医学研究における重要な進歩として、Google DeepMind とイェール大学の科学者は、新しい AI を使用して潜在的ながん治療経路を発見しました。 C2S スケール 27B と呼ばれる 270 億パラメータ モデルは、2025 年 10 月 15 日に発表されました。
これは単一細胞データを分析して、新しい仮説を立てました。それは、特定の薬剤が免疫系の「目に見えない」腫瘍を標的にする能力を増幅させる可能性があるというものです。その後、研究者たちは、この AI が生成した予測を実験室で検証することに成功しました。
この成功は、「科学のための AI」にとって極めて重要な瞬間を示しています。これは、大規模なモデルが情報を処理できるだけでなく、オリジナルでテスト可能なアイデアを生成できることを示しています。これにより、新しい治療法の開発が加速し、生物学的研究の実施方法が変わる可能性があります。
仮想画面から検証済み画面へ 発見
がん免疫療法における中心的な課題は、多くの腫瘍が「コールド」であること、つまり体の免疫系には実質的に見えないことです。重要な戦略は、抗原提示と呼ばれるプロセスを通じて免疫誘発シグナルを強制的に表示させることで、細胞を「ホット」にすることです。
これを行う方法を見つけるために、研究者らは C2S スケール 27B に非常に具体的なミッションを課しました。彼らは、条件増幅器として機能する薬剤を見つけるための「デュアル コンテキスト仮想画面」を設計し、4,000 以上の薬剤の効果をシミュレートしました。
「デュアルコンテキスト」アプローチが鍵でした。このモデルは、免疫シグナルのある患者に関連した環境でのみ効果があり、隔離された研究室環境では効果がない薬剤を見つける必要がありました。この精度には、高度なレベルの条件付き推論が必要でした。
AI の最有力候補は silmitasertib (CX-4945) でした。このモデルは、ターゲット コンテキストでは抗原提示が大幅に増加すると予測しましたが、それ以外の場合はほとんど効果がありません。この薬はこの特定のメカニズムとの関連性が以前に報告されていなかったため、これは新しい仮説でした。
予測をテストするために、チームは仮説をコンピューターから実験台に持ち出しました。彼らは人間の神経内分泌細胞モデルを使用しました。これは、AI がトレーニング中に一度も遭遇したことのない細胞タイプでした。結果は、モデルの仮説の驚くべき裏付けでした。
コンピューターによる予測 (コンピュータでの) から実験室でのテスト (インビトロ) に移行するこのステップは、AI 主導の生物学的仮説を検証するためのゴールドスタンダードです。実験では、薬物または低用量のインターフェロン単独ではほとんど効果がありませんが、それらを組み合わせると顕著な相乗効果が得られることがわかりました。
スケーリングの法則と生成生物学の夜明け
Google の成果は、生物学における「スケーリングの法則」理論の強力な証拠を提供します。この概念は、大規模言語モデルの最近の爆発的な増加を促進したもので、モデルが大きくなるにつれて、単に改良されるだけでなく、まったく新しい新しい機能を獲得できると仮定しています。
新しい機能とは、明示的にプログラムされていないが、モデルのサイズと複雑さが増大するにつれて現れる機能です。 C2S スケールの場合、これは、免疫コンテキストの「if-then」ロジックを理解するために必要な条件付き推論を実行できることを意味します。このタスクは、小規模なモデルでは実現できませんでした。
Google のオープンな Gemma 2 アーキテクチャ上に構築された C2S スケール モデルは、テスト可能な科学的アイデアを生成することでこれを実証しました。 Google DeepMind の Shekoofeh Azizi 氏は、「この結果は、新しい種類の生物学的発見の青写真も提供します。」と説明しました。
これは、単なるデータ分析ツールとしての AI から、科学的発見における創造的なパートナーへの根本的な変化を表しています。このモデルの成功は、AI が大規模な仮想スクリーンを実行して、複雑で状況に依存する生物学的メカニズムを明らかにできる未来を示唆しています。
新しいアプローチにより、初期研究から実行可能な治療法のリードに至るまでの道のりが大幅に短縮される可能性があります。研究チームは、より大きなモデルは「生物学的に根拠のある仮説を生成するのに十分強力な細胞の挙動の予測モデルを作成できる」ことを証明していると述べています。
オープンな「科学向け AI」エコシステムの新しいツール
C2S スケール 27B プロジェクトは、科学分野向けに特化した AI の作成に向けた広範な業界トレンドの一部です。 Google は、創薬用に TxGemma のようなモデルを使用して「Gemmaverse」を積極的に構築しています。これは、ターゲットを絞った影響力の高いアプリケーションに重点を置いた戦略を反映しています。
マイクロソフトも同様の「AI for Science」構想を推進しており、医用画像分析用の BiomedParse や乳がんを発見するための異常検出モデルなどのツールをリリースしています。並行した取り組みは、業界全体の戦略的転換を強調しています。
Google と Yale は、オープン サイエンスの精神に従って、C2S-Scale 27B モデル、その基礎となるコード、研究論文を ハグフェイスとGitHub。これにより、世界的な研究コミュニティが自分たちの研究を基礎にして構築できるようになります。
このオープンなアプローチは科学的検証にとって非常に重要です。 Google と Yale はツールをリリースすることで精査と協力を促し、他の研究者が発見を再現し、新しい仮説を探索できるようにします。これにより、より透明性の高い研究環境が促進されます。
この発見は画期的な成果ですが、臨床応用までの道のりは長いです。医療における AI は、現実世界の信頼性の確保から患者データ プライバシーの複雑な倫理への対処まで、大きなハードルに直面しています。この懸念は他の大規模な医療 AI によっても強調されています。
DKFZ のモーリッツ ガーシュトゥング教授が同様の予測モデルについて指摘したように、「私たちのような生成モデルは、いつかケアを個別化し、大規模な医療ニーズを予測するのに役立つ可能性があります。」この取り組みは、純粋な予測から検証された発見に移行することで、そのビジョンを現実に近づける重要な一歩となります。
