米中AI創薬競争と日本の戦略
近年、中国が世界の創薬の源泉地として急浮上。巨大な資金力を持つアメリカ、圧倒的な開発スピードを誇る中国の二大巨頭に対し、日本の製薬産業はどう立ち向かうべきか。欧州の先進的なモデルやエコシステムも参考にしながら、激変する世界創薬レースにおける日本の勝ち筋を読み解く。 ＜ゲスト＞ 藤本利夫｜アイパーク...
製薬業界を覆す「AI創薬」の地殻変動：米中覇権争いの実態と日本の勝ち筋
世界の製薬ビジネスが歴史的な転換期を迎えている。
従来の創薬プロセスは10年以上の歳月と数千億円の巨費を投じる博打のような世界であったが、人工知能の急速な進化がその常識を根底から塗り替えつつある。
数千台規模のGPUを自社で抱え込む米国のメガファーマに対し、中国勢は圧倒的な実験スピードと人海戦術を武器に世界の創薬ディールの過半数を獲得し始めた。
莫大な開発資金力とデータ集約力の差に直面する日本企業が、この世界的潮流の中で生き残り、独自の優位性を築くための現実的な活路はどこにあるのか。
本稿では、欧米や中国の最新動向を比較分析しつつ、日本が採るべき「共用型AI創薬プラットフォーム」構想と製薬産業の近未来像を解き明かす。
Q. なぜ今、世界の製薬業界で創薬プロセスのAI化が急速に進んでいるのか?
創薬の生産性を規定する理論的枠組みとして知られる「生産性方程式」が背景にある。
創薬の生産性は「(開発品目数 × 成功確率 × 価値) ÷ (時間 × コスト)」で表される。
過去数十年にわたり、製薬業界は自由薬価制を敷く米国市場での薬価引き上げによって分子の「価値」を高め、生産性を維持してきた。
しかし、最恵国待遇条項などの薬価引き下げ圧力が米国でも高まり、従来の薬価頼みのビジネスモデルは限界に達した。
そこで脚光を浴びているのが、方程式の分母である「時間とコスト」の劇的な圧縮だ。
新薬候補の探索から前臨床試験に至る初期フェーズにおいてAIを全面的に導入することにより、膨大な化合物スクリーニングや分子構造の最適化を瞬時にシミュレーションすることが可能となる。
これにより、従来数年を要していたプロセスを数ヶ月へと短縮し、莫大な開発費用を削減できるため、世界中の製薬企業が一斉にAI投資を加速させている。
Q. 米国メガファーマは巨額の資金力を背景にどのようなAI戦略を展開しているのか?
米国のトップ製薬企業は、自社内に桁違いの計算資源を囲い込む力業の戦略を展開している。
時価総額で世界首位級のイーライリリーは米半導体大手エヌビディアと提携し、数千台規模の最新GPUを導入した。
過去に蓄積した膨大な社内実験データをAIに網羅的に学習させ、最高峰の創薬AIエージェントを自社完結で構築している。
同様にロシュも3500台規模のGPUを配備し、抗体薬の最適化プロセスを従来の半分となる18ヶ月で成し遂げた。
特筆すべきは、イーライリリーが展開するプラットフォーム開放戦略である。
自社基盤「TuneLab」を有望な外部バイオスタートアップに無償開放し、利用企業を全世界で130社以上に拡大させている。
新興企業が基盤を使うほど自社AIの予測精度が向上するだけでなく、有望な創薬シードを同一基準で評価し、早期に独占的ライセンスや買収へと囲い込む強固なエコシステムを作り上げている。
Q. 中国のバイオテック企業が世界の創薬ディールで過半数を占めるに至った背景には何があるのか?
世界の創薬ライセンス取引において、中国バイオテックのシェアはわずか5年で5%から50%超へと爆発的に拡大した。
この躍進の核心は、ゼロからの基礎研究ではなく、すでに標的が明確な医薬品を洗練させる「俊敏なフォロワー戦略」にある。
例えばPD-1阻害剤などの有力標的をもとに、二重特異性抗体などの改良型医薬品を圧倒的な人海戦術で量産し、特許切れに悩む欧米メガファーマに即座に供給する体制を築いた。
さらに、国家主導で整備された臨床試験環境と極めて安価な実験コストが、開発スピードを異次元に引き上げている。
中国政府は医薬品規制の国際調和を進め審査を迅速化すると同時に、指定拠点病院に膨大な患者と研究者を集約させた。
欧米の半値近いコストで大量の臨床データを高速取得できる強みがあり、ロボットによる自動合成とAIを組み合わせたXtalPiなどの企業が台頭し、物理実験を伴うフィジカルAI領域で世界を牽引している。
Q. 米中が激しい覇権争いを繰り広げる中で欧州勢はどのような対抗策をとっているのか?
米国の圧倒的資金力と中国の開発スピードに対抗すべく、欧州勢は「企業間連携とデータ共有」に活路を見出している。
スウェーデンではアストラゼネカが異業種4社と計算資源を共同利用し、デンマークではノボノルディスクが官民運営のスーパーコンピューターを活用している。
欧州主要製薬10社が参画した「MELLODDY」プロジェクトでは、機密性を担保しながらモデルを共有学習させることで、開発速度と費用の大幅な改善を実証した。
さらに欧州勢は、ビッグテックとの戦略的提携を巧みに推進している。
グーグルクラウドやAWS、アンソロピックなどの先進AI基盤を外部調達し、製薬特有のドメイン知見を注入して自社専用モデルへとファインチューニングする手法が定着している。
すべてを自前で抱え込まず、外部のインフラやAI専業企業とWin-Winのアライアンスを築くことで、巨大な米中陣営と対峙している。
Q. 資金力や規模で劣勢に立つ日本がAI創薬で活路を見出すための勝ち筋とは何か?
日本企業が単独で年間2〜3兆円規模の研究開発費を誇る米メガファーマと対等に戦うことは極めて困難である。
打開策として提案されているのが、政府主導による「産官学共用型AI創薬プラットフォーム」の設立だ。
巨額の投資が必要となるGPU計算資源や高度な自動化自律ラボを国家基盤として整備し、複数企業や新興スタートアップが共同で利用できる環境を創出する。
企業の命脈である化合物データは連合学習などの先端技術で安全に保護し、知的財産の流出を防ぎながら共創を進める設計が求められる。
この構想最大の強みは、同一拠点・同一実験手順によって「統一された高品質データ」を生成できる点にある。
各社が過去に異なる環境で取得した生データはノイズが多く、AIに集約して学ばせても精度向上には限界がある。
共用の自動化ラボで厳密に同一条件で採取された比較可能データを継続的にAIへ供給できれば、世界で最も精緻な創薬AIモデルを日本発で育成できる可能性が開ける。
Q. AI創薬の普及によって製薬業界の産業構造や私たちの医療はどのように変化していくのか?
グローバルでは創薬候補物質の6〜7割をスタートアップが創出し、大手製薬が買収して製品化する水平分業がすでに定着している。
日本でもAI創薬インフラの普及に伴い、初期研究は小回りの利くバイオテックが担い、大手製薬は有望候補の目利きと臨床実用化に専念するという業界再編が加速する。
AIがバーチャル空間で24時間試行錯誤を繰り返すことで、心血管疾患や認知症など、老化に伴う複合疾患の予防薬開発は飛躍的な進化を遂げるはずだ。
ただし、AIが設計を効率化しても、最終的な有効性と安全性は複雑な人体で証明しなければならない。
臨床試験という現実の壁をいかに乗り越えるかが、AI創薬における真のブレイクスルーを決定づける。
優れた創薬シーズと高度な研究開発力を保有する日本にとって、国家主導の基盤構築とオープンイノベーションへの転換こそが、次世代医療市場を切り開く決定打となるだろう。