約40億ドルの運用に達したAndreessen Horowitzのバイオテクノロジー部門を10年以上にわたり率いた後、Vijay Pandeは昨年6月に同社を離れ、Zach Wernerとともに、より小規模な投資会社VZVCを設立した。新たな組織は年間に限られた数の集中投資を行い、人工知能とソフトウェアエージェントを活用して、従来型の投資チームの必要性を減らしている。
しかし、投資モデルの変化だけがPandeのビジョンの中心ではない。彼は、人工知能が生物学を、ばらばらの発見と幸運に依存する領域から、より大きく設計・工学化できる領域へと徐々に押し進めていると考えている。これには、創薬標的の特定、医薬品の設計、臨床試験の各段階の改善が含まれる。臨床試験は、医薬品開発で最も費用のかかる部分の一つだ。
発見から設計へ
Pandeによれば、機械学習技術によって、コンピューターは従来の手法では分析が困難だった生物学的な複雑性を扱えるようになった。過去10年間には、生物学と化学における人工知能の進歩が並行して積み重なった。前者は病気とその治療法の理解に重点を置き、後者は特定のタンパク質を標的とする化合物の創出に重点を置いている。
こうした進展は、医薬品開発が安価になったことや、成功が保証されたことを意味しない。Pandeは、臨床試験に到達するまでに必要な時間と費用は減少し始めているものの、試験の実施には依然として数億ドルが必要になる場合があると述べている。また、医薬品が第1相試験から第3相試験の終了まで成功裏に進む確率は約20%だと説明している。つまり、10種類の医薬品のうち8種類が失敗するため、成功した1種類当たりの算定コストが上昇する。
Pandeは、人工データの利用によって臨床試験の費用が、一般に語られているほど実際に低下したのかについて懐疑的だ。彼はそれを、実現した現実というより野心だと表現している。また、医薬品の失敗の大きな要因を、マウスなどの動物モデルがヒトで起こることを予測する能力の低さと結び付けている。彼の見方では、人工知能モデルは完璧にはならないが、場合によっては動物モデルの予測能力を上回る可能性がある。
精密医療には個人に関するデータが必要
この構想は、医薬品の発見を超えて、患者ごとに最適な治療を選択することへと広がる。Pandeは、医療の実践が患者の検査結果を集団の平均値と比較することに大きく依存している一方で、より重要な問いは、その結果がその人自身にとってどれほど異常なのかという点かもしれないと説明している。
彼は、ゲノムだけに依存するだけでは不十分だと考えている。ゲノムは家を建てる際の設計図に似ているが、数年後の状態を必ずしも説明するものではない。そのため、プロテオミクスなどの別の測定が、現在の身体の状態を理解するうえで重要になる。また、自動化とロボットによる測定は、人工知能モデルと結び付けられる新たな大量のデータを提供する。
閉ざされたデータの問題
生物学は、インターネット上で利用できるテキストとは根本的な点で異なる。企業は生物学的データをウェブから簡単に収集し、それを使ってモデルを訓練することができない。その結果、各社は自社独自のデータセットを構築する傾向があり、共有モデルの訓練や、あるモデルから別のモデルへの知識の容易な移転が制限されている。
Pandeは、生物学的情報の大規模なアトラスを、しばしば基盤モデルの形で開発することが、この流れを変える可能性があると考えている。彼は、オープンソースの生物学モデルが、オープンな大規模言語モデルが商用モデルと競争するうえで果たしたのと同様の役割を担うと予想している。しかし、この主張は、企業や研究者が商業的・科学的価値を持つデータを共有する用意があるかどうかに左右される。
実際には何が変わるのか？
VZVCは、Pandeが挙げた2つの主要分野に注力している。医療提供のための人工知能と、臨床試験のための人工知能だ。彼によれば、同ファンドは年間30件ではなく約5件の投資を計画しており、選ばれた企業には彼自身とWernerが直接関与する。また、短期的に過熱した資金調達ラウンドで勝つことではなく、誠実さを備え、長期的な関係を考える創業者を探している。
Pandeの発言から読み取れる最も重要な点は、医療人工知能の主な障壁がアルゴリズムだけではないということだ。モデルが改善しても、データの質、利用可能性、共有可能性は依然として決定的な要因である。また、研究室での技術の成功が商業的成功を保証するわけではない。Pandeは、市場に到達することは技術そのものを構築することより難しい可能性があると認めている。
このように、彼の発言は楽観的でありながら条件付きの見方を示している。人工知能は創薬標的の選択と設計、治療の方向付けを改善する可能性があるが、存在しない生物学的データを生み出したり、臨床試験のリスクをなくしたりすることはできない。データ共有、人間におけるモデルの検証、科学的成果を実用可能な製品へと変えることをめぐる未解決の問題が、「発見」から「工学」への移行が広範な実践的変革となるかどうかを決める要因であり続ける。