Virtual Biotechは、薬を自律的に作って患者に投与する「無人の製薬会社」ではない。スタンフォード大学のジェームズ・ゾウ氏とハリソン・チャン氏らが開発した、大規模な計算研究システムである。仮想の最高科学責任者（CSO）エージェントが、分野別のAIエージェントに仕事を割り振り、多数の証拠収集・解析作業を並列で進める。12

最大の実証例は、5万5,984件の臨床試験の整理と分析だ。そこから薬剤標的の選定に役立ち得るパターンと、肺がん治療に関する仮説が示された。ただし、これらは新薬の安全性や有効性を証明するものではない。細胞・動物での研究、ヒトでの臨床試験、規制当局による審査は、なお不可欠である。12

何千ものAIエージェントは、どう臨床試験を読んだのか

Virtual Biotechは、1つの汎用AIに膨大な文献の要約を任せる方式ではない。標的生物学、分子設計、臨床試験解析などを担う専門エージェントを配置し、CSOエージェントが作業を委任して結果を統合する構成を取る。12

大規模な試験データの解析では、3万7,000超の「臨床試験担当」エージェントを並列に投入した。各エージェントは公表済み試験の安全性・有効性アウトカムを構造化し、薬剤標的をゲノム、分子、単一細胞の注釈情報と結び付けた。スタンフォード大学によると、約5万件の試験を1週間未満でカタログ化したという。2

速さの理由は並列処理にある。多数のエージェントが、個々の試験記録を取得、注釈付け、確認する作業を同時に担える。つまりこれは、極めて大規模な証拠キュレーションの仕組みであり、AIが実験を独力で実施した、あるいは臨床的に有効な薬を発見・立証したことを意味しない。12

過去の開発成績と結び付いた、2つの標的特性

解析が注目したのは、薬剤標的に関する次の2つの特徴だった。

• 細胞種特異性：遺伝子やタンパク質が多くの細胞で広く働くのではなく、疾患に最も関係する細胞種に集中している度合い。
• 二峰性（bimodality）：遺伝子の活動が連続的な強弱ではなく、オン／オフに近い離散的な挙動を示す性質。

研究チームは、細胞種特異性が高く、二峰性の挙動を示す標的ほど、過去の試験データでは開発上の成果が良い傾向にあると報告した。細胞種特異的な遺伝子を標的とする薬は、第I相から第II相へ進む確率が40％高く、上市に至る確率が48％高く、有害事象は32％少なかったという。2

ただし、これは整理された過去データにおける関連性であり、すべての標的や治療法で同じ効果を保証する数字ではない。疾患関連細胞に限局した標的であれば、他の組織への意図しない作用を抑えつつ選択的に働きかけやすい、という生物学的な解釈はあり得る。とはいえ、その説明自体も実験で検証する必要がある。12

肺がんのB7-H3／CD276を狙うADC仮説

Virtual Biotechは肺がんにおいて、B7-H3（別名CD276）も検討した。2025年1月より前に公開された情報を基に、腫瘍に隣接する線維芽細胞でのB7-H3発現に着目し、これらの細胞が局所的な免疫抑制に関わる可能性があるという筋書きを導いた。2

そこで提案されたのが、**抗体薬物複合体（ADC）**の戦略である。B7-H3を認識する抗体に細胞傷害性の薬剤を結合させ、標的を発現する細胞へ抗がん作用をより選択的に届けることを狙う。ここで提示されたのは前臨床段階の設計と作用機序の仮説であり、製造済みの医薬品でも、効果が示された治療法でもない。12

B7-H3は産業界でも開発が進む標的だ。GSKは、risvutatug rezetecan（GSK5764227）を小細胞肺がん向けに開発中のB7-H3標的ADCとして説明しており、再発・難治性の進展型小細胞肺がんを対象に、米食品医薬品局（FDA）の画期的治療薬指定を受けたとしている。

もっとも、このプログラムをVirtual Biotechの提案に対する後発の臨床的な裏付けとして扱うことはできない。GSKの引用された発表は2024年8月付であり、スタンフォード側の解析が用いた「2025年1月以前の公開情報」という期限より前である。B7-H3に対する関心の重なりは、標的を巡る戦略的な収れんを示すにとどまり、AIがGSKの開発品を生み出した、再現した、あるいは臨床的に検証した証拠にはならない。2

まだ示されていないこと

最大の論点は、計算上の推論と医療上の証明の隔たりにある。AIエージェントは、次のことを行っていない。

• 細胞、動物、ヒトでの実験
• ADCの選択性、投与量、薬物動態、毒性、耐性プロファイルの確立
• 治療薬の製造
• 臨床試験における患者利益の実証 12

他の研究者からも、このプラットフォームは実験的検証という創薬の実地試験をまだ通過していない、との注意が示されている。過去データ上の相関は研究の優先順位付けに役立ち得る一方、データ品質、交絡要因、将来の開発プログラムには再現しないパターンの影響も受け得る。1

次の試験場は、実験と臨床開発

Virtual Biotechが最も力を発揮し得るのは、広大な科学的探索空間を絞り込み、証拠レビューをより体系的にする用途だろう。どの問いを立てるか、元データをどう吟味するか、生物学的に筋が通るか、どの仮説を追うべきかの判断には、依然として人間の研究者が必要である。12

B7-H3の提案でいえば、まず独立した再現を確認し、次に標的生物学、ADCの結合性と選択性、有効性、毒性、薬物動態、耐性を検証する実験が要る。その先に適切に設計された臨床試験があり、初めて患者の転帰を改善する治療かどうかを判断できる。12

今回の成果は、期待を持たせる一方で、評価は慎重であるべきだ。複数エージェントのAIは、生物医学の証拠を素早く整理し、検証可能な仮説を生み出せる。しかし、厳密な実験科学と、重大な局面ごとの人間の判断を不要にしたわけではない。

Virtual Biotechは、薬を自律的に作って患者に投与する「無人の製薬会社」ではない。スタンフォード大学のジェームズ・ゾウ氏とハリソン・チャン氏らが開発した、大規模な計算研究システムである。仮想の最高科学責任者（CSO）エージェントが、分野別のAIエージェントに仕事を割り振り、多数の証拠収集・解析作業を並列で進める。12

最大の実証例は、5万5,984件の臨床試験の整理と分析だ。そこから薬剤標的の選定に役立ち得るパターンと、肺がん治療に関する仮説が示された。ただし、これらは新薬の安全性や有効性を証明するものではない。細胞・動物での研究、ヒトでの臨床試験、規制当局による審査は、なお不可欠である。12

何千ものAIエージェントは、どう臨床試験を読んだのか

Virtual Biotechは、1つの汎用AIに膨大な文献の要約を任せる方式ではない。標的生物学、分子設計、臨床試験解析などを担う専門エージェントを配置し、CSOエージェントが作業を委任して結果を統合する構成を取る。12

大規模な試験データの解析では、3万7,000超の「臨床試験担当」エージェントを並列に投入した。各エージェントは公表済み試験の安全性・有効性アウトカムを構造化し、薬剤標的をゲノム、分子、単一細胞の注釈情報と結び付けた。スタンフォード大学によると、約5万件の試験を1週間未満でカタログ化したという。2

速さの理由は並列処理にある。多数のエージェントが、個々の試験記録を取得、注釈付け、確認する作業を同時に担える。つまりこれは、極めて大規模な証拠キュレーションの仕組みであり、AIが実験を独力で実施した、あるいは臨床的に有効な薬を発見・立証したことを意味しない。12

過去の開発成績と結び付いた、2つの標的特性

解析が注目したのは、薬剤標的に関する次の2つの特徴だった。

• 細胞種特異性：遺伝子やタンパク質が多くの細胞で広く働くのではなく、疾患に最も関係する細胞種に集中している度合い。
• 二峰性（bimodality）：遺伝子の活動が連続的な強弱ではなく、オン／オフに近い離散的な挙動を示す性質。

研究チームは、細胞種特異性が高く、二峰性の挙動を示す標的ほど、過去の試験データでは開発上の成果が良い傾向にあると報告した。細胞種特異的な遺伝子を標的とする薬は、第I相から第II相へ進む確率が40％高く、上市に至る確率が48％高く、有害事象は32％少なかったという。2

ただし、これは整理された過去データにおける関連性であり、すべての標的や治療法で同じ効果を保証する数字ではない。疾患関連細胞に限局した標的であれば、他の組織への意図しない作用を抑えつつ選択的に働きかけやすい、という生物学的な解釈はあり得る。とはいえ、その説明自体も実験で検証する必要がある。12

肺がんのB7-H3／CD276を狙うADC仮説

Virtual Biotechは肺がんにおいて、B7-H3（別名CD276）も検討した。2025年1月より前に公開された情報を基に、腫瘍に隣接する線維芽細胞でのB7-H3発現に着目し、これらの細胞が局所的な免疫抑制に関わる可能性があるという筋書きを導いた。2

そこで提案されたのが、**抗体薬物複合体（ADC）**の戦略である。B7-H3を認識する抗体に細胞傷害性の薬剤を結合させ、標的を発現する細胞へ抗がん作用をより選択的に届けることを狙う。ここで提示されたのは前臨床段階の設計と作用機序の仮説であり、製造済みの医薬品でも、効果が示された治療法でもない。12

B7-H3は産業界でも開発が進む標的だ。GSKは、risvutatug rezetecan（GSK5764227）を小細胞肺がん向けに開発中のB7-H3標的ADCとして説明しており、再発・難治性の進展型小細胞肺がんを対象に、米食品医薬品局（FDA）の画期的治療薬指定を受けたとしている。

もっとも、このプログラムをVirtual Biotechの提案に対する後発の臨床的な裏付けとして扱うことはできない。GSKの引用された発表は2024年8月付であり、スタンフォード側の解析が用いた「2025年1月以前の公開情報」という期限より前である。B7-H3に対する関心の重なりは、標的を巡る戦略的な収れんを示すにとどまり、AIがGSKの開発品を生み出した、再現した、あるいは臨床的に検証した証拠にはならない。2

まだ示されていないこと

最大の論点は、計算上の推論と医療上の証明の隔たりにある。AIエージェントは、次のことを行っていない。

• 細胞、動物、ヒトでの実験
• ADCの選択性、投与量、薬物動態、毒性、耐性プロファイルの確立
• 治療薬の製造
• 臨床試験における患者利益の実証 12

他の研究者からも、このプラットフォームは実験的検証という創薬の実地試験をまだ通過していない、との注意が示されている。過去データ上の相関は研究の優先順位付けに役立ち得る一方、データ品質、交絡要因、将来の開発プログラムには再現しないパターンの影響も受け得る。1

次の試験場は、実験と臨床開発

Virtual Biotechが最も力を発揮し得るのは、広大な科学的探索空間を絞り込み、証拠レビューをより体系的にする用途だろう。どの問いを立てるか、元データをどう吟味するか、生物学的に筋が通るか、どの仮説を追うべきかの判断には、依然として人間の研究者が必要である。12

B7-H3の提案でいえば、まず独立した再現を確認し、次に標的生物学、ADCの結合性と選択性、有効性、毒性、薬物動態、耐性を検証する実験が要る。その先に適切に設計された臨床試験があり、初めて患者の転帰を改善する治療かどうかを判断できる。12

今回の成果は、期待を持たせる一方で、評価は慎重であるべきだ。複数エージェントのAIは、生物医学の証拠を素早く整理し、検証可能な仮説を生み出せる。しかし、厳密な実験科学と、重大な局面ごとの人間の判断を不要にしたわけではない。