どの企業の事例か
今回紹介するのは、世界有数のバイオ医薬品企業であるアムジェン（Amgen）の事例です。 同社は、がんや重度の関節炎、貧血といった疾患に対する治療薬で知られ、特に生物学的製剤（バイオ医薬品）のパイオニアです。 新薬開発のプロセスは複雑で、莫大な時間とコストがかかるという業界全体の課題に対し、アムジェンは生成AIの活用でその革新に挑んでいます。
解決したかった課題
従来の創薬、特に生物学的製剤の開発は、有効な候補分子を見つけ出すために数万から数百万の分子をスクリーニングする必要があり、非常にコストと時間がかかるプロセスでした。 また、有望なタンパク質（抗体など）を発見しても、製造のしやすさや安定性といった課題から、製品化に至らないケースも少なくありませんでした。 アムジェンは、この長くて不確実性の高いプロセスを、AIを用いて高速化・効率化することを目指しました。
AIをどう使ったか
アムジェンは、NVIDIAのGPUアクセラレーテッド創薬プラットフォーム「BioNeMo」と、AIスーパーコンピューティングサービス「DGX Cloud」を導入しました。 これにより、自社が持つ膨大な独自データを活用して、タンパク質に関する大規模言語モデル（LLM）を迅速にトレーニングしています。 このAIモデルは、特定の疾患ターゲットに結合する新しい治療用タンパク質を設計したり、既存の分子の特性を予測・最適化したりするために活用されています。 AIが設計し、予測モデルが評価するという反復的なプロセス（ジェネレーティブ・ループ）を通じて、ウェットラボ（実際の実験室）での検証作業を大幅に削減し、開発サイクルを加速させています。
導入効果と見るべきポイント
- ▸NVIDIAのプラットフォーム導入により、カスタムAIモデルのトレーニングにかかる時間を3ヶ月から数週間に短縮しました。
- ▸AIモデルのトレーニング後の解析速度は、RAPIDSライブラリの活用で最大100倍高速化しました。
- ▸従来の手法では不可能と考えられていたタンパク質の設計に成功し、新薬候補として開発を進める事例も生まれています。
- ▸注目すべきは、AIを単なるデータ分析ツールとしてではなく、新しい分子をゼロから設計する「生成（ジェネレーティブ）」タスクに活用している点です。
- ▸研究者はインフラ構築ではなく、本来の目的である生物学の探求に集中できるようになったと報告されています。
日本企業が参考にできること
この事例は、製薬業界に限らず、専門性の高い研究開発分野において生成AIが強力な武器になることを示しています。重要なのは、自社が長年蓄積してきた独自のデータセットです。これを最新のAIプラットフォームで学習させることで、業界特有の複雑な課題を解決し、他社には真似できないイノベーションを生み出すことが可能です。汎用的なAIを使うだけでなく、自社データでモデルをファインチューニングするアプローチは、製造業の材料開発や金融業界のリスクモデル構築など、多くの分野で応用できるでしょう。