Meiji Seika ファルマ株式会社様：Meiji Seika ファルマが取り組む新たなドラッグリポジショニングのアプローチ

2026年09月03日配信

Meiji Seika ファルマでは、感染症領域を中核とし、免疫制御を軸に研究開発を進めています。創薬を取り巻く環境が大きく変化する中、研究開発の成功確度やスピードを高めるため、データやAIを活用した研究開発の変革に取り組んでいます。

FRONTEOとの協業では、ドラッグリポジショニングをテーマに、AIによる仮説創出と研究者による評価を組み合わせた新たな探索アプローチを検証しました。本講演では、AIによって研究者の探索範囲をどこまで広げ、実際の意思決定につなげられるのか、具体的な取り組みとそこから得られた検証結果、示唆について解説します。

ご講演者

Meiji Seika ファルマ株式会社
研究開発本部研究開発戦略部スペシャリスト
辻井惇也　様

創薬の「意思決定」をAIで変革する

スライド5

創薬研究は現在大きな転換期にあります。疾患や標的、化合物など膨大な組み合わせの中から有望な候補を見つけ出す必要がありますが、これまでは研究者が自身の知識や経験をもとに仮説を立て、実験を重ねながら候補を選択することが中心でした。

しかし、人が把握できる情報量には限界があります。長い研究開発期間と膨大なコストを必要とする一方で、成功確率は決して高くないことも、医薬品産業が抱える構造的な課題です。

現在はAIにその課題解決への期待が高まっており、標的探索や分子設計、ロボティクスとの組み合わせなど、新たな研究アプローチが広がっています。

明治グループでは、データドリブン経営の実践により「meijiらしい健康価値の実現」の加速を目指しています。当社の研究開発領域においても、データ・AIの活用を通じて、「意思決定」「プロセス構造」「基盤能力」の3つの変革を推進しています。

中でも今回着目したのが、数多くの選択肢から有望な標的や適応疾患を見極め、限られたリソースをどこに投入するのかという意思決定の質を高めることでした。その意思決定の質を高める手段の一つとしてAIに着目し、FRONTEOとの協業を開始しました。

◇参考：FRONTEOプレスリリース
Meiji Seika ファルマとFRONTEO、Drug Discovery AI Factoryを活用したドラッグリポジショニングに関するプロジェクトを開始：https://www.fronteo.com/news/pr/20251023

なぜAI活用のテーマに「ドラッグリポジショニング」を選んだのか

FRONTEOとの協業では、既存の医薬品を新たな疾患へ展開するドラッグリポジショニングをテーマに選択しました。

重視したのは、単にAI技術の有用性を検証することではなく、AIが提示した仮説や結果を実際の研究開発や次の意思決定につなげられるか、さらに将来的な価値創出に結び付けられる可能性があるかを確かめることでした。

ドラッグリポジショニングは、既存の研究・臨床知見が蓄積されていることから、AIが提示した示唆を研究者が評価しやすい領域と言えます。また、研究段階の仮説にとどまらず、その後の検証や開発方針の判断にもつなげやすく、意思決定を見据えた検討が行える特徴があります。

そこで、「早期の価値創出」と「AI技術の実践的な検証」の両立を目指し、ドラッグリポジショニングを選択しました。

数万規模の候補から、AIで新たな可能性を探索

スライド10-1

今回の検証では、ドラッグリポジショニングの中でも「調査/候補抽出」と「仮説生成/評価」の前半の2フェーズでAIを活用しました。

従来の探索では、検討範囲や判断が研究者の経験・知識に依存しやすく、扱える情報量にも限界があります。また、疾患や分子、作用機序などの情報がさまざまな場所に点在しているため、情報収集や関係性の整理に多くの時間を要する場合もあります。

スライド12-2

そこで今回、疾患と標的の関係性探索にFRONTEOのDrug Discovery AI Factoryを活用しました。

期待したのは、以下の4つのポイントです。

人の経験や既存知見だけでは到達しにくい仮説の創出
膨大な情報を対象とした網羅性と迅速性を両立する探索
疾患・標的・作用機序の関係性の可視化
得られた知見を研究者同士で共有し、議論につなげること

これらを出発点として、プロジェクトを進めていきました。

スライド13-2

実際の検討では、数万規模の疾患候補からスタートしました。

まずは研究者の先入観をできるだけ排除するため、AIによる客観的かつ多面的な評価を実施。文献情報をもとに標的と疾患の関連性をスコア化するとともに、遺伝子ネットワークを用いて標的を仮想的にノックイン/ノックアウト（KI/KO）した際の疾患への影響も評価しました。

こうした複数の評価を組み合わせながら候補を段階的に絞り込み、AIによる探索結果を研究者による評価へとつなげ、最終的に数疾患を選定しました。

AIの答えを採用するのではなく、研究者の「思考」を広げる

スライド14-1

今回の取り組みで重要だったのは、AIが出した結果をそのまま採用しなかったことです。

AIがなぜその疾患を提示したのか、他疾患と比較してどのような違いがあるのか、作用機序を説明できるのか、さらに臨床へ進めるにはどのような追加評価や情報が必要なのか、FRONTEOと当社の研究者が、AIによる評価結果の根拠や妥当性を確認しました。さらに、当社が自社の知見や研究戦略などを踏まえて候補を評価し、最終的に数疾患まで絞り込みました。

当初は「AIからどれだけ新しい候補が出てくるのか」に注目していました。しかし、実際に取り組む中で見えてきたのは、AIが提示した仮説を起点として研究者の思考や議論の幅が広がるという価値でした。