AIにより薬が出来る確率はどれほど上がるか

薬が出来る確率は約2万5千分の1という極めて低い確率と言われるがAIによりどれだけ確率が上がるものか


AIによって「何倍上がるか」は工程ごとに異なりますが、創薬全体では「数倍〜数十倍」程度の成功効率向上が現実的な水準と考えられています。

前提：2万5千分の1とは何か

「約2万5千分の1」という数字は、

  • 基礎研究の化合物探索
    → 前臨床
    → 第Ⅰ〜Ⅲ相治験
    → 承認

この全工程を通過して“薬になる”確率を指しています。

AIが効くポイント（工程別）

① 創薬初期（探索・スクリーニング）

最も効果が大きい領域

  • 従来：大量の化合物を試行錯誤

  • AI：

    • 有望分子の事前絞り込み

    • タンパク質構造予測

    • ドラッグライク性の予測

👉 成功候補に当たる確率：5〜10倍程度

② 前臨床（毒性・薬物動態）

  • 動物試験での失敗要因を事前予測

  • 毒性・副作用リスクの早期排除

👉 無駄な脱落を30〜50％削減

③ 臨床試験（特に第Ⅱ相）

最大の失敗ポイント

  • AIで効きやすい患者層を選別

  • バイオマーカー解析

👉 成功確率：1.5〜3倍程度

全体としてどれくらい上がるか

概算イメージ

  • 従来：1 / 25,000

  • AI活用後：

    • 初期探索効率：×5〜10

    • 臨床成功率改善：×2前後

👉 全体では概ね「5倍〜20倍」程度

数字で言い換えると

  • 従来：
    約25,000分の1（0.004％）

  • AI活用後（現実的レンジ）：
    約1,000〜5,000分の1（0.02〜0.1％）

※「魔法のように成功率が跳ね上がる」わけではないが、
開発コスト・期間・失敗数を大きく減らす効果が本質です。

一文での表現（資料向け）

薬が誕生する確率は従来、約2万5千分の1という極めて低い水準にとどまっていたが、AIの活用により創薬初期の探索効率や臨床成功率が向上し、全体としては数倍から十数倍程度の改善が見込まれている。

AIに相性がいい業界は、また期待できる成長分野は

AIに相性がいい業界は

AIと特に相性がいい業界は、「①データが多い」「②判断・予測・最適化が価値を生む」「③人手依存が強い or 非効率が残っている」という共通点があります。分野別に整理します。

相性が非常に良い業界（既に成果が出ている）

① 金融・保険

  • 用途：与信審査、不正検知、保険料算定、株価・需給分析

  • 理由：数値データが豊富、判断の自動化価値が高い

  • 効果：コスト削減＋精度向上

  • 例：銀行の融資判断、保険の事故予測

② 製造業

  • 用途：需要予測、品質検査、予知保全、生産計画

  • 理由：IoT・画像データが豊富

  • 効果：不良率低下、設備停止の回避

  • 例：外観検査の自動化、設備故障予測

③ IT・ソフトウェア

  • 用途：コード生成、テスト自動化、障害対応

  • 理由：業務そのものがデジタル

  • 効果：生産性が数倍に

  • 例：Copilot系、AIOps

④ 広告・マーケティング

  • 用途：顧客分析、広告最適化、コピー生成

  • 理由：ABテスト・行動データが多い

  • 効果：ROI改善

  • 例：レコメンド、パーソナライズ広告

今後急成長が見込まれる業界

⑤ 医療・ヘルスケア

  • 用途：画像診断、創薬、診療支援

  • 理由：専門家不足＋精度向上ニーズ

  • 課題：規制・責任問題

  • 例：X線・CT診断補助

⑥ 物流・運輸

  • 用途：配送ルート最適化、需要予測、在庫管理

  • 理由：コスト圧力が強い

  • 効果：燃料・人件費削減

  • 例：Amazon型最適配送

⑦ 不動産

  • 用途：価格査定、需要予測、物件レコメンド

  • 理由：属人性が高い業界

  • 効果：査定の標準化

  • 例：AI査定サービス

意外と相性が良い業界（これから本格化）

⑧ 法律・会計・税務

  • 用途：契約書レビュー、税務チェック、判例検索

  • 理由：定型文書・ルールが多い

  • 効果：若手作業の大幅削減

  • 例：契約書AIレビュー

⑨ 教育

  • 用途：個別最適学習、教材生成

  • 理由：学習履歴データ活用

  • 効果：学習効率向上

  • 例：AI家庭教師

AIと相性が悪くなりにくい業界（代替されにくい）

  • 介護・看護（対人・感情）

  • 芸術・高級料理（創造性・感性）

  • トップ営業・交渉（人間関係）

👉 「AIが人を置き換える」というより「人を拡張する」分野

投資・事業視点の一言

  • 短期成果：金融、製造、広告

  • 中長期成長：医療、物流、教育

  • 規制×高付加価値：医療・法律（参入障壁高）

創薬・医薬品業界での新しい芽はあるか

創薬・医薬品業界での新しい芽はなにかあるか

はい、あります。ここ1～3年で**「研究段階の流行」から「事業化の芽」に移りつつある分野**を中心に整理します。創薬・医薬品業界全体を見渡した実務寄りの視点です。

① AI創薬の「実用フェーズ」入り

新しさのポイント

  • もはや「候補化合物探索」だけでなく
    ①標的同定 → ②化合物設計 → ③前臨床予測 → ④臨床設計まで統合

  • 成功例が出始め、製薬大手が“内製化”ではなく外部AI企業を買収・提携

注目領域

  • De novo分子設計（タンパク構造×生成AI）

  • 臨床試験デザイン最適化（失敗確率低減）

  • 創薬AI × 実験自動化（ラボロボティクス）

👉 芽の本質：
「R&Dコスト削減」から「成功確率を上げる投資」へ評価軸が変化

② RNA創薬の第2世代

mRNAワクチンの次の段階です。

新しい潮流

  • siRNA / antisense に加え
    circRNA、自己増幅RNA、組織特異的デリバリー

  • 肝臓以外（中枢神経・肺・腫瘍）への送達技術が進展

対象疾患

  • 希少疾患

  • 神経変性疾患

  • 生活習慣病（高脂血症など）

👉 芽の本質：
「プラットフォーム技術」×「中小適応症」での横展開

③ 細胞治療・遺伝子治療の“工業化”

CAR-Tの次です。

新しい動き

  • 自家細胞 → 他家（オールジェニック）

  • ベクター製造の標準化

  • CRISPRの精密編集（Base editing / Prime editing）

課題が解け始めている点

  • コスト

  • 製造スケール

  • 安全性（オフターゲット）

👉 芽の本質：
「1人1薬」から「量産可能な再生医療」へ

④ 創薬×デジタル治療（DTx）

薬を使わない治療が制度化され始めています。

対象

  • うつ・不安障害

  • ADHD

  • 不眠症

  • 糖尿病・肥満

特徴

  • 医薬品と併用

  • リアルワールドデータで価値証明

  • 保険収載・償還モデルが整備途上

👉 芽の本質：
「薬効」＋「行動変容」を1パッケージで提供

⑤ 創薬ターゲットの変化：老化・慢性炎症

新しい疾患概念

  • 老化（Aging）

  • サルコペニア

  • フレイル

  • 慢性低炎症（inflammaging）

技術

  • セノリティクス（老化細胞除去）

  • ミトコンドリア機能改善

  • エピジェネティクス制御

👉 芽の本質：
「病気を治す」から「機能低下を遅らせる」

⑥ 日本企業にとっての現実的チャンス

特に日本発で現実味があるのは：

  • 創薬支援AI・データ基盤

  • 製造（CDMO・CMO）高度化

  • DDS（送達技術）

  • 再生医療の量産技術

  • 高齢者疾患特化パイプライン

👉 理由：
日本は「基礎×製造×品質」に強く、フル創薬より“要素技術”が勝ちやすい

まとめ（超要約）

今の「新しい芽」は

創薬そのものより、“創薬を成功させる仕組み”

今後の相場特徴を考える

通常国会の召集日（1月23日）冒頭で衆議院を解散する検討に入った
というニュースが出ています。解散と総選挙スケジュール案としては：

  • 1月23日解散（通常国会冒頭）

  • 公示日：1月27日 または 2月3日

  • 投開票日：2月8日 または 2月15日

という二つのパターンが想定されており、
「2月上中旬総選挙」可能性が高いとみられています

 

//////////////////

ということで、解散・投票日まで上がらないけど下がらないという特徴が考えられる。さらに、第三四半期決算発表と重なる為に個別物色、加えてこの時期は業績の修正発表が多い。今年度はトランプ関税、為替などの変化が大きかった為に変化率が大きいのが特徴でしょう。

 

第三四半期決算の動き・特徴が鮮明になれば、決算期がずれている銘柄は予想し易いので好機です。（本決算が3月ではなく4月銘柄柄）

 

銘柄は言えませんが、ある銘柄などは、3月に上方修正、6月の本決算発表で大幅増益、次期通期見通しは拡大・中期計画の修正と加えてトピックスニュースなども考えれば相場上昇に拍車がかかると考えている。

上方修正基準

上方修正基準とは、企業が公表済みの業績予想（売上高・利益など）について、
当初予想よりも大幅に良くなる見込みが立った場合に、業績予想を引き上げて開示するための判断基準です。
日本の上場企業（特に東証）で一般的に使われる考え方をまとめます。

1. 基本的な考え方（金融商品取引法・適時開示）

法律で「○％以上なら必ず上方修正」と明確に定義されているわけではありませんが、
投資判断に重要な影響を与えるかどうかが基準になります。

2. 実務上よく使われる数値目安（慣行）

多くの企業が以下を一つの目安として採用しています。

利益（特に営業利益・経常利益）

  • 前年差・予想差が ±10％以上

  • かつ 金額的にも重要（例：数億円以上）

売上高

  • ±10％以上の乖離が目安
    （ただし、売上より利益の方が重視されやすい）

当期純利益

  • ±30％以上を目安にする企業も多い
    （特別損益の影響が大きいため）

3. 上方修正を行う主な理由（典型例）

  • 想定以上の販売数量増加

  • 原価率の改善（材料費低下、歩留まり改善など）

  • 為替の好影響

  • 固定費の抑制

  • 高付加価値製品の構成比上昇

4. 上方修正を出さないケースもある

以下の場合は、たとえ好調でも修正しないことがあります。

  • 一時的要因（単発の大型案件など）

  • 下期の不確実性が高い

  • 通期では吸収可能な範囲と判断

5. IR資料でよく使われる表現例

  • 「想定を上回る受注進捗を背景に、営業利益は前回予想比＋15％となる見通し」

  • 「収益性の改善により、営業利益は黒字幅が拡大」

6. 投資家視点での重要ポイント

  • なぜ上方修正したのか（再現性）

  • 一過性か、構造的改善か

  • 次期（来期）にもつながるか