創薬における人工知能市場 サイズとシェア 2026-2035

創薬における人工知能市場規模

創薬における人工知能市場は、2025年に31億米ドルと評価され、2026年には40億米ドルに達し、2026年から2035年にかけて年平均成長率（CAGR）30.5%で拡大し、2035年までに439億米ドルに達すると予測されている。

この市場拡大は、計算手法が導入される領域の変化を反映している。AIの活用は、個別のバーチャルスクリーニング作業を超え、統合的な標的探索、分子設計、物性予測、非臨床意思決定支援へと広がっている。

経済性は、依然として導入を促す中心的な要因である。医薬品の研究開発では、製品が承認に至るまでに長期の開発期間と多額の開発中止コストを吸収しなければならない。 ^{[1]Congressional Budget Office, Research and Development in the Pharmaceutical Industry, 2021, cbo.gov} 2024年の評価では、失敗による損失と資本コストを含めた新薬の市場投入コストは35億米ドルを超えるとされた。AIプラットフォームによって臨床リスクがなくなるわけではないが、予測結合性、開発可能性、安全性の特性がより優れた候補に実験作業を絞り込むことはできる。そのため、商業的価値は実験科学を置き換えることよりも、より少数で優先順位の高い仮説に実験能力を集中させることにある。

技術の進歩により、創薬初期段階でAIを活用する根拠は強まっている。AlphaFold 3は、構造予測の対象をタンパク質、低分子、核酸、抗体が関与する相互作用にまで拡大し、タンパク質のみを対象とするモデリングよりも、構造情報に基づく設計に有用な基盤を提供した。 ^{[2]National Institutes of Health PubMed Central, AlphaFold 3: Transformative Advances in Drug Discovery, 2024, pmc.ncbi.nlm.nih.gov} 臨床エビデンスも、基盤となる命題の検証に入りつつある。Insilico Medicineは2025年、特発性肺線維症を対象としたrentosertibの第IIa相試験結果を報告し、生成AIを活用した創薬プログラムと査読済みの臨床的実証事例を結び付けた。 ^{[3]EurekAlert! / Insilico Medicine, Insilico Medicine announces Nature Medicine publication of Phase IIa results evaluating rentosertib for idiopathic pulmonary fibrosis, June 3, 2025, sciencesources.eurekalert.org} これらの進展に加え、AIを活用した医薬品研究開発への株式による資金調達は2024年に38億米ドルに達し、プラットフォーム開発と開発パイプラインの進展に対する資本支援が継続していることを示している。 ^{[4]CB Insights, The AI in Drug R&D Market Map, 2024, cbinsights.com}

規制環境はより明確になりつつあるものの、依然として厳格である。FDAが2025年1月に公表したガイダンス案は、医薬品および生物学的製品に関する規制上の意思決定を支援するAIモデルの信頼性を扱っており、FDAは2016年から2023年にかけてAI要素を含む500件超の申請書類を経験したと説明している。 ^{[5]U.S. Food and Drug Administration, Center for Drug Evaluation and Research, Artificial Intelligence for Drug Development, January 7, 2025, fda.gov} これは、創薬ソフトウェア向けに別個の承認経路を設けるものではない。むしろ、AIにより得られたエビデンスがその後の開発や規制当局への提出資料に寄与する場合、追跡可能性、データの出所、モデル性能の文書化が一層重要になる。

ソフトウェアは2025年の市場収益の67.9%を占め、機械学習は技術需要の82.6%を占めた。上位5社の合計市場シェアは約11.8%であり、インフラプロバイダー、計算化学の専門企業、AIを中核とする創薬企業、疾患領域に特化した開発企業が、単一の支配的プラットフォームなしに共存できる余地が残されている。

資金調達と規制面の動きは、この移行を独立して生み出すというよりも、これを後押ししています。2024年にAI創薬の研究開発（R&D）へ投じられた38億米ドルは、データ資産の構築や開発プログラムの前進に必要な資本を提供します。一方、FDAのガイダンス案は、信頼性を裏付けるエビデンスが今後、業務モデルの一部となることを示唆しています。その結果、成長は、分子生成だけを単独で提供するベンダーよりも、モデル性能と再現性のある実験的検証、監査可能なデータセット、開発に利用できる文書化を組み合わせられるベンダーに有利になる可能性が高いと考えられます。

主な成長要因

複雑な慢性疾患の生物学により、計算による優先順位付けの価値が高まっています。

世界のがん罹患数は2024年に2,060万件の新規症例に達し、IARCは2050年までに3,440万件に達すると予測しています。腫瘍学では、ゲノム、分子、臨床に関する大規模かつ異質なデータセットが生成されますが、従来の実験的スクリーニングでは、広範な標的空間を対象とするため、時間と費用がかかる可能性があります。AIは、ウェットラボでの実験を開始する前に、標的の優先順位付け、生物学的仮説の層別化、候補化合物ライブラリのスクリーニングを行うことができます。これにより、2025年に14億米ドルを占めたAI創薬支出が腫瘍学に集中する動きが支えられています。

生物学的データのデジタル化により、利用可能な創薬基盤が拡大しています。

構造データベース、シーケンシング結果、表現型イメージング、アッセイ結果、精選された科学文献により、モデルは従来の医薬品化学ワークフローで手作業により確認できる量を上回る入力情報を利用できるようになります。AlphaFold 3が特に関連性を持つのは、そのモデリング範囲が、単独のタンパク質から、結合や作用機序に影響を及ぼす分子間相互作用にまで広がっているためです。その優位性は、データ量だけにあるのではありません。相互に分離していたエビデンスの流れを結び付け、実験的に検証可能な標的または化合物の仮説へとつなげられる点にあります。

アルゴリズムと計算能力の向上により、高度なモデリングのコストが低下しています。

NVIDIAは2024年11月、生物学分野のデジタル化に関するワークロード向けのオープンフレームワークとしてBioNeMoをリリースし、組織がアクセラレーテッド・インフラストラクチャ上で生物学的基盤モデルを訓練・展開できるようにしました。^{[6]NVIDIA, NVIDIA Opens BioNeMo to Scale Digital Biology for Global Biopharma and Scientific Industry, November 18, 2024, investor.nvidia.com}より迅速な推論と、より利用しやすいモデル開発ツールの普及により、対象顧客基盤は、専用の社内ハイパフォーマンス・コンピューティング環境を維持する組織を超えて拡大している。これにより、競争上の焦点は計算資源へのアクセスから、独自データ、科学的ワークフロー、検証能力の質へと移行している。

テクノロジー企業と製薬企業の提携が、プラットフォームの能力を契約に基づく需要へと転換している。

Isomorphic Labs は 2024年1月、Novartis との複数標的に関する創薬研究提携を発表し、BenevolentAI は 2024年6月、AstraZeneca との提携に基づく追加の標的開発の進展を報告した。これらの提携は、製薬企業がすべてのモデル、データパイプライン、科学チームを社内で構築することなく、AI 能力を獲得できることを示している。また、特に提携先が単独のソフトウェア利用ではなく生物学的検証を必要とする場合、マイルストーン、研究費の支払い、後続プログラムがプラットフォーム提供企業にとって重要な収益メカニズムとなることも示している。

主な抑制要因

データ品質と統合が AI 出力の移転可能性を制約している。

創薬データは、必ずしも直接比較できない研究施設、アッセイ形式、細胞系、プロトコルを通じて生成される。断片化されたデータで学習したモデルは、狭い社内環境では高い精度を示すように見えても、新たな標的、モダリティ、顧客データセットに移行した場合には性能が低下する可能性がある。製薬企業にとって、この制約はモデル選定前から生じることが多い。過去のアッセイ結果、失敗した化合物、臨床バイオマーカーデータを標準化し、適切に管理したうえで、社内のサイロを越えて利用可能にする必要があるためである。この要件により、モデリングに加えてデータエンジニアリングと科学的キュレーションを支援できるベンダーが有利になる。

規制・倫理上の懸念が、AI に基づく意思決定に関するエビデンスの負担を増大させている。

FDA のドラフトガイダンスは、規制上の意思決定に向けた AI モデルの信頼性について、文脈に即した評価を重視している。創薬ツールは、AI を使用しているという理由だけで製品として規制されるわけではないが、開発主体は候補化合物の選定、非臨床上の結論、開発上の意思決定の根拠となるエビデンスを説明し、正当化しなければならない。AI による推奨を科学的に解釈可能な根拠と結び付けられない場合、ブラックボックス的な挙動、学習データセットの偏り、データ権利の制約、知的財産権の帰属をめぐる不確実性が、導入を遅らせる可能性がある。その結果生じるコストは、多くの場合、組織面に現れる。科学、臨床、法務、規制の各チームが、高額な開発プログラムにモデル出力を影響させるのに十分な信頼性を備えているかどうかについて合意する必要があるためである。

これにより、商業面で非対称な結果が生じます。生物学的データを、出所と実験コンテキストを保持した管理対象の製品として扱う組織は、モデルの性能と、その後の意思決定の正当性の両方を高めることができます。この一連のつながりを実証できないベンダーは、探索的なプロジェクトを獲得できる可能性はあるものの、開発段階で反復可能な契約に結び付ける道のりはより険しいものとなります。したがって、この制約により、統合プラットフォーム、データ管理能力、ならびにアルゴリズムによる予測と再現可能な実験室結果との関連性を保持するワークフローに価値が移行します。

創薬における人工知能市場のセグメント分析

コンポーネント別

ソフトウェアは 2025 年に市場収益の 67.9% を占め、年平均成長率（CAGR）30.2%で拡大すると予測されています。その優位性は、標的同定、バーチャルスクリーニング、分子生成、特性予測において、ライセンス供与されたプラットフォームが幅広く利用されていることを反映しています。クラウドベースのソフトウェアはソフトウェア需要の 74.3% を占め、顧客は社内に恒久的なコンピューティング基盤を整備することなく、大規模な計算負荷に対応できました。独自の化合物ライブラリ、機密性の高い患者データ、または企業のガバナンス要件によって外部ホスティングが制限される場合には、オンプレミス展開も引き続き重要です。

サービスは年平均成長率（CAGR）31.1%で成長すると予測されています。この高い成長率は、顧客がソフトウェアライセンスに加え、科学的解釈、モデルのカスタマイズ、データキュレーション、実験による検証までをますます必要としていることを示しています。この変化は商業的に重要です。サービスによって、検証済みの標的、最適化されたリード系列、前臨床候補化合物パッケージなど、明確に定義されたプログラム成果にサプライヤーの報酬を連動させられるためです。

技術別

機械学習は 2025 年に技術別収益の 82.6% を占め、深層学習は機械学習セグメントの 66.3% を占めました。深層学習アーキテクチャは、分子科学および生物科学で一般的なグラフ、配列、画像、マルチモーダルデータ構造に適しています。導入は、AlphaFold 3などの構造予測の進展や、高速化された基盤モデルフレームワークの利用可能性の高まりによって支えられています。

その他のアプローチも、陳腐化するのではなく、それぞれ固有の役割を維持しています。物理ベースのシミュレーションは、AIが生成した仮説を機構面から検証する手段となる一方、知識グラフは解釈可能な生物学的関係を保持できます。したがって、機会はますますハイブリッド化しています。組織は機械学習を用いて広範な化学空間または生物学的空間を探索し、その後、より解釈しやすい手法や物理的根拠に基づく手法を適用して、実験検証に最も適した出力を優先順位付けできます。

用途別

分子ライブラリスクリーニングは 2025 年に 12億米ドルを生み出し、既存のヒット化合物探索ワークフローに組み込めることから、引き続き最大の用途となっています。バーチャルスクリーニングにより、購入、合成、または実験的検証が必要な化合物数を減らせるため、保有化合物コレクションが大規模な組織にとって、生産性向上の効果を明確に示すことができます。

標的同定は、標的の生物学的妥当性が弱い場合、開発後期に修正することが難しいため、戦略的に重要です。BenevolentAIとAstraZenecaの提携は、2024年に全身性エリテマトーデスにおける標的開発のさらなる進展につながっており、AIを活用した生物学的仮説生成の商業的重要性を示しています。デノボ創薬は規模こそ小さいものの、30.

用途別で最も高い 4%の年平均成長率（CAGR）を示した。セグメントの成長は、生成された構造が単にインシリコ上で新規性を示すだけでなく、力価、選択性、合成可能性、開発可能性の要件を繰り返し満たせるかどうかに左右される。そのため、Insilicoのrentosertibプログラムは、このカテゴリーにおける臨床上の実証例として重要な意味を持つ。

2025年は、腫瘍領域が 14億米ドルで最大となった。この地位は、分子データの量、腫瘍タイプ間の生物学的多様性、差別化された標的およびバイオマーカーに基づく治療法への持続的な需要によって強化されている。世界的ながん負担の増加は、この探索の緊急性を高めているが、同セグメントでAIの活用度が高い主な理由は、極めて異質なゲノム情報と表現型情報を統合する必要性にある。

神経変性疾患、炎症性疾患、感染症、代謝性疾患、希少疾患、心血管疾患では、それぞれ異なるデータ条件と検証条件が生じる。希少疾患では、AIを活用して限られた遺伝的エビデンスを解釈することで恩恵を得られる可能性がある一方、臨床データや実験データが少ないため、モデルの信頼性が低下する可能性がある。炎症性疾患では、経路生物学およびバイオマーカーのエビデンスが比較的十分に確立されている領域で機会が生まれる。したがって、ユースケースは治療領域ごとに異なる。AIは無差別に適用される場合ではなく、明確に特定された意思決定上のボトルネックを改善できる場合に、最大の価値を生み出す。

最終用途別

2025年、製薬企業およびバイオテクノロジー企業は市場収益の 52.8%を占めた。これらの顧客は、社内の創薬生産性を高めるとともに、提携を通じて専門的なプラットフォームにアクセスするためにAIを活用している。購買意思決定は、既存データ、化合物ライブラリ、治療上の優先事項、開発ガバナンスとの統合によって左右される。

CROは 31.0%の年平均成長率（CAGR）を記録すると予測されており、最終用途別では最速の成長となる見込みである。CROは、スクリーニング、リード最適化、前臨床支援サービスにAIを組み込むことで、小規模なバイオテクノロジー企業に対し、完全なプラットフォームを調達・運用することなく、高度な創薬ワークフローへのアクセスを提供できる。このモデルにより、エンタープライズソフトウェアを直接導入するには費用が高すぎる、または技術的な負担が大きすぎる組織においても、導入が拡大する可能性がある。

機械学習が 82.6%のシェアを占めていることは、データで学習したモデルが依然として市場の中核的な技術基盤であることを示している。一方、クラウドソフトウェアやアクセラレーテッド・フレームワークの普及に伴い、モデルへのアクセスはより広く開かれつつある。そのため、競争優位性は今後、モデルを独自の生物学的データ、合成を考慮した設計、迅速な実験フィードバックに結び付ける運用能力にますます左右される。こうしたループを実用化できるCROは、生産性向上のためのツールを提供するだけでなく、社内の計算基盤が限られる顧客にとって、デノボ設計へのアクセスチャネルとなる可能性がある。

創薬における人工知能市場の地域別分析

北米

北米は、2025年の市場収益の47.7%を占めた。米国の市場規模は、2022年の7億米ドルから、2023年には8億米ドル、2024年には11億米ドル、2025年には14億米ドルに拡大した。米国がリードする背景には、製薬分野の研究開発、ベンチャー資金、高度なコンピューティングインフラ、AI創薬企業の集積がある。FDAがAI関連の規制上の検討事項に積極的に取り組んでいることも、AIを活用した開発に影響を及ぼす可能性が高いエビデンス基準について、米国の開発主体が直接関与する窓口となっている。

カナダは、AIおよびライフサイエンスのクラスターに支えられた、独自の研究・プラットフォーム開発基盤を有している。2025年にVariational AIとMerckが締結した提携は、国境を越えた製薬研究プログラムにおいて、カナダの生成AI開発企業が果たす役割を示している。北米全体では、高コストのプラットフォーム開発に資金を供給し、AIを起点とするプログラムを臨床評価に向けて前進させる能力が、商業面での優位性となっている。

欧州

欧州の市場規模は、2025年に10億米ドルとなった。同地域には、確立された製薬企業の顧客基盤に加え、大規模な学術・計算生物学基盤が存在する。英国では、Isomorphic LabsやBenevolentAIなどの企業が特に重要な役割を担っており、NovartisやAstraZenecaに関連するこれらの企業の活動は、世界的に意義のある創薬提携を形成する同地域の能力を示している。ドイツ、フランス、スペイン、イタリア、オランダ、その他の欧州地域は、製薬製造、ライフサイエンス研究、デジタルヘルスインフラ、国境を越えた研究ネットワークを通じて市場に貢献している。

欧州市場の発展には、創薬プラットフォームが科学的有用性を示すと同時に、AIガバナンスとデータスチュワードシップに関する、より正式な要件を満たす必要がある。このため、国境を越えた医療データが必要な場合には導入が遅れる可能性がある一方、透明性の高い文書化と強固なデータ管理を提供できるベンダーが評価される可能性もある。2025年2月にSanofiがEnvedaのシリーズC資金調達に参加したことは、AIを活用した創薬プラットフォームに対する欧州の製薬企業の関心が引き続き高いことを示している。

アジア太平洋

アジア太平洋は最も高い成長率を示す地域であり、年平均成長率（CAGR）は31.2%と予測される。中国、日本、インド、オーストラリア、韓国、その他のアジア太平洋地域は、それぞれ異なる資産を地域エコシステムに提供している。中国は、拡大するバイオ医薬品の生産能力と臨床開発規模を兼ね備えている一方、日本には確立された製薬企業と成熟した外部提携市場がある。Insilicoが中国とオーストラリアで進める臨床研究は、AIを起点とするプログラムが、開発の実行と地理的に分散した臨床エビデンスの創出の両方に同地域を活用できることを示している。

インドの機会は、CROおよび技術サービス基盤と密接に結び付いている。AIツールにより、サービスプロバイダーは、確立された研究提供モデルに計算スクリーニング、設計、予測の機能を追加できる。オーストラリアと韓国は、臨床研究インフラ、研究機関、技術導入を通じて同地域を強化している。同地域の高い成長率は、すべての国で創薬能力が一様に変化していることによるものではなく、低い出発点に加えて、クラウドコンピューティングとグローバルAIプラットフォームへのアクセスが拡大していることを反映している。

ラテンアメリカ

ラテンアメリカは、ブラジル、メキシコ、アルゼンチン、その他の地域を中心とする比較的小規模な市場である。同地域での導入は、完全に統合されたAIネイティブの創薬企業が多数登場するよりも、研究機関、多国籍製薬企業との関係、CROサービスモデルを通じて進展する可能性が高い。ブラジルの科学研究機関と製薬基盤は、計算生物学の基盤となっている。および前臨床段階の協業に寄与する一方、メキシコは北米の研究ネットワークに近接していることと、外部委託研究活動の拡大から恩恵を受けている。アルゼンチンは、専門性の高い学術能力および計算能力を提供している。

この地域における事業上の制約は、北米や欧州と比べて、大規模で標準化された独自データセットや高度な創薬基盤の利用可能性が限られていることである。クラウドベースでモジュール型の機能を提供し、CROパートナーを通じて業務を遂行できる事業者は、価値を実証するまでに大規模な社内データエンジニアリングを必要とするサプライヤーよりも有利な立場にある。

中東・アフリカ

中東・アフリカは、南アフリカ、サウジアラビア、UAEおよびその他の地域を含む初期段階の市場である。挙げた市場のなかでは南アフリカが最も確立された臨床研究基盤を有している一方、サウジアラビアとUAEは、国家投資プログラムを通じてライフサイエンス、ヘルスケア、AIの能力を構築している。足元の機会は、広範な自社創薬プラットフォームの保有よりも、研究基盤、学術連携、クラウド対応モデリングへのアクセスに集中している。

市場の発展は、ヘルスデータ、ゲノミクス、研究能力への投資を、相互運用可能なデータセットと再現性のある開発プログラムに転換できるかどうかに左右される。国際的なプラットフォーム事業者にとっては、現地の能力を構築し、データガバナンス要件に対応するパートナーシップの枠組みの方が、一律の直接販売アプローチよりも実行しやすい可能性が高い。

地域ごとのパターンは、事業運営上重要な示唆をもたらす。AIは初期創薬に参加するために必要な最低限の基盤を縮小できるが、高品質なデータ、実験的検証、規制基準に対応した開発能力の必要性をなくすものではない。中国とインドはバイオ医薬品および研究サービスの規模から恩恵を受ける可能性がある一方、日本、オーストラリア、韓国は、専門性の高い製薬および臨床能力を提供できる。データへのアクセス条件、導入モデル、パートナーエコシステムに応じて地域別の提案を差別化するサプライヤーは、アジア太平洋地域を単一の均質な市場として扱うサプライヤーよりも、成長プレミアムを獲得する可能性が高い。

人工知能創薬市場のシェアと競争環境

市場は依然として分散しており、上位5社が2025年の売上高全体の約11.8%を占めている。競争は、AIインフラおよびクラウド提供、計算化学およびシミュレーション、標的探索および分子設計、疾患特化型プラットフォーム開発、創薬から臨床開発までを統合したモデルなど、複数の層で展開されている。企業のポジショニングは、データへのアクセス、モデルの品質、実験的検証、製薬企業とのパートナーシップの組み合わせによって決まる傾向が強まっている。

Alphabet傘下のIsomorphic Labsは、構造情報に基づく創薬設計と、AlphaFold関連の進歩を治療法開発に応用することを中心に事業を展開している。6億米ドルのシリーズA資金調達（2025年3月）と、NovartisおよびEli Lillyとの提携は、AI創薬エンジンを臨床プログラムへ進展させる際の資本集約性と、提携主導型の収益構造を示している。MicrosoftとNVIDIAは主に基盤インフラ層で事業を展開している。Microsoftはクラウドおよび研究用コンピューティング環境を提供し、NVIDIAは生物学向け基盤モデル用の高速処理ハードウェアとBioNeMoツールを供給している。両社の提携が重要なのは、技術スタックのすべての要素を個別に構築することなく、拡張可能なAI機能の導入を目指す組織にとって、統合負担を軽減するためである。

IBMは、拡張可能な分析機能と併せてデータガバナンスを必要とする顧客に、エンタープライズAI、ハイブリッドクラウド、科学計算の機能を提供している。Schrödingerは、物理学に基づくシミュレーションとAIを活用した創薬を組み合わせ、異なる出発点から競争している。同社の2025年の業績には、ソフトウェア売上高1億9,950万米ドルと創薬売上高5,640万米ドルが含まれており、提携機会を備えた商業的に確立されたシミュレーションプラットフォームの価値を示している。これらの企業は、単一のモデルアーキテクチャーよりも、各社のプラットフォームを検証済みの科学的ワークフローに組み込めるかどうかを軸に競争している。

Recursion Pharmaceuticalsは、統合型のフェノミクス、ゲノミクス、AIプラットフォームを活用し、データ生成と計算による解釈を組み合わせている。同社の2024年年次報告書は、創薬および開発活動全体にAIの利用を広げるパイプラインおよびプラットフォーム戦略を説明している。Insilico Medicineは、Pharma.AIプラットフォーム、臨床段階に進んだrentosertib、2025年に発表したISM5411の第I相試験の最新情報、ならびに同社のNach01モデルとMicrosoft Discoveryの統合を通じて差別化を図っている。BenevolentAIは、知識グラフを中核とするアプローチにより、生物学的標的の探索と提携成果に引き続き注力しており、AstraZenecaとの取り組みも継続して進展している。

Atomwiseは、構造に基づく結合予測とバーチャルスクリーニングに注力している。Insitroは、機械学習と高スループットのヒト細胞モデルを組み合わせ、標的の探索と検証を行っている。Deep GenomicsはAIを活用したRNA治療薬と遺伝性疾患の生物学に注力し、Iktosは生成分子設計と合成容易性に焦点を当てている。Deargenは、AIを活用した標的と化合物の相互作用に関する機能を開発しており、アジア太平洋地域の創薬活動にも参画している。これらの企業は、基盤モデル技術がより広く利用可能になるなかでも、特定のモダリティ、データタイプ、またはワークフローの深さが差別化につながり得ることを示している。

9Bio Therapeutics、Aureka Biotechnologies、CellCodex Technology Limited、chAIron、DenovAI Biotech、Examol、Helical.AI、Orakl Oncology、Thereniaは、許可された競争範囲における新興企業層を構成している。これらの企業の戦略的重要性は、構造生物学、表現型解析、腫瘍学、分子設計、その他のより限定的な創薬課題に対する、焦点を絞ったアプローチにある。細分化された市場では、対象を広くカバーする水平型システムよりも、特定の科学的ボトルネックを効果的に解決することで、焦点を絞ったプラットフォームが提携を獲得する可能性がある。各社の拡張性は、独自データ、検証済みの出力、そして実際の創薬プログラムにおける意思決定をツールが改善することを示す証拠に左右される。

最近の業界動向

• 2025年3月31日 - Isomorphic Labsは、AI創薬エンジンを拡張し、治療プログラムを臨床段階へ進展させるため、6億米ドルのシリーズA資金調達を発表した。
• 2025年6月3日 - Insilico Medicineは、*Nature Medicine*にrentosertibの第IIa相試験の結果が掲載されたことを発表した。特発性肺線維症を対象とする、AIによって発見・設計されたプログラムの臨床的有効性を示す成果が報告された。
• 2025年1月14日 - Insilico Medicineは、同社のNach01マルチモーダル基盤モデルをMicrosoft Discoveryと統合したことを発表した。