2026中関村フォーラム年次大会｜効率競争から疾病認知革命へ、AIが医薬医療機器のイノベーションと発展を支援

（出所：北京商報）

スマート医療は、AI技術における最も社会的価値の高い応用シナリオの一つになりつつある。3月26日、2026中関村フォーラム年会「知は生命健康に賦す・AIが未来を導く」フォーラムにおいて、参加専門家は戦略的配置、研究のパラダイム転換、産業実践の道筋、技術フロンティアの探求をめぐって深い交流を行い、AIが生命健康に力を与えることは「挑戦」でもあり「機会」でもあり、政府、学界、産業界が足並みをそろえて力を合わせ、データの基盤づくり、評価と規範の策定から、応用の実装までの全プロセスを共に切り開く必要がある、との見解で一致した。創薬における「10年10億ドル」の行き詰まりから医療機器のスマート化への高度化、デジタル人体モデルによる精密なシミュレーションからバーチャル臨床試験の最前線の探求まで、AIは効率の飛躍だけでなく、経験駆動からデータ駆動へ、効率競争から疾患の認知に関する革命へとつながる深層の変革を生み出す。

データの基盤づくりと評価・規範の整備

国務院顧問、北京協和医科大学の衛生健康管理・政策学院の専任教授である劉遠立は、国務院顧問室で主導する医学健康人工知能の国家戦略に関する専門調査の成果と結びつけて、現在わが国におけるAIが医療・健康にもたらす取り組みで直面している三つの難所を体系的に整理した。

劉遠立は、現在早急に突破が必要な難関を3つのキーワードでまとめた。それは「データ、評価、実装」である。第一の難所は「データの困難さ」だ。わが国は膨大な人口規模と、公立病院を中心とする医療体系という、理論上「データ資源」と「制度・体制」という二重の優位性を備えている。しかし、高品質で標準化され、マルチモーダルな医療・健康データの供給が不足しており、安全かつ効率的で信頼できるデータ共有・流通の仕組みはいまだ形成されていない。

その原因を劉遠立は「三つの“できない”」としてまとめた。「できない」「できるかどうかが怖い」「やりたくない」である。「できない」は、医療データがマルチモーダルで高い複雑性を持ち、かつ強い専門性があるため、多くの病院に成熟したデータ管理・開発能力が欠けていることにある。「できるかどうかが怖い」は、健康医療データが高度にセンシティブであり、プライバシー保護と安全に関する責任のプレッシャーが大きく、共有に対する懸念が重いからである。「やりたくない」は、合理的なインセンティブと価値還元のメカニズムが不足しているためで、データ提供者の動機がはっきりと足りない。

第二の難所は「評価の難しさ」だ。医療AIは人々の生命と健康に直接関わり、少しのあいまいさも許されない。現在、大規模モデルが急速に反復して進化しており、その大きな価値が示されている一方で、ブラックボックスで説明不能、アルゴリズムの偏見、誤診・見逃しのリスクなどの問題が伴って生じている。「技術がより先進するほど、規制はそれに追いつかなければならない」と劉遠立は強調する。研究開発、審査、応用の監督という全チェーンをカバーする権威ある評価メカニズムとプラットフォームを構築するスピードを上げる必要があり、統一された科学的で権威ある基準によって技術革新に安全な境界を引き、品質の最低ラインを確立しなければならない。

第三の難所は「実装のつらさ」だ。どれほど良い技術でも、実際に使われてこそ価値がある。現在、医療AIは「最後の1マイル」という難題に直面しており、政策、価格、手順、習慣などの複数の障害を取り払って、成熟して信頼できるスマート製品が本当に病院に、家庭に入り、百姓（一般の人々）に恩恵を届ける必要がある。劉遠立は、データの基盤づくり、評価・規範の整備から応用の実装まで、どの一歩も政府、学界、産業、医療・健康分野が足並みをそろえて力を合わせ、国家戦略のリードのもとで一致団結して行き詰まりを解き、難点を攻略し、断絶点をつなぎ直す必要があると述べた。

研究のパラダイムと人材育成

北京市人民政府顧問、清華大学深圳国際大学院のバイオ医薬・健康工学研究院の業務担当副院長である邢新会は、研究院の6年間にわたる探索実践と結びつけ、AIと生命科学の深い融合における革新的な経験を共有した。

邢新会は、研究院のカリキュラム・モジュールでは、すべての学際・革新コースがAI関連の内容を含んでいると紹介した。強力なAIの教員陣が多分野の交差に参加している。研究面では、過去6年間の研究院の修士・博士学位論文の研究において、90%がAIを研究実践に統合している。このような深い融合は人材育成にとどまらず、研究の革新においても実質的なブレークスルーを生んでいる。

例として、ペプチド医薬と活性ペプチドの掘り起こしを挙げる。従来の方法は主に経験と試行錯誤に依存しており、成功率は1%に満たない。AIを介入させることで、配列と標的の活性予測および情報選別を深く融合でき、効率を10倍、100倍、さらには1000倍まで高められる。「私たちは実験を始める前に、AIモデルで構築した後にどの分子がより通りやすい道を選べるかを判断でき、試行錯誤の率を大幅に減らし、標的となる分子をより精密に掘り当てられる」と邢新会は述べた。

さらに、研究院は世界トップレベルのデジタル人体モデルも構築しており、乳幼児、成人男性、成人女性、高齢者などの異なる集団をカバーし、100を超えるさまざまな臓器と細胞の代謝モデルを含んでいる。薬剤または食品が人体に入る前に、その変化、毒性・副作用、そして腸への影響を予測できる。装備分野では、チームが開発した高スループット細胞スクリーニング装置は国内向けにとどまらず、日本、米国、韓国、フランスなどの先進国へ輸出されている。デジタル病理分野では、AIと高スループットの病理スライスシステムを組み合わせることで、腫瘍診断、遺伝子変異予測、予後評価などのタスクを精密に実行でき、臨床の精密な診断・治療に強力な支援を提供している。

産業実践と技術フロンティア

北京ノーチェン・ジェネヘルス医薬科技有限公司の共同創業者、董事長兼最高経営責任者（CEO）である崔霁松は、革新的な創薬企業の現場での実践者という視点から、AIが創薬を支える実務的な道筋を共有した。

崔霁松は、新薬開発は標的選定から分子設計、さらに臨床試験まで、期間が10年に及び、投資は10億米ドルを超えると指摘した。AIはすでに、会社の運営効率の向上において重要な役割を果たしている。例えば、患者の組み入れ最適化、データのリアルタイム変換ダッシュボード、生産データの要約などだ。しかし、現時点でAIがまだ解決できていない中核の問題は、「0から1の段階で、臨床で本当に有効な薬をどう見つけるか」である。「AIが設計した分子はタンパク質への結合力が非常に良く、親和性も強い。しかし、そのまま動物実験を飛び越えて臨床へ直接進めることができるのか？今は規制当局が許可していない」と崔霁松は率直に認めた。AIの予測から、承認され上場（販売）できる薬になるまでには、なお大きな隔たりがある。将来、いくつかの実験室での検証工程をAIが置き換え、それが薬監（医薬品監督）部門に認められるようになれば、新薬開発の時間を10年から2〜3年へ短縮できる可能性がある。

中科計算技術西部研究院の教授、チューリング＝ダーウィン実験室の副主任である趙宇は、技術フロンティアの視点から、より徹底的に覆す（ディスラプトする）観点を提示した。彼は、現在の業界でのAIの活用の多くが、統計学と情報化のレベルにとどまっており、本当に意味のあるAIはまだ十分に理解されていないと指摘した。

趙宇は、薬物開発で最も難しいのは「根のところで間違えないこと」だと強調する。現在の革新薬は動物実験では効果が顕著な一方で、臨床試験では95%が失敗している。その根本原因は、疾患メカニズムの理解が実際には十分に明確になっていないことにある。「私たちが欠けているのは分子ではなく、病気を治せる分子だ。この業界の第一原理は、疾患の理解である。」趙宇チームは約30年の蓄積のもとで、完全な計算医学の体系を構築してきた。疾患から出発して、標的の作用と恩恵を受ける対象集団を明確にし、その後で分子設計を行う。彼らは世界初のバーチャル臨床試験を完成させ、患者の治療効果を前もって予測することで、100%の精度を実現した。希少疾患の脊索腫、乳がんの早期診断など、複数の領域で、この「疾患の基層ロジックに基づく」方法は実質的なブレークスルーをすでに達成している。

趙宇は、薬物開発を「科学者の天才的な偶然のひらめきによる発見」から「エンジニアリング化された必然」へ変えたいと希望している。もし生命が自己整合的であり、疾患と健康の両方がDNAに符号化されているのなら、数学の観点から言えば、生命は符号化して読み解くことができる。

北京商報記者 王寅浩 宋雨盈

大量のニュース、精確な解釈は、新浪財経APPにて