Anthropicによると、同社のAIモデルClaudeは、遺伝子編集の新たな方法につながる可能性のある分子マシンを特定しました。この発見は、AIが5～10年以内に主要な病気の大半を治すのに役立つ可能性があるという、CEOのダリオ・アモデイ氏の予測を考える手がかりになります。ただし、この分子マシンの生物学的機能はまだ明らかになっていません。有望な研究の手がかりと、人を対象に安全性と有効性が実証された治療法は、別々の到達点です。AIは臨床試験前の工程を短縮できても、試験自体のすべての工程を短縮できるとは限りません。

今回の発見で分かること、分からないこと

分子マシンとは、生物学的な機能を果たす分子の集まりです。Claudeの発見は遺伝子編集の新たな仕組みを示唆するかもしれませんが、その分子マシンの機能はまだ確立されていません。治療法につながる道筋とみなすには、研究者がその働きを突き止め、提案される用途を検証する必要があります。

5～10年という予測を評価するうえで、この違いは重要です。AIは研究の手がかりを生み出したり、検討したりする助けになります。しかし今回の発表だけでは、この発見に基づく治療法がヒトで有効であることも、主要な病気の大半に対応できることも示されていません。そうした結論には、生物学研究と医療上の試験による証拠が必要です。

ステンレス製の作業台に並ぶ実験用のガラス製バイアルと大きな砂時計

▲ 医療試験に必要な時間

問うべきは、AIが発見を速められるかどうかではありません。発見から治療までのどの工程を加速でき、どの工程には時間をかけた人の観察が必要なのか、ということです。

臨床的な証拠を得るのに時間がかかる理由

臨床試験では、治療がすぐに効果をもたらすかどうかだけを調べればよいわけではありません。人にとって有益か、適切な投与量はどれくらいか、どのような副作用が現れるか、効果や害が続くかを確かめなければなりません。この作業には、次のような異なる要件があります。

  • 参加者の募集： 提案された治療法を評価するため、参加意思のある人を十分に集める必要があります。
  • 比較： 試験では参加者を治療群、対照群、プラセボ群に分け、異なる投与量も評価する場合があります。
  • 経過観察： 短期的な結果、長期的な有効性、副作用、予期しない毒性を追跡する必要があります。

AIによる分析は研究の一部を速める可能性がありますが、長期的な影響が観察可能になるまでの時間を縮めることはできません。分析を速めても、適切な参加者や比較の必要性はなくなりません。これが、5～10年という予測を、多くの病気を治す方法が実証されるまでの工程表とみなす際の主な制約です。

この予測は、臨床的な証拠ですでに裏付けられた日程ではなく、可能性についての見通しと受け止めるのが妥当です。治療法が患者に適しているかどうかは、AIの予測や初期段階の研究発表ではなく、医療専門家が判断すべきことです。

生物学的リスクに応じて変わる基準

遺伝子編集の探究に役立つ道具は、封じ込めについての問題も提起します。ウェットラボ は、コンピューター上のデータだけでなく、実物の生物学的な試料を扱う実験室です。自動化システムが着想の提示を超え、こうした実験室の作業に影響を及ぼすようになると、誤りはソフトウェアの出力が間違うだけでは済まない可能性があります。

CRISPRは遺伝子編集技術です。これと併せて論じられる遺伝子ドライブは、遺伝的な変化を後の世代に受け継がせるよう設計されています。そのため、編集の影響を理解し、実験を封じ込めることが特に重要になります。これは、Claudeが特定したとされる分子マシン自体が遺伝子ドライブだという意味ではありません。遺伝する変化を伴う提案に慎重な精査が必要な理由を示しています。

慎重に進めるには、自動化システムを人の監督下に置き、その役割が許可され、管理されている場合を除いて、慎重な取り扱いを要する実験室の作業から切り離す必要があります。物理的・デジタル的な隔離、アクセス制限、継続的な監視は、生物学的な試料に影響を与え得る作業の安全策です。これらはガバナンス上の原則であり、科学的な審査に取って代わるものではありません。

ガラス越しに見える密閉された実験室と、隔離室内で作業するロボットアーム

▲ 自動化された生物学実験室の封じ込め

答えには説明も必要

AIは、結論に至るまでの中間的な推論を人が検証しにくい出力をすることもあります。これはしばしば ブラックボックス と呼ばれ、システムがどのように結果にたどり着いたかを十分明確に説明しないまま、結果を示す状態を指します。数学では、人が検証できる証明のない解答案は、重要な作業をやり残したままです。生物学にも似た課題があります。研究者はモデルの提案をそのまま受け入れるのではなく、提案された仕組みが何をするのか確かめる必要があります。

問題は、AIを使って着想を得ることではありません。検証されていない出力を、説明や実験、責任を伴う判断の代わりにすることです。誤りが及ぼし得る影響が大きいほど、独立した検証は重要になります。

次の発表をどう見極めるか

Claudeが特定したとされるものは価値を持つかもしれず、AIは研究者が有用な発見にたどり着くまでの時間を短縮するかもしれません。しかし、どちらの可能性も治癒法の確立を示すものではありません。読者は、提案された仕組み、検証済みの生物学的機能、そして時間をかけて安全性と有効性が試された治療法が、明確に区別されているかに注目すべきです。

研究チームにとって実務上の優先事項は、AIの出力の独立した検証、生物学的な作業に対する人の監督、自動化された実験室システムの封じ込め、そして効果を観察できるだけの時間を確保した臨床試験の計画です。それ以外の人にとって、5～10年という予測は証拠を追うべき理由であって、証拠がそろう前に医療上の判断を下せると考える理由ではありません。