製薬大手CEOたちは、Silicon Valleyの「AIが病気を治す」という約束を信じていない

AIは病気を治さなくても状況を変えられる。

官僚的な作業を加速するだけでも、製薬のような大組織では測定可能な効果がある。

しかもそれは、彼らが手助けしようとしている科学的な作業の前の話だ。

pton_xdが投稿して削除した：

> 生物学全体の問題はあるが、LLMには人間に対する利点が一つある。彼らは言われた通りに動くだけで、見栄や政治、利益動機などに左右されない。もしかしたらその強みだけでも、そうでなければどこかで埋もれていた解決策を浮上させられるかもしれない。

ああ、まったくその通りだ。生物学には、たとえば長寿のような問題に対して、たくさんの解決策やすぐに実を結ぶ話がある。我々はマウスを何十回も大幅に長生きさせてきた。しかしそれを人間に移植するにはヒト生殖細胞系列の遺伝子工学が必要で、その「解決策」がかなり厳しくタブー視されているのは確かだ。

「がんを治す」については、AnthropicやOpenAIがその高い地位や評判を使って、社会が受け入れるのを拒んできた既存の解決策（生殖細胞系列、p53、強化されたDNA損傷修復経路、腫瘍抑制遺伝子対オンコジーンのコピー数の増加、より堅牢な腫瘍抑制ネットワーク、より自己抗がんアポトーシス、CD47抑制など）を洗浄するだろうと私は疑っている。彼らには人々にこれらのアイデアを見させるのに十分な評判があるかもしれない。ステージ5のターボがん、いわゆる歩く死者を治すことはないだろうが、願わくばそこまでゴールポストを動かすことはないだろう。https://news.ycombinator.com/item?id=49329717

現在のAIが新しい薬を確実に開発するために必要なデータをどこから得るのか、私には見えない。特に、今よりも高い成功率で薬を開発するためのデータとなると尚更だ。

AIは特定の分子が人間に及ぼすすべての影響を予測できる必要がある。今日でも、すでに理解している特定の相互作用については部分的にできる。しかしそれは根本的に異なるものではなく、現在の創薬よりも効果的である可能性は非常に低い。

デジタル知能が研究を進めるためにできることは山ほどあり、十分に近い生物学シミュレーションなどが実現すれば、いつかクラウド上で実験を実行できるようにしてくれるかもしれない。しかしそれ以前でも、人々をより良く、より速く診断し、膨大なソースからの文献やデータを分析し、Gitlabsの創業者がやっているように「その人を治す可能性が最も高い」治療法を描くために使える。AIは明日病気の治療法を見つけなくても、より多くの命を救えるのだ。

平均的な治験は6〜7年かかる。より良い薬を作るには、「これは治験でうまくいった」というラベル付きの出力と、さらに重要なことに「これは治験でうまくいかなかった」という出力が必要だ（後者は今日、CROや製薬会社ではほとんど常に除外されている）。そしてここで「より良い薬を作るために」という言葉はかなり緩く使っている。私は「病気と人から効く化学物質へと導くモデルを訓練するために」と言っているのではない。たとえ統計的な支援者、つまり薬を早期に中止すべきか（これは大きな助けになる）、毒性用量を調整すべきか、治験コホートを別の方法で分離すべきかを判断するのを助ける者がいるだけでも、と言っているのだ。

だから、AIが「7年で病気の90%を解決する」わけではない（記事からの引用）が、試みないことを完全に無視するのも少し馬鹿げている。今日の創薬のやり方は我々が持つ最善の方法だが、それは狂気だ。現在の方法は基本的に（非常に凝った／統計的に厳密な）試行錯誤に等しい。平均的な薬が市場に出るまでに10〜20億ドルと何年もかかる。少なくともより良くしようと試みる必要がある。これは思いやりからそうせざるを得ないと感じるべき分野だ。

AIが病気を治せるという角度がよくわからない。AI/MLツールは複雑さの管理に優れているが、治療や治癒となると、複雑さにどうにか対処しなければならない。薬の再利用が病気を治す万能のロゼッタストーンであり、安全試験を通過したこれらの薬をすべて試すだけの問題だと信じていない限りは？ しかし、これらの病気や個別化医療が新しい治験を必要とするなら、どうやってスケールできるのか（上にも、n<10の病気に下にも）？

臓器や分子がそれらとどう相互作用するかを正確にシミュレートする方法を発見するまで、AIがより良い薬をより速く提供できるとは思えない。そのような技術は私にはまだ遠いように思える。