# AI創薬で「発見」から「精密エンジニアリング」へ：Isomorphic Labs社長 Max Jaderberg

- 番組: [No Priors: Artificial Intelligence | Technology | Startups](https://ai-curator.jp/podcasts/shows/cmv3z5bzj00055o105dkwvrjv)（Conviction ）
- 元のタイトル: Powering AI-Driven Drug Discovery with President of Isomorphic Labs Max Jaderberg
- 配信日: 2026年11月12日
- 長さ: 39分
- 要約作成日: 2026年11月12日
- トピック: [#AI創薬](https://ai-curator.jp/topics/AI%E5%89%B5%E8%96%AC) [#AlphaFold](https://ai-curator.jp/topics/AlphaFold) [#Isomorphic Labs](https://ai-curator.jp/topics/Isomorphic%20Labs) [#in silico モデル](https://ai-curator.jp/topics/in%20silico%20%E3%83%A2%E3%83%87%E3%83%AB) [#多剤併用](https://ai-curator.jp/topics/%E5%A4%9A%E5%89%A4%E4%BD%B5%E7%94%A8) [#健康寿命](https://ai-curator.jp/topics/%E5%81%A5%E5%BA%B7%E5%AF%BF%E5%91%BD)
- URL: https://ai-curator.jp/podcasts/cmwdgcac700004c11qxs41a9w

## 要約

Isomorphic Labs 社長の Max Jaderberg が、Elad Gil との対談で同社の構想を語った回。AlphaFold を深層学習が生物学で汎化しうる最初の実証と位置づけ、創薬を実験室から計算機上へ移し、実験精度の予測モデルで成功確率と速度を高める方針を説明している。動物実験に代わる予測、病気領域に依存しない創薬エンジン、多剤併用、寿命と健康寿命の見通しにも話が及んだ。

## ポイント

- Jaderberg は、AlphaFold を深層学習モデルが生物学の意味ある領域で汎化できる最初の概念実証と位置づけ、2021年頃の Isomorphic 設立の確信につながったと述べている。
- 創薬が高コスト化する理由として、製薬が試行錯誤中心の経験的プロセスで、各プロジェクトが個別対応のため学びが次に引き継がれにくい点を挙げている。
- 最大の目標は創薬作業を計算機上に移すことで、社内ではシミュレーションモデルの目標として「実験精度」の基準線を設けている。
- 臨床試験での失敗は毒性や off-target（想定外の標的への作用）が患者に投与して初めて分かることに起因するため、投与前の理解を深めることが大きな機会だとしている。
- ラットは人の臨床毒性の予測として約30%程度だと述べ、in vitro、オルガノイドなどと AI を組み合わせた新たなエンドポイントを構想している。
- AI モデルは社内で開発し、モデル自体は販売せず、自社パイプラインと製薬企業との提携で使う。精密な分子設計は多剤併用の可能性も広げると見ている。

## 章立て

- [01:24] **Isomorphic 設立の経緯** — DeepMind での経験と AlphaFold の成果が、生物学に深層学習を集中投入する動機となったことを語る。
- [05:23] **創薬が停滞する理由** — 承認数は横ばいでコストと期間は増加している現状を、経験的な試行錯誤と学びの非継承性から説明する。
- [11:49] **人材採用の方針** — AI の第一線の人材と生物・化学の専門家を集め、組織内で相互に学ばせる方針と、1対5程度の比率感を語る。
- [14:35] **創薬を計算機上へ移す** — 実験精度のシミュレーションモデルを目標とし、臨床での失敗を事前に見通す必要性を論じる。
- [19:30] **データ戦略と動物実験の限界** — 偏った既存データを避け自前でデータを生成する方針と、ラットの毒性予測の低さ、新しい予測エンドポイントを論じる。
- [22:50] **内製と提携、ラボ自動化** — AI エンジンは内製し、実験は外部と協力する。自動化は進めつつ、実世界での反復自体を減らす考えを述べる。
- [27:19] **注力領域と多剤併用** — 腫瘍学と免疫・炎症に注力し、毒性の低い精密な分子で複雑な併用療法を可能にする展望を語る。
- [32:17] **リスク許容度、規制、寿命** — 患者の状況に応じた安全性とリスクの考え方、5年後の見通し、寿命と健康寿命の延伸について議論する。

## 解説記事

AI創薬企業 Isomorphic Labs の社長 Max Jaderberg が、投資家の Elad Gil との対談で、同社の目標と創薬の課題をどう見ているかを語った。Jaderberg は DeepMind で AlphaGo や AlphaStar などに携わり、のちに Isomorphic の創業チームに加わった人物だ。番組では、創薬を試行錯誤から計算機上の設計へ移すという構想が中心に語られた。

#### AlphaFold が示した可能性

Jaderberg は、2018〜19年頃にはゲームなどの「不可能な問題」に取り組んでいたが、その技術を何に向けるべきかを考えるようになったと振り返る。その中で見えてきた AlphaFold の初期の成果を、深層学習モデルが生物学の意味ある領域で汎化できる最初の概念実証だったと述べている。これが、人間の健康を変えるという大きな使命には専用の会社と文化が要ると判断する根拠になり、Isomorphic は2021年頃に生まれたという。

#### なぜ創薬は難しくなり続けるのか

Gil は、論文数や創薬モダリティ（抗体、低分子、ペプチドなど）が増えたのに、新薬承認数は横ばいで、コストは約15億ドル、期間は約15年に膨らんだと指摘する。Jaderberg は理由の一つとして、薬づくりが歴史的に経験的なプロセスだったことを挙げる。仮説を立て、分子を作り、実世界で試すことを繰り返すやり方では、細胞という高次元で複雑な系や、組合せ的に巨大な分子設計空間を扱うのに限界がある。手が届きやすい標的は見つかり尽くしつつあり、複雑さの高い解には到達しにくくなっている、という見方だ。

また、各プロジェクトが個別の最先端研究として扱われ、学びが次へ転用されにくい点も問題視する。AI基盤があれば、取り組むほど疾患生物学や分子設計の理解が蓄積し、改善が複利的に効く可能性があるという。

#### 計算機上で「実験精度」を目指す

同社の北極星は、創薬の作業を計算機上に移すことだと Jaderberg は語る。実世界での原子の合成とアッセイでの検証が時間とコストの最大のボトルネックだからだ。AlphaFold のようなシミュレーションモデルが実験精度に達すれば、X線結晶構造解析に数か月から数年かける必要がなくなる。社内のリーダーボードには「実験精度」の点線があり、そこに到達することが各モデルの目標だという。

臨床試験で失敗が多いのは、毒性や想定外の標的への作用が、患者に投与して初めて分かるためだと説明する。そのため、投与前に疾患生物学や細胞の働きまで含めてモデル化することが大きな機会だとする。データについては、既存の蓄積データは受動的に集まったもので偏りが大きいため、汎化のために自前でデータを生成しており、データのスケーリング則も観測していると述べている。

動物実験への依存にも疑問を示した。ラットは人の臨床毒性の予測としておよそ30%程度だという認識で、in vitro の指標、オルガノイドやオルガン・オン・チップ、AI予測を組み合わせ、人の臨床毒性を直接モデル化する道を構想している。ただし臨床試験のデータ自体は限られるとも認めている。

#### 事業モデルと対象領域

AIの創薬エンジンはすべて社内で開発し、モデルのライセンス販売やトークン販売はしない。自社資金で進める社内パイプラインと、製薬・バイオ企業との共同プログラムの2本立てで活用する。実験プラットフォームは、CRO（受託研究機関）などを含め外部とも協力する。ラボ自動化の進展は歓迎しつつ、物理法則による待ち時間は残るため、実世界は検証に使い、学習や反復は極力計算機上で行いたい考えだ。

社内の重点は腫瘍学と免疫・炎症だが、エンジンは疾患領域、標的クラス、モダリティに依存しない汎用だと強調する。多くの患者に波及しうる「ルートノード」的な問題を狙うとし、RAS阻害薬の例を挙げている。

#### 多剤併用と規制、寿命

併用療法が少ないのは、分子の毒性や肝臓への影響、薬物間相互作用が障害になるからだと Jaderberg は言う。分子を精密に設計できれば、複雑な経路にまたがる複数標的を安全に同時に調整できる可能性がある。

規制や安全性の議論では、患者の安全は最重要としつつ、後期がんと慢性炎症ではリスク許容度が異なり、状況に応じて調整できるべきだという立場を示した。臨床入りの時期は明言せず、臨床開発チームを拡充中と述べるにとどまった。5年後の姿については、疾患の予測的理解と分子設計の精度が大きく進んでいなければ失望すると語っている。寿命については、主要疾患への対処と老化の根本原因への介入の両面から、健康寿命の最大化を目指せるとの見方を示した。

#### まとめ

番組は、AIが創薬の「探索」を「設計」へ変えるという主張を一貫して示した。実験精度のモデルが実現するかどうかは、今後の実績で検証される。日本の読者にとっては、データを自前で生成する戦略、動物実験に代わる予測指標、AIエンジンを販売せず内部で使うモデルが注目点になる。臨床試験の時期など具体的な成果はまだ示されておらず、その点は引き続き見守る必要がある。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: No Priors: Artificial Intelligence | Technology | Startups「Powering AI-Driven Drug Discovery with President of Isomorphic Labs Max Jaderberg」