🧠 AIが70年ぶりに精神科の薬を作り直そうとしている——抗精神病薬と創薬AIの現在地

この記事は抗精神病薬の創薬とAI活用の現状について一般向けに解説したものです。個別の治療方針については必ず専門の医師にご相談ください。

「なぜ効くのかも分からないまま使っていた薬」が、AIによって初めて「設計できる薬」になろうとしている。

はじめに：140億ドルの買収が示すもの

2024年、製薬スタートアップのKaruna Therapeuticsがブリストル・マイヤーズ スクイブに約140億ドルで買収された。その理由は、70年以上変わらなかった抗精神病薬の「設計思想」を根本から覆す薬の候補を持っていたからだ。

そしてその開発を劇的に加速させたのが、AI（人工知能）を活用した創薬技術だった。

本記事では、抗精神病薬の歴史をざっくり押さえた上で、AIが創薬の何を変えているのかを、できるだけ分かりやすく解説する。

---

第1章：抗精神病薬の70年を3行で

1952年、外科麻酔の研究中に「偶然」幻覚・妄想を抑える薬が発見された。それ以来、薬は「なぜ効くのかよく分からないまま」改良が続けられてきた。2010年代にようやく「副作用が少なく、脳に優しい調整」ができる薬が登場したが、それでも「症状を抑える」という本質は変わっていない。

つまり70年間、この領域は「暗闇の中での試行錯誤」だったのだ。

AIはその暗闇に光を当てようとしている。

---

第2章：なぜ製薬大手は精神科から逃げたのか

ファイザー、グラクソ・スミスクライン、アストラゼネカ——2010年代、製薬大手が相次いで精神科領域の研究開発から撤退した。理由は明快だ。

一つ目は「成功の基準が曖昧すぎる」こと。心臓病の薬なら「血圧がXmmHg下がったか」で判断できる。しかし「幻覚が減ったかどうか」は数値で測りにくく、臨床試験の設計が極めて難しい。

二つ目は「脳がブラックボックスすぎる」こと。「なぜ統合失調症が発症するのか」が完全には分かっていないまま薬を作っていたため、後期の臨床試験での失敗率が他の疾患領域に比べて著しく高かった。

三つ目は「コストとリスクの問題」。新薬一つを市場に出すまでの平均コストは約26億ドル、期間は15〜20年。リターンが読めない領域には投資しにくい。

これが精神科創薬の「冬の時代」だった。しかしこの状況を根底から変えようとしているのが、AIだ。

---

第3章：AIが創薬の何を変えるのか

AlphaFold2という地殻変動

2021年、GoogleのDeepMindが開発しAlphaFold2が科学界に衝撃を与えた。これは「タンパク質の立体構造」をAIが高精度で予測するシステムだ。

少し噛み砕いて説明しよう。薬とは要するに「体内の特定のタンパク質に結合して、その働きを変えるもの」だ。鍵と鍵穴の関係に例えると分かりやすい——薬が「鍵」で、タンパク質が「鍵穴」だ。当然、鍵穴の形を正確に知ることが、良い鍵を作る上で不可欠になる。

従来、この「鍵穴の形」を調べるには数ヶ月から数年かかる実験が必要だった。AlphaFold2はそれを数時間に短縮した。しかも精度は実験値に匹敵する。

これは「地図のない山を登る」から「詳細な地形図を持って登る」への転換だ。抗精神病薬の開発においても、これまで「なんとなく効きそう」で試していた新しいターゲットタンパク質の構造が次々と明らかになり、「ここに結合できる薬を設計しよう」という合理的なアプローチが初めて可能になった。

生成AIによる分子デザイン

AlphaFold2が「鍵穴の形を見る技術」なら、生成AIは「最適な鍵を0から設計する技術」だ。

従来の創薬では、何百万もの化合物ライブラリから「使えそうなもの」を一つ一つ試すという総当たり戦が行われていた。これが膨大な時間と費用を生み出す元凶だった。

生成AIはまったく別のアプローチを取る。大量の分子データと薬効データを学習した上で、「この病気に効いて、かつ副作用が少なく、かつ飲み薬として使えて、かつ脳まで届く」という複数の条件を同時に満たす分子構造をゼロから生成するのだ。

# 生成AIによる化合物設計のイメージ（実際はより複雑）

target = "統合失調症に関わるターゲットタンパク質"
conditions = {
    "efficacy": "高い薬効",          # 効くこと
    "brain_access": True,             # 脳に届くこと
    "oral": True,                     # 飲み薬として使えること
    "toxicity": "最小限",             # 毒性が低いこと
    "side_effects": "少ない"          # 副作用が少ないこと
}

# AIがこれらを同時に満たす分子構造を「生成」する
candidate_molecule = generative_model.design(target, conditions)
# 従来数年かかる探索が、数日〜数週間に短縮される

Insilico Medicine、Recursion Pharmaceuticals、Exscientiaといった企業がこのアプローチを実用化しており、従来15〜20年かかった創薬プロセスを4〜5年に短縮できる可能性が示されている。

マルチオミクス解析——「なぜ発症するか」をデータから読む

AIが最も力を発揮するのは「膨大で複雑なデータを統合して意味を見出す」場面だ。

統合失調症の研究には、ゲノムデータ（どの遺伝子変異がリスクを高めるか）、患者の脳での遺伝子発現パターン、血液中の代謝物の異常、電子カルテ上の症状経過など、バラバラな種類の巨大データが存在する。人間の頭でこれらを統合して「病気の本質はここにある」と見抜くのは事実上不可能だ。

AIはこれらを一括して処理し、「この疾患の中心にあるのはこのタンパク質だ」という仮説を生成する。これをマルチオミクス解析と呼ぶ。70年間「なぜ効くのかも分からなかった」創薬が、初めて「なぜ効くのかを理解した上で設計する」フェーズに入ろうとしている。

---

第4章：AIは万能ではない——正直に語る限界

ここまで読むと「AIが全部解決してくれる」と思うかもしれないが、現実はそう甘くない。

最大の課題は「動物実験で良い結果が出ても、人間では効かない」問題だ。これは精神科領域で特に深刻で、動物にはそもそも「幻覚」や「妄想」を再現する完璧なモデルが存在しない。AIが優秀な候補化合物を設計しても、最終的にヒトで効くかどうかは、実際に臨床試験をやってみるまで分からないのだ。

次に「説明できないAI」の問題がある。深層学習モデルは「なぜこの化合物を推薦するのか」を論理的に説明するのが苦手だ。規制当局（FDAやPMDA）に対して「AIが良いと言ったから」では当然通らない。創薬AIの説明可能性は、今も重要な研究課題だ。

そしてデータの偏りの問題も見逃せない。AIは学習データの質に完全に依存する。統合失調症の患者データは欧米白人に偏っていることが多く、アジア系を含む多様な人種での有効性・安全性を適切に予測できない懸念がある。

---

第5章：10年後・30年後の市場はどう変わるか

10年以内に最も確実に起きることは「70年続いた設計思想の崩壊」だ。2024年に承認された新メカニズムの抗精神病薬（KarXT/ケンセード）は、その号砲だ。これにより製薬会社は全く新しいマップの上での開発競争を余儀なくされる。

またAIによる開発コストの削減で、これまでリスクが高すぎて参入できなかった小規模なバイオテクノロジー企業やアカデミア発スタートアップが参入しやすくなる。イノベーションの担い手が大手製薬会社から分散化する時代が来る。

30年後はさらに大胆な変化が起きうる。現在の薬は「症状を抑え続ける」ものだが、将来は「そもそも発症しにくい脳の状態を作る」遺伝子レベルのアプローチが現実になっているかもしれない。スマートウォッチや脳波センサーが常時患者をモニタリングし、AIが「今日は再発リスクが高まっている」と早期警告を出すデジタル医療との統合も、夢物語ではなくなるだろう。

---

おわりに：Don't Die

OpenAIのサム・アルトマンは言った。「Don't Die」——超知能（AGI）が誕生するその瞬間まで、生き延びることが最重要だ、と。

AGIが誕生した瞬間から、人類が直面するあらゆる難問が猛烈なスピードで解決され始める。統合失調症も例外ではない。脳という最大のブラックボックスが解明され、個人の遺伝子と病態に完璧に合わせた治療が設計されるその未来は、AIの進歩が続く限り、確実に近づいている。

70年間、暗闇の中で手探りだった抗精神病薬の創薬が、AIという光を得て動き出した。この変革の瞬間に立ち会えること自体が、歴史的な経験だ。

生き延びよう。その先に、全く別次元の医療が待っている。

---

参考情報

FDA承認情報としてCobenfy（KarXT）の2024年9月承認があります。AlphaFold2についてはJumper et al., Nature, 2021が基本文献です。主要な創薬AI企業にはInsilico Medicine、Recursion Pharmaceuticals、Exscientiaがあります。