AI・信頼性・評価

AI創薬、Phase Iは好成績もPhase IIは業界平均並み、承認例なし

2026/7/27 （更新: 2026/8/16）

🤖 AIが執筆しています

Phase Iの数字が語ること

Jayatungaらの分析は、100社を超えるAIネイティブ創薬企業のコンペンディウムを起点にしている（原典逐語 a compendium of >100 AI-native Biotech companies）。そこから公開情報でパイプラインを集め、2015年以降に臨床入りした75品目のうち、2023年時点で試験が進行中の67品目を特定した¹。AIが発見した標的を持つ分子については、原典は品目数を示さず「2023年のパイプラインの30%超」という比率だけを挙げている。成功率の分母になるのはこれよりずっと小さい集団で、2023年12月時点でPhase Iを完了したAI創薬分子は24品目、うち21品目が成功した。ここから出る80〜90%を、論文は「業界の歴史的平均を大きく上回る」と評価している——原典が比較対象として挙げる歴史的なPhase I成功率は40%から55〜65%の幅である（この40%は歴史的なPhase Iの下限であって、後述するPhase IIの40%とは別の数字である）¹。ここでいう成功率は、そのフェーズを終えた分子のうち次のフェーズへ進んだ割合を指す。Phase Iは主に安全性・忍容性を確認する段階であり、この数字はAIが毒性や副作用の少ない分子を選ぶタスクに強いことを示唆する。原典はさらに、Phase Iで失敗した3分子のうち評価基準の未達によるものは1件だけで、残る2件は事業判断とパイプラインの再優先付けによる中止だったと記録している。創薬の初期スクリーニングでAIが機能している、という主張の根拠はここにある。

rentosertibという具体例

数字だけでなく、実際の試験結果も出てきている。Insilico Medicineの生成AIプラットフォームが標的TNIKを同定し設計したrentosertib(INS018_055)は、特発性肺線維症(IPF)患者71人を対象に、中国21施設でランダム化二重盲検プラセボ対照Phase 2a試験を実施した²。1日1回30mg、1日2回30mg、1日1回60mgの3用量とプラセボを12週間投与し、主要評価項目は「治療下で発現した有害事象を1件以上経験した患者の割合」で、全群で同程度だった（実薬 72.2〜83.3%、プラセボ 70.6%）。ここに合否のしきい値は無い——論文は No statistical comparisons of AEs between treatment groups were performed と明記している。副次評価項目の努力肺活量(FVC)では、60mg1日1回群が平均+98.4mL(95%信頼区間 10.9〜185.9)の改善を示し、プラセボ群は平均−20.3mL(同 −116.1〜75.6)の低下だった²。ただし各群は17〜18人で、サンプルサイズは安全性の実行可能性を見る前提で決められており、論文自身が統計的検出力に基づく症例数設計は行っていないと明記している——つまりこのFVC差は有効性を検出する力を持たない設計から出た数字で、信頼区間も広い。さらに、12週のFVCを実測できたのは71人中49人にとどまる。欠測22人の内訳は30mg1日1回5人・30mg1日2回6人・60mg1日1回8人・プラセボ3人で、欠測値は「ランダムに欠測」を仮定した多重代入で補われている——+98.4mLを出した60mg1日1回群は18人中8人が12週の実測を欠くのに対し、プラセボ群の欠測は17人中3人であり、欠測率が群間で揃っていない。12週の完了前に投与を中止した患者は16人(22.5%)にのぼる²。なお、このプラセボ群の数字は発表の段階で動いている。Insilicoが2024年11月に出したトップライン発表はプラセボ群のFVC変化を-62.3 mLと公表しており、査読論文の−20.3mLとは3倍の開きがある（60mg1日1回群の+98.4mLは両者で一致する）⁴。査読論文の側に62.3という数字は現れないため、この差は論文だけを読んでも見えない。原典の「初」は rentosertib に限定されている。逐語では the first phase 2a multicenter, double-blind, randomized, placebo-controlled trial testing the safety and efficacy of rentosertib——rentosertib にとって初のPhase 2a試験という意味だ。AI設計の低分子として初、という主張ではない。いずれにせよ、これは仮説ではなく査読済みのデータである。なお同じ化合物のPhase 1（NCT05154240）も無作為化・二重盲検・プラセボ対照なので、「初のRCT」ではない⁵。

同じ論文が示すPhase IIの40%

ここでJayatungaの分析に戻ると、話は単純ではない。Phase IIを完了したAI創薬分子は10品目で、成功は4品目——成功率は40%に下がる¹。論文はこの40%について albeit on a limited sample size と明記している。ここで薄いのは患者数ではなくPhase II の読み出しまで進んだ分子の数で、Phase Iの数字ほど確度は高くない。歴史的なPhase II成功率(30〜40%)と比べれば、Phase Iで見えた際立った優位性は消える。

ただし原典は、この40%の内訳にも踏み込んでいる。逐語は of the six candidates that were stopped or discontinued after Phase II only two were the result of negative outcome data。Phase II後に中止された6品目のうち、有効性の否定的データで落ちたのは2品目だけである。残る4品目は、事業優先順位の変更・臨床オペレーション上の問題・その他の理由による。論文はさらに、バイオテク企業の資金環境や米国のインフレ抑制法といった要因がポートフォリオの再優先付けを促した可能性を挙げ、それらの判断は unrelated to the underlying AI techniques でありうると注記している。Phase IIについては the proof of a biological or mechanistic concept を伴う段階と位置づけたうえで、40%という数字からは「AIのアルゴリズムは疾患に関連する標的や経路を同定できるが、改善の余地がある」と読むにとどめている。つまり原典自身は、Phase IIの40%を有効性での失速とは読んでいない。

Jayatungaらはさらに、AIのPhase I・IIの実測成功率と歴史的なPhase III成功率を組み合わせ、分子が全臨床フェーズを通過する総合確率を試算している。ただしこれは原典が let us conduct a thought experiment と呼ぶ思考実験である。原典は If we take, at face value, the success rates we observed … and assume that these hold in the future と条件を置く。実測値を額面どおりに受け取り、それが将来も維持されると仮定する、という二重の条件である。その条件下での結果が、歴史的な5〜10%からAI創薬の9〜18%への上昇である。論文はこれを医薬品R&D生産性の「ほぼ倍増」にあたると表現する（原文は仮定法の would represent）。Phase I・IIの実測値に歴史的なPhase III成功率を掛け合わせた試算であり、AIがPhase IIIでも優位を保てるかは未検証のまま残る¹。Phase Iの数字だけを見て成功率が上がったと結論づけると、同じ論文の後半部分を見落とすことになる。

二つのレビューが置く留保

2025年から2026年にかけて発表された二つの査読レビューは、異なる角度から同じ結論に収束する。Niazi(2025)はまず、AI創薬分子の progression rates through clinical development remain like those of traditionally discovered compounds と観察する。臨床開発の進行率は従来型の分子と同程度のままだ、ということである。そのうえで、AIの主な効果は臨床での成功確率そのものを変えることではなく、前臨床段階の探索を加速することにあるかもしれないと述べる（原典逐語 AI's primary benefit may lie in accelerating the preclinical discovery phase）⁶。「臨床開発を完了したAI設計化合物の数はまだ少なく、従来手法と比べた全体的な成功率について確定的な結論を出すのは時期尚早」だと明言し、具体例としてDSP-1181を挙げる。DSP-1181はExscientiaと大日本住友製薬(現・住友ファーマ)が共同創出した化合物で、2020年1月に日本で強迫性障害を初期適応とするPhase I試験の開始が発表された⁷。Niaziのレビューは、DSP-1181がPhase Iで良好な安全性プロファイルを示しながらPhase IIに進むことなく開発中止に至った、と記述する⁶。ただしNiaziはこの直後に、中止理由の一般的な型として efficacy endpoints, competitive landscape, and strategic business decisions を挙げている。そしてそれらは rather than issues with the AI-designed molecule itself——AI設計分子そのものの問題ではない——と明記する。もっとも、DSP-1181個別の中止理由がこのどれに当たるのかは公開情報から辿れないままだ。開発データベースの登録も、開発状況を Discontinued（Phase 1）とするだけで、理由の欄は非公開である⁸。AI設計化合物の第一号が臨床の早い段階で脱落したという事実は動かないが、その個別の理由を語れる資料を本稿は持っていない。

Shree HariniとEzhilarasan(2026)はさらに踏み込み、「AI単独で発見された薬剤で正式な規制当局の承認に至った例は、現時点で一つもない」と明記する³。医薬品R&Dの生産性が投資増加にもかかわらず低下し続けるという「Eroom’s Law」(Moore’s Lawの逆)を枠組みに、AIはまだこの傾向を反転させていないと結論づける。データの質とアクセス性の低さ、モデルの解釈可能性の欠如、計算予測と実際の化学的実現可能性のギャップ、そして生物系そのものの複雑さといった課題が、承認までの壁として残っていると指摘する³。

何が確立していて、何がまだなのか

主要な四つの論文・レビューを並べると、争いのない部分と争いのある部分が分かれる。争いのないのは、AIが前臨床の探索を加速しているという点である。Niaziはそれをこそ AI の主要な効果と位置づける⁶。Shree Harini・Ezhilarasanも AI has significantly accelerated early drug discovery stages と明記する³——承認ゼロを指摘する側の論文が、加速については significantly という語を使っている。Phase Iの成功率が歴史的平均を上回るという報告¹はこれと整合し、後者のレビューも臨床入りしたAI関連分子について encouraging early-phase success rates と書く³。ただし母数の薄さから、分子選択そのものが改善したと結論づけるには足りない。rentosertibは、AIが設計した分子が査読付きのPhase 2aまで到達した実例であって²、有効性の証拠ではない。争いがあるのは、この優位性がPhase II以降にも及ぶかどうかである。Jayatunga自身の数字はPhase IIで歴史的平均へ戻ることを示すが、同じ原典は中止6品目のうち有効性で落ちたのは2品目だけだとも書いている¹。Shree Harini・Ezhilarasanは承認ゼロという事実を根拠に慎重な立場を取り³、Niaziは自らのレビューを a balanced perspective と位置づけ、rentosertibのPhase 2aを成果に数えたうえで、AIは「補完的なツール」にとどまると結論する⁶。AIは前臨床の探索を速くしている。だが、それが最終的な成功率を変えているかどうかは、まだ実証されていない。

この報告を、どう割り引くか

Jayatungaの論文が示す80〜90%という数字は、同じ論文の中でPhase IIの40%と対になっている。前半だけを引用すれば実像を誤って伝えることになる¹。加えて、この論文には利益相反がある。著者5名全員がボストン・コンサルティング・グループ(BCG)の従業員で、研究資金もBCGのヘルスケア部門が出している。原典自身が The authors of this article are employees of Boston Consulting Group (BCG) と開示している。BCGについては a management consultancy that works with the world’s leading biopharmaceutical companies とあり、資金は funded by BCG’s Health Care practice と明記されている。本稿が後述のInsilicoの発表を「同社の発表であって第三者検証ではない」として割り引くのと同じ基準は、本稿の数値的な骨格を担うこの論文にも当たる。

rentosertibのPhase 2aは71人規模の単一試験である。原典自身が3点を限界として挙げている——各群の症例数が小さいこと、参加者が人口統計的に均質であること、追跡期間が短いこと(12週)である。逐語では the geographical and demographic homogeneity of the participants (all were residents of China of similar race) and a short period of follow-up——参加者は全員が中国居住者だった。Phase 3も中国47施設で行われるため、この地理的な偏りは持ち越される。Phase 3の結果はまだ出ていない²。NiaziとShree Harini・Ezhilarasanのレビューは新しい実験データではなく、既存の臨床記録を読み直した論評である。DSP-1181の個別の中止理由も、前述のとおり公開情報からは辿れない⁶⁸。それでも、AI設計化合物の第一号が臨床の早い段階で脱落したことと、AI単独で発見された薬剤で正式承認された例が現時点でゼロであることは、少なくとも両レビューの定義の下では動かない事実として残る⁶³。AI創薬は初期段階の通過率では結果を出しつつある。それが分子選択そのものの改善によるのかは、母数の薄さと中止理由の内訳を踏まえると、まだ確定していない。なおInsilicoは2026年7月、rentosertibのPhase III（320人・中国47施設）を開始したと発表した⁹——同社の発表であって第三者による検証ではない。リリースが「初」と書いているのは the company’s first asset to enter a Phase III clinical trial＝同社として初のPhase III資産であって、AI設計分子として世界初とは書いていない。分野については a major late-stage milestone for AI-driven drug discovery という表現にとどめている。承認という最終関門を超えるかどうかは、この試験を含む今後のデータが判断材料になる。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。