Science誌に掲載された研究で紹介された「Virtual Biotech」は、創薬に取り組むAIエージェントからなる仮想バイオテクノロジー企業として設計された。システムは、大規模言語モデルや互いに自律的に相互作用し、複数段階のタスクを遂行できる最大37,000のエージェントを擁する。
Stanford Universityのコンピューター科学者James Zou率いるチームは、最高科学責任者（CSO）エージェントが統括する複数の部門からなる企業構造をモデル化した。これらの部門には、標的の特定や臨床試験の設計などの専門領域が含まれていた。研究では、Anthropicが開発したClaudeモデルが使用されたが、Zouは、オープンソースモデルを含む、任意の高度な大規模言語モデルを利用できると述べた。
このシステムは、さまざまな疾患を対象に実施された55,000件を超える臨床試験の公表結果を分析した。37,075のエージェントが、後期段階の臨床試験それぞれを調査する任務を担った。分析の結果、特定の細胞種で作用するタンパク質を標的とする薬は、他の薬と比べて市場に到達する可能性が約50%高いことが示された。
2つ目の試験では、このシステムを使って、肺がんにおいてCD276タンパク質が治療標的になり得るかを調べた。エージェントは、過去のデータと一致する形でCD276を候補標的として確認し、このタンパク質を認識する抗体を抗がん剤に結合させる治療戦略を考案した。外部評価者の協力も得て、このアプローチは有望だと評価された。
ただし研究者らは、このシステムは実際の創薬プロセスでは試験されておらず、その予測も実験や臨床試験によって検証されていないと強調した。
なぜ重要か
研究の本質的な意義は、多数の臨床試験の結果をまとめて検討するシステムによって、創薬においてどの生物学的標的をさらに研究すべきかという優先順位付けを支援することを試みた点にある。研究結果は、特定の細胞種で作用するタンパク質に焦点を当てることが、候補薬が市場に到達する可能性と関連する可能性を示しており、研究設計に利用できる指標を提示している。このアプローチは、標的の選定や臨床試験の計画に携わる研究者にとって、意思決定のプロセスに新たな分析の層を加える可能性がある。ただし、このシステムは実際の開発プロセスでは試験されておらず、結果を実験室での実験や臨床試験によって検証する必要があることを示している。したがって、依然として明らかになっていないのは、人工知能によって特定された標的を実際の応用において検証できるかどうかである。
用語：エージェント
人工知能エージェントとは、単一の回答を生成するのではなく、目標を達成するためにツールを呼び出し、複数の段階にわたる処理を実行するソフトウェアである。