近年、大規模言語モデル（LLM）に代表される生成AIの急速な発展により、創薬を含む科学研究の現場における知識活用・仮説生成・データ抽出・意思決定支援の在り方が大きく変わりつつある。一方で、AIが研究現場で真に価値を生むためには、モデルを適切に活用する枠組み、AIに委任できるタスクの見極め、意思決定を支えるワークフローへの統合、そして特許・文献など非構造データからのロバストな情報抽出とトレーサビリティ確保が重要である。
本講演会では、LLMを材料・分子設計へ展開するアプローチ、科学タスクベンチマークに基づくAI能力の体系的評価、タスクレベルでユーザーを支援可能なMachine-to-Machine型の科学知能サービス、さらに特許・文献から創薬研究に必要な情報を自動抽出・整理するデータ駆動型創薬の最新動向を取り上げる。
これらを通じて、AIを「効率化」だけでなく「価値創出」へつなげるための設計思想・実装上の論点・現場適用の勘所を共有し、今後のAI for Scienceの実践と展望を議論する。
| 日時： | 2026年6月19日（金）13：00－16：45 |
| 場所： | オンライン配信（Zoomウェビナー使用） |
| 世話人： | 奥田 歩（興和株式会社）、松村 一史（日本たばこ産業株式会社）、村﨑 広太（田辺ファーマ株式会社） |
| 連絡先： | お問い合わせは、下記メールまたはTELにお願いいたします。 TEL: 03-6435-0458 （情報計算化学生物学会（CBI学会）事務局） |
プログラム
- 13:00 - 13:05 はじめに
- 13:05 - 13:50
「LLMのポテンシャルを有効活用した材料・分子設計」
寺山 慧（横浜市立大学）
近年大規模言語モデル(LLM)の研究開発での活用が急速に進んでいる。しかし、LLMはその名の通り莫大な知識を保持しており、通常の使い方でそのポテンシャルを生かし切れるとは限らない。本講演では異分野融合を強制的かつ網羅的に発生させる手法SELLMを用いた、創造的課題解決策の生成例について紹介する。また関連してLLMを用いた分子設計手法についても紹介する予定である。 - 13:50 - 14:35
「AIは科学研究をどこまで遂行できるか ― 科学タスクベンチマークによる体系的評価 ―」
鈴木 貴之（Science Aid株式会社）
大規模言語モデルの進展に伴い、科学研究へのAI活用が本格化している。本講演では、生成AI技術の発展の流れを概観した上で、科学ベンチマークを用いたAI能力評価の動向と私たちの取り組みを紹介する。どの科学タスクをAIに委任できるかという問いに対し、Science Aid株式会社でのAI for Scienceの実践から示唆された知見や課題、留意点を交えて議論する。
- 14:35 - 15:05
「Machine-to-machine scientific intelligence: composable services for accelerating drug R&D」
Philip MacLaughlin (Senior Director Product Management, Life Sciences Solutions, Elsevier）
石田 由子 (Senior Project Manager, Life Sciences Solutions, Elsevier Japan)
Pharmaceutical and chemical R&D organizations are increasingly investing in AI, yet many initiatives remain focused on interactive tools that sit alongside existing workflows rather than integrating directly into them. As a result, scientists and informaticians continue to spend significant time moving between systems, assembling evidence, and translating outputs into downstream analyses and decisions.
We explore the shift from user-centric AI assistants toward machine-to- machine scientific intelligence, delivered through composable, task-level services that can be embedded directly into enterprise research environments. Rather than treating AI as a destination for user interaction, this approach exposes well-defined scientific capabilities such as evidence retrieval, normalization, synthesis, and structured output generation in forms that other systems, agents, and pipelines can reliably consume, while preserving traceability to underlying data sources and supporting governance requirements.
Using Elsevierʼs work on an emerging AI ecosystem for life sciences, including the LeapSpace initiative, as an illustrative example, we discuss how this services-first pattern enables reuse of scientific intelligence across chemistry, biology, safety, and clinical contexts. We also consider why the same architectural approach is applicable beyond pharma, in other domains where evidence quality, provenance, and compliance are critical.
＜15:05 - 15:20 休憩＞ - 15:20 - 15:55
「AIが加速する低分子医薬品特許解析：化合物情報の自動抽出から分析まで」 - 15:55 - 16:40
「自然言語処理AIやLLM・生成AI・AIエージェントを活用したデータ駆動型創薬」
齊藤 隆太（田辺ファーマ株式会社 ）
近年の自然言語処理領域におけるAI技術の目覚ましい発展により、文献などの膨大な文書データから注目すべき知見の発掘や新しい仮説の生成が可能になってきた。創薬研究においては「効率化」だけでなく「価値創出」に期待感が高いため、疾患メカニズムの深い理解、創薬標的分子の探索、ドラッグリポジショニング（適応症の優先順位付け）などのテーマで応用研究が進んでいる。これらの研究は長らく高度な専門家がリードしてきたが、生成AI・AIエージェントの普及により、一般的な創薬系研究員でも検討できる環境が整ってきている。そこで本発表では、ここ数年の技術トレンドの変化とそれぞれに対応した研究事例を紹介しながら、現代の創薬研究の効率的な進め方について皆さんと議論したい。
- 16:40 - 16:45 おわりに
佐藤 優樹（小野薬品工業株式会社）
創薬研究において特許文献は化合物の構造活性相関（SAR）データの重要な情報源であるが、その解析は専門的知識と膨大な手作業を要する。本講演では、低分子医薬品特許のPDFからOCRとLLMを組み合わせて化合物情報・アッセイデータの自動抽出およびSARの整理までを行うツールの開発事例を紹介する。ロバストな化学情報抽出及び化学構造への変換、OCR誤認識の自動補正といった実装上の課題と解決策にも触れながら、AIが特許解析プロセスをいかに効率化できるかを具体的に示すとともに、創薬研究現場への展開に向けた展望についても議論したい。