるかどうかを問うべきである。

これまで、業界の焦点は、ますます洗練されたアルゴリズムの構築に置かれてきた。より大きなモデル、より多くのコンピューティング、より優れたアーキテクチャは、タンパク質構造予測、ターゲットの同定、分子設計、その他の生物医学研究の分野で著しい進歩をもたらした。これらの革新は、受けた注目を正当化している。

しかし、注目が少ないのは、これらのシステムの基盤となる生物学的基盤である。

AIは、パターンを発見することに非常に優れている。しかし、生物学が単に測定可能であるか、実際に患者に何が起こるかを予測するものかを区別することはできない。AIパワードの薬剤発見の天井は、モデルの知能だけでなく、モデルのトレーニング、検証、ベンチマークに使用される人間のデータの忠実性によって決まる。もし、AIがより優れた薬剤を提供するのではなく、単により迅速な仮説を提供するのではなく、より優れた薬剤を提供することを望むならば、高品質の人間の生物学的データインフラストラクチャを構築することは、次のAI世代を構築することと同等の重要性を持つかもしれない。

AIは、生物学から学習するしかない

すべてのAIモデルは、学習する情報によって制約される。薬剤開発は、生物学が極めて複雑であるという特に困難な課題を提起する。人間の疾患は、遺伝子、年齢、性別、合併症、免疫反応、環境への暴露、そして部分的にしか理解されていない数千の相互作用する分子経路によって影響を受ける。

歴史的に、薬剤開発で使用される実験データの多くは、動物研究、不死化細胞株、簡略化されたin vitroシステム、計算シミュレーションから得られたものである。これらのツールは、生物医学科学を大きく進歩させてきたが、人間の生理学を完全に再現することはできないことが、数十年の経験から明らかになっている。

約90%の薬剤候補が臨床試験に参加するものの、最終的に失敗する。効果の欠如と予期せぬ安全性の発見が主な要因となっている。多くの要因がこれらの失敗に寄与しているが、繰り返し出てくるテーマは、前臨床モデルの多くが、実際の患者における結果を予測するのに苦労することである。

もしAIシステムが、前臨床モデルの制限を知った上でデータを学習するならば、それらの制限が残ることは驚くことではない。AIはパターンを認識する能力が優れているが、学習データに存在しない生物学的真実を発明することはできない。

より多くのデータは、必ずしもより優れたデータであるわけではない

AIコミュニティは、スケーリング法則について話すことが多い。つまり、大規模なデータセットは、モデル性能の向上につながることが多い。しかし、生物学では、数量と質は交換可能ではない。人間の生理学をあまり反映しない実験システムから収集された数百万のデータポイントは、臨床的に関連のある人間の生物学から生成された小規模なデータセットよりも、予測値が少ないかもしれない。この区別は、目標が単に予測ではなく、患者への成功した結果につながる予測である薬剤開発において、特に重要となる。

高忠実度の人間の生物学的データは、従来の研究室データセットとはいくつかの重要な点で異なる。生物学的機能を捉えるのではなく、静的なスナップショットを捉える。組織、細胞のアーキテクチャ、灌流、代謝、薬理学の関係を保存する。患者履歴、臨床的特性、分子測定、機能的反応を同じ生物システム内に組み込む。最も重要なのは、実際に人間に存在する生物学を測定することである。

AIが複雑なデータから微妙なパターンを抽出する能力が向上するにつれて、パターンの質は、基礎となる生物学の質と切り離せないものとなる。

次の競争上の優位性は、人間のデータインフラストラクチャであるかもしれない

過去数年間で、基礎モデル、計算インフラストラクチャ、特殊なAIアーキテクチャへの巨額の投資が行われてきた。人間の生物学的データを体系的に生成するためのインフラストラクチャへの注目は、まだ十分ではない。

人間の生物学的標本は、固有に制限されており、某種のドナーインフラストラクチャとの統合を必要とする。標準化は挑戦的である。実験プロトコルは再現可能でなければならない。メタデータは包括的でなければならない。マルチオミクス測定、イメージング、機能アッセイ、臨床的背景を、計算学習に十分一貫性のあるデータセットに統合する必要がある。

これは、従来のソフトウェアエンジニアリングとは異なる。生物学的操作を調整して、数年間にわたって再現可能で、規制当局が承認するデータセットを生成する必要がある。クラウドインフラストラクチャが現代のソフトウェア開発に不可欠になったのと同様に、人間の生物学的インフラストラクチャは、次のAI駆動型治療の基盤となるかもしれない。今日このインフラストラクチャに投資する組織は、最終的に、明日のAIモデルが何を学習できるかを形作ることになるだろう。

規制当局はこの方向に動いている

重要なのは、この議論は学術的な好奇心を超えたものである。規制当局自身が、人間に関連する証拠を強調し始めている。FDAは、新しいアプローチ手法（NAMs）への支援を拡大し、経路を概説している。計算モデル、オルガノンチップ技術、先進的なin vitroシステム、その他の人間に関連するアプローチが、規制上の意思決定に貢献する方法についてである。

この変化は、重要な現実を認識している。計算方法がより洗練されるにつれて、その予測に対する信頼は、生物学的証拠に対する信頼に依存する。もし、より優れたAIにはより優れた検証が必要であり、より優れた検証にはより優れた人間のデータが必要であるならば、より優れたAIには、モデルが基づく人間のデータが必要である。

次の10年は、データの質によって定義される

製薬業界は、複数の技術革命を経験してきた。ハイスループットスクリーニングから次世代シーケンシングまで。これらはすべて利用可能なデータの量を拡大させた。しかし、この分野におけるAIの応用は、単にデータを増やすのではなく、人間の生物学をより忠実に表現するデータを生成することによって決まる。

その成功は、単に仮説を加速するのではなく、臨床的な成功率を向上させることによって決まる。もしAIがより優れた薬剤を提供することを望むならば、データの忠実性が、AIの知能と同等の重要性を持つことになる。基礎モデルがよりアクセスしやすくなると、アルゴリズム上の優位性だけでは、持続可能なものではなくなり、人間の生物学的データへのアクセスが、製薬エコシステム全体で競争上の優位性となるかもしれない。

Anthropicの薬剤開発への参入は、AIが数年間で達成した驚異的な進歩を反映している。同時に、業界が次に答えなければならない質問も浮き彫りにする。もしAIが実際に医学を変革する潜在性を持っているならば、それらのモデルが立脚する生物学的基盤は何であるか。

AIパワードの薬剤発見の未来は、確実により優れたアルゴリズムに依存する。しかし、人間のデータインフラストラクチャを構築すること、つまりAIが人間の生物学を学習できるようにすることが、より重要となるかもしれない。