ジェネレート・バイオメディシンズ Bernstein Insights: Healthcare Leaders and Disruptors – 3rd Annual Healthcare Forum

ありがとうございます、コートニー。ここに参加できてうれしく思います。ジェネレートは2018年に設立された会社で、かなり早い段階から生成AIを用いたタンパク質治療薬の設計に取り組んできました。当社は、いわばAlphaFold以前、ChatGPT以前の世界で設立された会社であり、機械学習の力を使って生物学を理解し、プログラムすることを目指してきました。当初から、初期の成果は非常に心強いものでした。大規模なデータセットを通じて、タンパク質の配列が最終的にどのようにタンパク質の機能へとつながるのかを、根本的に理解できることが示されたためです。当社の中核にあるのは、ドライラボとウェットラボを統合したアプローチです。当社は、計算モデルや拡散モデルの最先端を追求し、非常に広大な探索空間における適切な事前分布を作り出しています。そのうえで、ウェットラボと検証エンジンを用いて、計算モデルが提案したものを実際に構築し、検証しています。

生成AIの分野で最も大きな可能性が示されている領域を考えると、常に迅速な検証サイクルがあるケースだと思います。ディープマインドがゲームから始めた理由は、モデルを迅速にトレーニングできるスコアリングシステムがあったからです。コーディングや数学で大きな進展が見られている理由も同様で、迅速な検証エンジンがあるという点です。生物学には自然な検証エンジンがありません。そのため、ドライラボとウェットラボを緊密に連携させることで、高性能なモデルを構築し、最終的には生物学をプログラムできる世界へと前進できるのです。

そうですね、これは本当に急速に変化しています。2018年にジェネレート・バイオメディシンズが設立されて以降でさえ、計算分野では2つの根本的な革命が起きました。1つ目は2022年に始まった大規模言語モデルの登場で、2つ目は現在進行中のエージェント型サイエンス革命です。いずれの場合も、こうした技術的な転換によって、実際にこれらの技術を活用できる範囲が広がりました。

現在、私たちが取り組むすべてのプログラムは、エージェント型の設計フェーズから始まります。分かってきたのは、基本的には約1,000人の博士号取得者が、生物学上のあらゆる領域を分析し、これまでなら数カ月かかっていた問いへの回答を、最短で1週間ほどで導き出せるということです。生物学の基礎に対する理解は、急速に変化しています。同時に起きているのは、分子設計を行い、分子の観点から答えを導き出す能力も、飛躍的に向上しているということです。どの分野で最も先行しているかと問われれば、おそらく分子設計の分野だと思います。

そこでは、ある意味で分子をコード化する方法を理解し始めています。今後5年から10年の間に、分子設計がコモディティ化する世界が到来すると考えています。これは業界にとって非常に大きな意味を持つと思います。なぜなら、その後は、望むあらゆる標的に作用させる分子を基本的に創り出せるようになるからです。

次に向かう方向としては、これは一部には会社の成熟に伴うものですが、こうしたツールを臨床現場でどのように活用するかを考えています。臨床開発のプロセスには、非常に大きな無駄があることが分かってきました。当社の主力資産は、重症喘息を対象とした第III相試験に入っています。この試験の登録期間は2年間です。これは臨床評価項目とは何の関係もありません。問題は、患者をどのように見つけ、試験実施施設をどのように見つけるかということです。私たちは40か国、約400の試験実施施設で試験を行います。各施設の登録ペースは、ほとんど恥ずかしいほど遅い状況です。

喘息の増悪による入院のデジタル上の記録を明確に残している患者を、こうした技術を使ってもっと迅速に特定できないというのは、そうですね、業界にとってまさにすぐに取り組める課題だと思います。

臨床開発における無駄を取り除く方法は、非常に多くあると思います。申請までの期間を大幅に短縮する大きな機会があると思います。

通常、試験の最終患者の最終来院から、プロトコルの提出またはBLA申請までには、3～6か月かかることが多いです。試験の終了時点で、大規模言語モデル（LLM）が規制当局への申請書類をほぼ瞬時に作成できないなどということは、想像できます。このプロセスには取り除くことのできる無駄が非常に多くあります。さらに興味深いのは、デジタルシグネチャーやデジタルバイオマーカーをどこで見つけ、集団をより適切に選別することで、試験のNを減らし、より大きな治療効果を示せるかという点です。これらすべてのツールが、それぞれ異なる成熟段階で組み合わさっていくのだと思います。生物学の複雑さには、今後もしばらく悩まされることになると思います。

そうですね。AIを創薬や医薬品開発に活用することをめぐる議論で大きな論点となるのは、どこに参入障壁が存在し、誰が価値を獲得するのかということだと思います。