第一三共の挑戦、AIエージェントを相棒にしてデータドリブン創薬研究の「次のボトルネック」を解く

製薬会社の関心は「DMTAサイクルの自動化」から「仮説生成」へ

　2026年7月時点で、世界数十社の製薬会社がCo-Scientistを先行利用している。第一三共もまた、仮説生成プロセスでAIエージェントがどこまで使えるのかを検証するべく、EAP（Early Adopter Program）に応募した。EAPでのCo-Scientist活用は、メンバー選定から始まったという。最初に集まったのは、オンコロジー薬理を専門とする研究員の中でも、ADCが専門の研究員、TPD（Targeted Protein Degradation：標的タンパク質分解）が専門の研究員、合成化学が専門の研究員、バイオインフォマティシャン、研究企画担当など、計15名のメンバーである。

　参加した研究員たちはCo-Scientistを利用し、毎週のGoogle Cloudとの定例ミーティングでの議論を通して、有効な活用方法を探った。Co-Scientistの利用にあたっては、一つの制約を設けている。それは、「第一三共独自のデータはCo-Scientistの学習材料として提供しない」というものだ。岡田氏に続いて登壇した、同社 国本亮氏は、2つの方法で実施した検証について説明した。

　一つは、レトロスペクティブ型検証と呼ばれるものだ。第一三共側で検証実績があり、既に結果を知っている研究テーマをCo-Scientistに与え、同じ結論を導き出せるかを検証するものになる。そして、もう一つはサイエンティスト評価型検証と呼ばれるもので、今取り組んでいる研究テーマのアプローチをCo-Scientistと一緒に考える検証方法だ。本来であれば、実験での定量的評価を行うべきだが、今回はCo-Scientistの機能を定性的に評価する形にとどめているという。

　講演では、がん領域での治療仮説の生成を例に、EAPで試したことが紹介された。まず、プロンプトには、日本語よりも高い精度が期待できる英語で入力。その上で、Co-Scientistに期待するアウトプットは「新規治療標的」「併用戦略」「生物学的根拠」「患者選択バイオマーカー」「前臨床検証プラン」の5種類とした。併用戦略を加えているのは、新しい治療標的あるいは治療薬が出てきたとしても、単独で治療が完結することは稀で、どのような組み合わせが効果的なのか、その選択が重要になるためだ。

　実際の使い方は次のようになる。まず、研究員は何をやりたいか、Co-Scientistに調査する内容を伝える。その際、関連データを提示し、評価基準も設定しておく。必要事項を与えると、Co-Scientistはリサーチ目標を作成して提示。研究員は、その妥当性を確認して問題がなければ、次のステップである仮説生成に進む。

　検証においてCo-Scientistは、約6時間をかけて183個のアイデアを生成してくれた。それぞれのアイデアには参考文献のリンクが付加されており、評価とランク付けも自動的に行う。上位のアイデアについては、リサーチプランとプランごとに期待される研究成果まで示してくれる。