OpenAI、創薬AIの判断力を測る基準公開
強みと課題を可視化
詳細を読む
OpenAIは、医薬品候補を見極めるAIの能力を測るベンチマーク「MedChemBench」を公開しました。公開研究に基づく99問を通じ、分子構造の読み取り、実験結果の解釈、次に試す化合物の選択、性質の予測を評価します。創薬で重要な、分子の変化と実験上のトレードオフをAIが扱えるかを検証する狙いです。
問題は論文や特許117件に基づき、761種の分子構造を含みます。各設問では、研究の途中段階で得られていた標的や研究目的、既に試された化合物、実験結果などをモデルに提示します。評価対象は構造の再現、根拠に沿った科学的説明、候補の順位付けと選択、数値や区分による性質予測の四つです。
xhigh設定での総合成績はGPT-6.2 Astraが84.5%で、GPT-6 Astraの83.3%、GPT-6.1 Solの82.0%、GPT-5.6 Solの58.2%を上回りました。GPT-6 Astraは分子構造の再構成と実験証拠の説明に強く、構造評価では95.4%の得点でした。一方、候補選択と数値予測は難しく、得点はおよそ半分にとどまりました。
例として、がん創薬で研究されるタンパク質PRMT5の阻害剤を扱う設問があります。モデルは関連する三つの化合物について、細胞での阻害活性、細胞障壁の通過しやすさ、肝酵素による分解速度を予測します。後から得られた実験では、化合物23は低濃度で阻害する一方、化合物24は通過性が高く、分解も遅いという性質の違いが示されました。
OpenAIは、分子の小さな構造差が複数の性質に異なる影響を及ぼす点を、創薬化学の難しさとして説明しています。ベンチマークでは測定値との近さに応じた部分点を与え、設問中に示された測定値を正しく再現できるかも確認します。構造そのものを誤ると、その後の分析対象も変わるため、正確な分子表現が基礎になります。
ただし、今回の結果だけでAIが新薬を発見したり、研究室の意思決定を改善したりできるとは結論づけられません。公開資料を事前学習などで知っていた可能性を排除できず、各回答はツールやフィードバック、新たな実験なしの一回限りです。過去の証拠に基づく推論を測るこの評価は、モデルの進歩と残る課題を切り分ける材料となります。