AI創薬の本当の難所は、分子を見つけることではなく、免疫のバランスを壊さないことだ

まず、最初の問いを変える

AI創薬は「どれだけ速く薬を見つけられるか」の競争だと思われがちです。けれど、もっと厄介な問いがあります。見つけた候補が、本当に体の中で意味のあるふるまいをするのか、です。

この問いが重要なのは、薬づくりの難しさが単一の標的を当てることから、複雑な生体システムのバランスを崩さずに動かすことへ移っているからです。たとえば自己免疫疾患では、悪者を一つ倒せば終わり、という話ではありません。免疫のアクセルとブレーキの両方が絡み合い、その針を少し動かすだけで症状が改善も悪化もします。

だからこそ、AI創薬の真価は「探索の高速化」だけでは測れません。本当に価値があるのは、どの分子が効くかではなく、どの生物学的関係を動かすべきかを見抜くことです。

カオスなのは市場ではなく、問題そのもの

AI創薬の世界は、投資先も領域も膨大で、標的探索、化合物設計、スクリーニング、臨床外挿性、副作用予測、試験設計まで、あらゆる場所にAIが入り込んでいます。外から見ると、これはカオスです。しかし、よく考えると、カオスなのは業界ではなく、創薬の問題設定そのものです。

創薬は本来、一本の直線ではありません。最初に見えるのは分子ですが、その先には細胞、組織、臓器、患者、集団という層が重なっています。しかも各層にはフィードバックがあり、ひとつの介入が別の層で予想外の反応を起こします。AIがそれぞれの層に散っていくのは、混乱の証拠というより、現実がもともと分散的であることの反映です。

ここで重要なのは、AI創薬の価値を「万能の一撃」として期待しないことです。むしろAIは、分断された生物学の断片をつなぐための接続技術として見るべきです。標的を見つけるAI、候補分子を設計するAI、臨床で効くかを推定するAIは、それぞれ別の答えを出しているようでいて、実際には一つの問いに向かっています。介入は、どの段階で壊れ、どの段階で生き残るのか。

薬を見つけるとは、分子を当てることではない。生体が許容できる変化量を見つけることだ。

免疫は敵味方の地図ではなく、可変な交渉の場だ

自己免疫疾患、とくにSLEのような病態では、この視点が一気に鮮明になります。免疫系は、単純な攻撃者と防御者の戦いではありません。T細胞の活性化と抑制のバランス、そのバランスの微妙なズレ、さらにそのズレが持続することで起こる慢性的な炎症が本質です。

PD-1やTIGITのような抑制性経路は、しばしば「ブレーキ」として語られます。しかし、実際の体内では、ブレーキはただ踏めばいいものではない。強すぎれば感染防御や腫瘍免疫を損ない、弱すぎれば自己反応が暴走します。ここで見えてくるのは、免疫とは固定されたスイッチではなく、状況に応じて再調整される制御盤だということです。

この発想は、AI創薬の一般的な見方を少しずらします。多くの人は、薬を「標的に結合する鍵」として想像します。けれど自己免疫では、鍵を作るだけでは足りません。必要なのは、どの鍵穴をどれだけ回すと、全体の調和が戻るかを知ることです。ここでAIの役割は、分子デザインそのものより、関係性の設計に近くなります。

たとえば、PD-1とTIGITを同時に活性化し、しかもデキサメタゾンと組み合わせるような発想は、単剤で大きく抑えるのではなく、複数の小さな介入で免疫の針を狙って動かす試みです。これは非常に重要です。なぜなら、生体システムでは、強い一撃よりも、複数の弱い調整のほうが副作用を抑えつつ安定点を変えられることがあるからです。

本当に難しいのは「効く分子」ではなく「壊さない設計」

ここに、AI創薬の核心があります。成功の基準は、単に活性の高い分子を作ることではありません。どこを動かし、どこを動かさないかを設計することです。

この違いを、家の温度管理にたとえてみましょう。古い発想では、エアコンを強くすれば夏は涼しくなるし、弱くすれば節電できる、と考えます。でも実際には、部屋ごとの断熱、人数、日差し、湿度が絡み合います。強く冷やせば快適とは限らず、冷やしすぎれば別の不快が生まれる。創薬も同じで、単一の作用を最大化するほど、別の場所で代償が出ることがあります。

AIはこの問題に対して、少なくとも三つの意味で有効です。

1. 局所最適ではなく全体最適を探せる

   分子の親和性だけでなく、副作用、組織分布、病態依存性、併用効果まで同時に考えられる。

2. 見えない相関を仮説に変えられる

   免疫表現型、遺伝子発現、臨床データの組み合わせから、「この患者群ではこの経路が危ない」という予測を立てられる。

3. 介入の粒度を細かくできる

   いきなり強く抑えるのではなく、段階的に、あるいは組み合わせで制御する発想を支えられる。

この三つは、すべて**“生体にとっての許容可能性”を探る技術**だと言えます。AIの本当の役割は、巨大な探索空間から一発で正解を出すことではなく、失敗しても致命傷になりにくい候補を、より早く見つけることです。

乱暴な最適化から、関係性の最適化へ

多くの創薬議論は、今でも暗黙に「強い作用ほど良い」という価値観に引きずられています。けれど自己免疫や炎症のような問題では、これは危険な考え方です。必要なのは、最大化ではなく調律です。

この発想転換を、オーケストラの指揮に例えるとわかりやすいでしょう。いい指揮者は、特定の楽器を最大音量にしません。全員を同時に鳴らすこともしません。むしろ、弦、管、打楽器の関係を整え、曲が崩れないようにする。免疫調節も同じで、ある経路を強く上げたり下げたりするだけではなく、システム全体の協和音を取り戻すことが重要です。

AIがここで果たすべき役割は、単なる予測器ではありません。関係性の設計補助者です。どの分子が標的に結合するかではなく、どの組み合わせが病的なネットワークを静め、正常な防御を残すかを考える。すると、創薬の単位は「単剤」から「介入の編成」へ移ります。

このとき大事なのは、介入の強さを下げることではありません。むしろ、強さの使い方を賢くすることです。強い作用を一点に集中させるのではなく、弱い作用を複数の節点に分配する。これは、壊れやすいシステムに対する最も現代的なアプローチかもしれません。

AI創薬の次の競争軸は、説明可能性より臨床的謙虚さ

AI創薬の議論では、しばしば説明可能性が強調されます。もちろん大切です。しかし、それ以上に重要なのは、システムの複雑さに対する謙虚さです。

なぜなら、臨床で問題になるのは、モデルがどれだけきれいなラベルを返すかではなく、予測した介入が本当に患者にとって安全かどうかだからです。自己免疫のような文脈では、理想的な薬は「強く効く薬」ではありません。状況に応じて効き方が変わり、過剰な抑制を避け、必要な防御は残す薬です。

このときAIの競争軸は、単なる精度競争ではなくなります。むしろ、以下のような問いに答えられるかが重要です。

• どの病態サブタイプで効くのか。
• どのバイオマーカーが、その効き方の違いを説明するのか。
• どの副作用が、どの経路の押しすぎから生まれるのか。
• どの組み合わせなら、少ない作用量で同じ効果を出せるのか。

この視点に立つと、AI創薬の乱立は無駄ではありません。むしろ、複数の局面に分かれているからこそ、全体として臨床的な可塑性を高められるのです。重要なのは、各ツールが別々に賢いことではなく、一つの治療原理に収束していることです。

Key Takeaways

• 創薬の本質は、分子を見つけることではなく、システムを壊さずに変えること。 強い作用より、許容可能な変化を設計する発想が重要です。
• AIは単なる予測器ではなく、関係性の設計補助者として使うべき。 標的、分子、臨床、患者層をつなぐ役割が本領です。
• 自己免疫では、単独の強い介入より、複数の小さな調整が有効なことがある。 PD-1やTIGITのような抑制経路は、バランスを整えるための調整ノブとして見ると理解しやすいです。
• 「効くか」だけでなく「どの範囲まで動かしてよいか」を評価する。 副作用予測や臨床外挿性は補助ではなく中核です。
• 次世代のAI創薬は、最大化ではなく調律の技術になる。 目標は勝つことではなく、病的なネットワークを静かに安定点へ戻すことです。

---

終わりに: 薬は答えではなく、交渉である

AI創薬をめぐる最大の誤解は、薬を「問題を消すもの」と考えることかもしれません。実際には、薬は問題を消すのではなく、生体との交渉条件を変えるものです。

この見方に立つと、AIの価値は一段深くなります。AIは、最短で正解を出すための装置ではなく、どこまでなら介入しても全体が壊れないかを探る、精密な交渉術のための道具になります。自己免疫疾患のような複雑系では、これこそが最も重要な能力です。

つまり、未来の創薬競争は「どれだけ強い分子を作れるか」ではありません。どれだけ繊細に、生体のバランスを再配線できるかです。分子を当てる時代は終わりつつあり、いま始まっているのは、システムを理解し、調律する時代です。