OpenAI は11月20日、薬の分子を設計する「医薬化学」の分野で、AI がどこまで筋道立てて考えられるかを測る試験「MedChemBench」を公開した。論文や特許117本から作った99問で、最も成績の良かった GPT-6.2 Astra は得点の84.5%を取った。
新薬を待つ側から見れば、AI が薬の候補選びに役立つ日が近いのか遠いのかを測る物差しが一つ増えたことになる。ただし同社自身が、この結果は AI が新薬を見つけられることを示すものではないと断っている。発表直後の第一報はこちらの速報で伝えている。
99問で何を問うのか
問題は、実際の創薬研究のある時点を切り取って作られている。AI には、狙う標的、研究者の目標、それまでに調べた化合物、選んだ実験結果が渡される。扱う分子構造は761に及ぶ。
採点は4つの部分に分かれる。
- 図や部品から分子の構造を正しく組み立てられるか
- なぜある化合物が別の化合物より選ばれたかを、渡された証拠で説明できるか
- 条件に合うように化合物を順位づけし、選べるか
- 細胞での効きや分解されにくさなどの性質を、数値で予測できるか
難しさの中心は、性質どうしの折り合いにある。標的にはよく効くのに体に吸収されにくい、あるいは分解されるのが早すぎる、といった化合物はよくある。一つを良くすると別の一つが悪くなる中で、次にどの分子を作るかを決めるのが医薬化学者の仕事だ。
世代で58%から84%へ
同社が示した成績 (いずれも高い推論設定) は次のとおりだ。
| モデル | 得点 |
|---|---|
| GPT-6.2 Astra | 84.5% |
| GPT-6 Astra | 83.3% |
| GPT-6.1 Sol | 82.0% |
| GPT-5.6 Sol | 58.2% |
部分ごとに見ると差は大きい。分子の構造を組み立てる問題では、GPT-6 Astra は95.4%を取った。一方、条件に合う化合物を選ぶ問題と、性質を数値で予測する問題では、取れた得点はおよそ半分にとどまったと同社は書いている。構造を読む力に比べて、どれを選ぶか、どのくらい効くかを当てる力はまだ途上だ。
この試験が示さないこと
OpenAI は限界も並べている。
- AI が新しい薬を見つけたり、実験室での判断を良くしたりできるかは、この結果からは分からない
- 問題の元になった論文や特許を、モデルが学習の段階ですでに読んでいた可能性は否定できない
- 答えは1回きりで、道具も、途中の手がかりも、新しい実験も使わせていない
- 過去の証拠から考える力を測るもので、現実の創薬そのものではない
人の専門家が同じ問題を解いた場合の点数は示されていない。84.5%が専門家と比べて高いのか低いのかは、この発表だけでは判断できない。
「AI で見つけた薬」をどう読むか
候補の分子が選ばれたあとも、薬になるまでには動物や人での試験が続き、多くの候補はその途中で落ちる。AI が助けるのは、その手前の「次に何を作るか」を決める段階だ。
これから「AI で開発された」とうたう薬や研究の知らせは増えていくはずだ。読むときは、AI が関わったのがどの段階か、人での試験はどこまで進んでいるかを確かめると、期待の置きどころを見誤りにくい。試験の点数が上がったことと、薬が早く届くことは、まだ別の話だ。
次に見るもの
同社は、モデルの進歩に合わせて更新を共有するとしている。確かめる先は OpenAI の公式ブログと、発表ページから読める MedChemBench の論文だ。他の研究機関や AI の開発元がこの試験で自分たちのモデルを測り、結果を出すかどうかで、物差しとして広く使われるかが見えてくる。
ことば
- 医薬化学 — 薬の候補になる分子を設計し、効き目と体内での扱われ方の折り合いをつけながら改良していく分野。今回の試験は、この分野の考え方を AI がどこまでたどれるかを測る。
- ベンチマーク — AI の能力を同じ問題で比べるための試験。点数は比較の目安になるが、現実の仕事をこなせるかとは必ずしも一致しない。
薬の知らせに「AI」の文字を見たとき、あなたはどの段階の話かを確かめるだろうか?
