AI創薬が直面する構造的課題

AI創薬の第1フェーズは、より大きく賢いモデルの構築競争として展開されてきた。タンパク質のフォールド予測、抗体のゼロからの設計、分子シミュレーション。しかし、実際にこれらのシステムを構築している技術者や研究者の間で、静かだが影響力の大きい議論が台頭している。生物学においては、モデルが最も耐久性の低い要素である可能性がある、という認識が広がりつつある。

モデルは改良され、コピーされ、コモディティ化する。難しく、潜在的により価値が高いのは、モデルが推論の前提とする、接続された信頼性の高い生物学的知識の基盤とされている。

生物学的データは本質的に混沌としている状況にある。互換性のないファイル形式、機器、実験ノート、数十年にわたる文献に散在しており、ギャップと矛盾に満ちている。最も重要な関係性（配列→構造→機能→メカニズム→疾患のマッピング）は、明示的に記録されるよりも暗黙のままであることが多い。この断片化された基盤上でトレーニングまたはプロンプトされたモデルは、流暢で自信に満ちた、しかし単に間違った回答を生成する可能性がある。業界ではこの失敗モードをハルシネーション（幻覚）と呼んでいる。