AI×言語理解が変える次世代創薬 ― データ駆動型研究とNLP技術の融合

創薬の未来を動かすのは“データを読むAI” 

医薬品開発の平均期間は10〜15年、コストは1品目あたり約2,000億円。 
新薬の成功確率はわずか3万分の1とも言われます。 
この“創薬の非効率性”を根本から変える切り札として、AIが脚光を浴びています。 

特に、AIが自然言語を理解し、データを自ら解析できるようになったことで、 
研究者の知識探索のプロセスが根本的に変化しています。 

AI（人工知能）×自然言語処理（NLP：Natural Language Processing）―― 
この融合が創薬のスピード・精度・再現性を劇的に高め、 
“人間が読む”時代から“AIが読む・考える”時代へとシフトを加速させています。 

AIは、創薬を「偶然の発見」から「必然の発見」へと導く。 
それは単なる技術革新ではなく、研究そのものの“概念的な変化”なのです。 

創薬プロセスとAIが担う新しい役割 

創薬の流れはおおまかに4つに分かれます。 

1. ターゲット探索：疾患に関連する遺伝子や分子を特定する
2. 化合物設計：標的に作用する分子を設計・合成する
3. スクリーニング：有効性・副作用・薬物動態を予測する
4. 臨床試験：最適な被験者群・試験デザインを決定する

AI創薬は、これら全ステージにおいて役割を果たしつつあります。 

プロセス	従来の課題	AI導入による改善
ターゲット探索	文献・特許情報が膨大で解析が非効率	NLPが論文を自動要約し、有望な標的候補を抽出
化合物設計	試行錯誤的な分子設計に時間がかかる	生成AIが分子構造を自動生成・最適化
スクリーニング	実験コストが膨大	機械学習が化合物活性を予測し、実験数を削減
臨床試験	試験設計と患者選定が困難	AIが被験者マッチングとデータ解析を自動化

AI導入によって研究開発期間を平均30〜50％短縮し、 
コストを40％以上削減できたという報告もあります。 
製薬業界の研究開発ROI（投資利益率）は近年低迷していますが、 
AI創薬はその“収益構造の逆転”を可能にする変革技術なのです。 

AI創薬を支える主要技術 ― 機械学習から自然言語処理へ 

AI創薬の基盤は、データ解析技術と言語理解技術の融合です。 

1. 機械学習（ML） 

膨大な化合物構造と薬理活性データを学習し、類似パターンを抽出。 
AIが「どんな分子がどの疾患に効くか」を自動予測します。 

2. ディープラーニング（DL） 

画像認識技術を応用し、分子構造やタンパク質立体構造を分析。 
AIが立体的な結合関係を把握し、創薬シミュレーションの再現性を高めています。 

3. 自然言語処理（NLP） 

NLPは創薬AIの“知的エンジン”です。 
論文・特許・試験報告書といった非構造化データをAIが理解し、 
疾患・化合物・遺伝子の関係を構造化。 
研究者は、AIが要約した知見を瞬時に把握できるようになります。 

4. 生成AI（Generative AI） 

ChatGPTなどの大規模言語モデル（LLM）は、文章生成だけでなく、 
新規分子構造の提案や薬理パラメータの予測にも活用されています。 
AIが「新しい薬の仮説」を立て、人間が検証する――そんな研究スタイルが現実になりつつあります。 

自然言語処理（NLP）が変える研究現場 

創薬研究者の業務の8割は「文献の収集と整理」と言われます。 
しかし、NLPを活用すればこの作業は劇的に効率化されます。 

1. 文献解析と自動要約 

AIが数万件の論文を自動で読み込み、関連情報をタグ付け。 
新しい治療標的や副作用傾向を抽出し、研究者に提示します。 

2. 知識グラフによる仮説発見 

遺伝子・化合物・疾患・治療効果などの関係をグラフ化。 
「誰も気づいていなかった分子ネットワーク」を可視化し、 
AIが次の実験仮説を自動生成します。 

3. 多言語研究情報の統合 

創薬に関する有益な論文は日本語・英語・中国語など多言語で存在。 
ロゼッタのAI翻訳を活用すれば、国境を超えた知識統合が可能です。 
「言語の壁」を越えた研究コラボレーションが加速しています。 

世界のAI創薬市場と日本の動向 

海外：AI創薬が実用フェーズへ 

• Insilico Medicine（香港）：AI設計薬が実際に臨床試験へ。
• Recursion（英国）：AIが分子設計〜臨床まで一貫サポート。
• BenevolentAI（英国）：NLP解析でターゲット探索を効率化。 

これらの企業は、研究スピードを平均10倍に短縮し、 
AIによる分子探索コストを90％削減するなど成果を出しています。 

日本：産学連携とAI創薬DXが進展 

AMEDや文科省が推進するAI創薬プロジェクトでは、 
国内の製薬企業・大学・AI企業が連携し、創薬AI基盤を共同開発。 
ロゼッタは自然言語処理と翻訳AIを活用し、文献解析・特許情報分析・研究データ共有の効率化に寄与。 
**「科学と言語の融合」**をキーワードに、創薬研究のDX（デジタルトランスフォーメーション）を支援しています。 

AI創薬の課題と未来への展望 

AI創薬は大きな可能性を秘める一方で、いくつかの課題も残されています。 

1. データ統合の難しさ：研究機関ごとにデータ形式が異なり、AI学習の障壁となる。
2. 説明可能性（Explainability）：AIが出した結論の根拠を人が理解できない場合がある。
3. 法規制・知財管理：AI生成分子の特許や倫理的扱いは国際的に議論中。

こうした課題を克服する鍵が「透明性」と「協働」です。 
AIと研究者が共に学び合い、判断根拠を共有する“Explainable AI”の実現が急務です。 

ロゼッタのAI技術が支える創薬DX 

ロゼッタは「言葉を技術で翻訳する」という独自の強みを活かし、創薬AI領域でも重要な役割を担っています。 

1. 科学文献・特許情報の自動解析 

AIが研究文献や特許を読み解き、疾患・遺伝子・化合物などの専門語を高精度に抽出。 
研究者が膨大な資料を手作業で精査する必要をなくし、“知識探索時間を1/10に短縮”。 

2. 多言語データの統合と共有 

ロゼッタのAI翻訳を活用すれば、海外論文や共同研究レポートを自動翻訳し、 
世界中の研究チームが共通言語でコラボレーション可能。 

3. 科学情報の意味理解 

単なる文字変換ではなく、AIが文章構造・概念関係を理解し、 
**「科学的知見の言語化」**を実現。 
創薬研究を“情報処理の壁”から解放します。 

🔹 ロゼッタのビジョン： 
「科学と言語の境界をなくす」。 
研究者がAIと共に考えることで、人類の知識創造を加速させる。 

生成AI時代の創薬 ― AIが“共創研究者”になる未来 

AIは単なる支援ツールではなく、**「共創するパートナー」**へと進化しています。 
研究者がAIと自然言語で対話しながら仮説を構築し、AIが新しい分子を提案する――。 
それはもはやSFではなく、現実の創薬現場で起きていることです。 

生成AIは、創薬のあらゆるステージで“発想力”を提供します。 
・既存研究の再構成 
・分子構造設計 
・臨床データの解析と要約 
・治療候補の発見 

このようなAIの共創力により、創薬は「人がデータを読む時代」から「AIが知識をつなぐ時代」へ。 

結論：創薬は“知を翻訳する産業”へ 

AIが分子を作り、NLPが知識を構造化し、研究者が戦略を立てる。 
この三位一体の流れが、創薬を“実験中心の科学”から“知識中心の科学”へと進化させています。 

ロゼッタのAI技術は、 

• 科学文献を読むAI
• 概念を理解し翻訳するAI
• 研究知を共有可能にするAI

として、創薬DXの中核を支えています。 

AIが研究者の右腕として知識を翻訳し、発見の精度とスピードを高める。 
創薬の未来は、“AIが知を理解する時代”によって大きく変わる。 
ロゼッタはその変革の最前線で、言語の力で科学の未来を支え続けます。