創薬の現場で起きた評価指標の再検討：BigHatとClaudeの取り組み
2026年10月27日、Anthropicは創薬支援の初期進捗に関する報告を公開し、バイオテクノロジー企業のBigHat Biosciences（以下、BigHat）における共同研究の経緯を取り上げました。この研究では、将来の医薬品の一部となり得る2つの抗体断片候補を対象に、標的への結合力、熱安定性、凝集性の改善が進められました。
BigHatの実験室では、Claudeを自社の実験データシステム「Reccy」へ接続して分子構造の変更案を作成し、約10週間のうちに約1,010の変異体を作製・試験したと報告されています。この期間や変異体の数は当該研究における作業規模を示すものであり、一般的な導入期間を意味するものではありませんが、データシステムとAIを直結させて検証サイクルを回した実例といえます。
この事例で特に注目されるのは、研究の途中で標準的な熱安定性や凝集の指標そのものに疑いが生じた点です。従来の集計指標が実態と乖離している可能性を考慮し、Claudeと研究者が原データを再分析しました。その上で別の指標とそれを検証するための試験方法の変更を提案し、BigHatの科学者が現場で調整して実施した結果、主要な予測が裏付けられたと報告されています。なお、主資料ではこの研究全体を初期段階と位置付けており、大部分は人を対象とする治験に至っていない前臨床研究であると説明されています。
読み取りの成否と指標の妥当性を切り分けて確かめる
AIを活用して分析や判定を行う際、「システムがデータを正確に読めているか」という技術的な確認と、「そこで用いられている評価指標や集計式が業務の目的に合っているか」という業務上の確認は、分けて考える必要があります。
前提となるデータの読み取りに関して参考になるのが、Anthropicが2026年8月18日に公表したタンパク質設計と化学分析に関する別の実験報告です。この化学分析実験では、仕様が非公開となっているLC-MS（液体クロマトグラフィー質量分析）機器のファイルに対し、Claudeが分析を始める前に全2,664スキャンの機器記録上の数値を再現し、ファイルが正しく読めていることを照合したと報告されています。また、NMR（核磁気共鳴）分析においても、当初4つのピークが消失したと解釈したものの、自己点検によって実際には2つであったと過大な記述を訂正した経緯が記録されています。
これらはBigHatの事例とは別の実験であり共通の手順として確立されたものではありませんが、独自形式の機器データを正しく読み取れているかの照合と、その後の判定ロジックの検証を段階的に進める重要性を示すものです。読み取りが一致したからといって、その上で算出される指標の妥当性まで自動的に保証されるわけではありません。
自社の検査業務への応用：原データ・集計式・判断を対応付ける仮定例
こうした役割分担は、国内の製造や品質管理における測定・検査業務にも通じる視点です。例えば、測定機器が出力するデータをもとに検査担当者が集計表で計算を行い、合格・不合格や傾向の判定を下している架空の製造現場を考えてみます。
この現場でAIを活用した判定補助を検討する場合、集計済みの判定結果だけをAIに学習・参照させるのではなく、過去の検査記録を対象に「測定機器が出力した生データ」「検査表で用いられている集計式」「当時の担当者の最終判断」を突き合わせて整理する試行が考えられます。特に、過去に判断が分かれた記録や異常値が出た記録を抽出し、AIに差異の要因候補を挙げさせ、担当者が元の測定ログを見ながら確認していく進め方です。
BigHatの事例でも、AIが提示した試験方法は現場の科学者が調整して実施されていました。品質判定の基準や検査方法の変更には社内の責任者や専門家の判断が不可欠であり、AIの提案はあくまで比較検討のための候補として扱う設計が現実的です。
試作で確認できる範囲と個別に検討すべき課題
自社でこうした検証を進めるにあたっては、自社のリソースで確認できる範囲と、個別の開発や検証が必要な範囲を把握しておくことが大切です。
まず着手できる点として、過去の検査結果から元の測定ファイルや測定条件を確実にたどれる状態にあるかの確認や、担当者ごとに集計方法や補正の計算式にばらつきがないかの洗い出しが挙げられます。また、データが欠損なく読み取れているかの照合と、その指標で品質上の課題が正しく検出できるかの判断を、別々の評価軸として整理しておくことも有効です。
一方で、対象となる測定機器や社内システムの出力形式への接続、独自バイナリ形式の解析、集計ロジックの再現、担当者が比較しやすい確認画面の設計や判断履歴の保存などは、利用するAIのデータ保持条件や既存システムの仕様に応じて個別に調査・設計する必要があります。
検査データの取り出しと確認フローのご相談
測定データや検査記録をAIによる分析に結び付けるためには、業務で使われているデータの構造を整理し、担当者が判断の根拠を確認できる画面やフローを段階的に整えることが重要です。
デノフでは、サービス案内に掲載している通り、業務の整理からAIを活用する業務の選定、ツール選定、導入後の定着支援に加えて、社内ツールや業務システムの設計・開発を一貫して手掛けています。自社で蓄積している検査データの取り出し経路の検討や、AIが提示した分析候補を担当者が点検するための確認ツールの設計など、自社の業務に合わせた具体的な進め方について検討される際は、デノフへの相談窓口よりお気軽にご相談ください。
