ライフサイエンスにおけるバーチャルツイン：革新の加速
ライフサイエンスのリーダーたちは、適切な解決策がないまま、長年同じ懸念に取り組んできました：なぜ私たちは今もなお、創薬、臨床開発、製造を別々の世界として扱っているのでしょうか？創薬を加速させ、治験のスケジュールを短縮するには何が必要なのでしょうか？製造全般にわたる非効率性をどのように排除できるのでしょうか？
こうした課題にようやく取り組むための技術が、特に腫瘍学や希少疾患の分野において、すでに存在しています。
オンコロジーおよび希少疾患におけるリスクの特異性
これらの領域、特に細胞・遺伝子治療（CGT）では、開発環境は極めて厳しい状況にあります。
- 患者数の少なさ 希少疾患の場合、世界中で適格な患者はわずか数百人しかいないこともあります。スクリーニング検査の失敗、プロトコルの修正、製造上の逸脱は、いずれも人的・金銭的の両面で莫大なコストを伴います。
- 極めて複雑な生物学的特性 パーソナライズド・オートロガス・セラピー（個別化自己由来療法）やゲノム介入、腫瘍の異質性といった要素を考えると、科学の分野では過度な単純化は許容されません。
- 製造プロセスの不安定性 大規模に合成可能な低分子化合物とは異なり、CAR-T細胞療法は患者一人ひとりに合わせて製造されます。そのため、厳格に管理された条件下で、毎回確実に機能しなければならない製造プロセスが伴います。
「実験を行い、失敗を観察し、調整する」という伝統的な開発における「試行錯誤」のアプローチは、ここでは単に遅いだけでなく、倫理的に維持不可能な場合があります。計算によってモデル化できたはずのプロトコルを最適化するために、希少疾患の貴重な患者集団を使い果たすことはできません。
これこそが、バーチャルツイン技術が解決のために構築された課題です。
バーチャルツインとは
バーチャルツインとは、単なる3Dモデルやダッシュボードではありません。それは分子、患者集団、治験プロトコル、バイオリアクター、あるいはサプライチェーンといった実在のシステムの動的かつ計算機上の表現であり、現実世界で何かが起こる前にシミュレーション、ストレスリテス、最適化を行うことができます。それは、現実のデータに接続し、時間の経過とともに進化し、継続的に意思決定を支援する「リビングモデル（生きたモデル）」です。
そして、それらのツインを分子から患者に至るまで繋ぎ合わせることで、真に革新的な何かが得られます。つまり、断片化されたデータの島を、開発の統一された全体像へと変える「デジタルスレッド（デジタルの絆）」です。
バーチャルツインがゲームチェンジャーとなっている3つの領域
1. 創薬と分子設計
創薬の初期段階では、膨大な数の候補分子が排除されます。多くの化合物が失敗するのは、根本的な生物学が間違っているからではなく、安定性、溶解性、送達性、オフターゲット相互作用、代謝、あるいは生理学的条件下でのコンフォメーション挙動といった主要な物理的・化学的・生理学的特性を、実験を行う前に確実に予測することが困難だからです。歴史的に、その不確実性に対処する唯一の方法は、合成とテストの広範なサイクルを繰り返すことでした。この分野では、より良い答えがますます求められています。
分子ドッキング、定量的構造活性相関（QSAR）モデリング、ケモインフォマティクスを含む計算手法は、数十年にわたり創薬を支えてきました。より最近では、人工知能と機械学習（AI/ML）が、大規模な生物学的・化学的データセットを分析し、分子の活性や特性に関する予測を生成する能力を拡大させました。これらのモデルはデータ駆動型です。基礎となる物理プロセスを明示的にモデル化するのではなく、大規模データセットから統計的関係を学習します。高速でスケーラブルではありますが、その予測をメカニズム的に解釈することは難しく、訓練されたデータを超えて一般化できない傾向があります。それらはメカニスティックではなく、統計的なものです。
分子動力学シミュレーション、力場計算、量子力学手法などの物理ベースのモデルは、逆のアプローチをとります。これらは物理学や化学の法則の近似を用いて分子の挙動を明示的にシミュレートし、分子がどのように相互作用し、移動するかについて真のメカニズム的洞察を提供します。限界は常に計算コストにありました。これらの手法は実行コストが高いため、システムのサイズや、意味のある探索が可能な化学空間の広さが制約されてきました。
現代の計算創薬における主要な方向性は、機械学習のスケールとパターン認識を、物理ベースモデルのメカニズム的根拠と組み合わせることで、両者を統合することです。それが今起きている変化であり、これが急速に進展しています。
オンコロジーや希少疾患のプログラムにおいて、分子動力学をシミュレートする能力こそがバーチャルツインが価値を発揮する場面です。タンパク質標的がどのように振る舞うか（単なる静的な構造だけでなく、時間の経過とともにどのように動き、屈曲し、他の分子と相互作用するか）を予測するには、歴史的にX線結晶構造解析やクライオ電子顕微鏡などの手法を用いた数ヶ月の実験作業が必要でした。マルチマー構造予測のためのAlphaFold2やモノマーのためのOpenFoldを含むAI駆動の構造予測ツールは、かつて数ヶ月かかっていた作業を数時間に圧縮しました。
しかし、構造予測だけでは出発点に過ぎません。BIOVIA（現在はNVIDIAのインフラを搭載）のようなプラットフォームが付加するのは、それらのAI生成構造を取り込み、分子動力学シミュレーションにかける能力です。コンフォメーション状態のサンプリング、タンパク質間およびタンパク質・ペプチド間相互作用の研究、製剤安定性の評価、ドッキングによるバーチャルスクリーニングの実行といった機能が、すべて単一の統合環境内で利用可能です。これは高価なハードウェアや専門的な計算インフラを必要としない、クラウドベースのSaaSアプリケーションとしてアクセスできます。
抗体、バイオ製剤、あるいはCGTベクターを含むバイオ医薬品にとって、これは特に重要です。CGT向けのウイルスベクター設計には、並外れて複雑な分子アーキテクチャが含まれます。生理学的条件下でベクターがどのように振る舞うかをモデリングし、その安定性を予測し、合成前に潜在的な免疫原性リスクを特定する能力こそが、医薬品開発タイムラインの初期段階を圧縮し、製造に持ち込まれるリスクを低減します。
患者集団が少なく、予算が限られ、あらゆる開発の意思決定が不釣り合いなほどの重みを持つ希少疾患プログラムにとって、これは計算上の贅沢ではありません。それは戦略的な必須事項であり、下流のすべてが依存する基礎なのです。
2. 臨床試験のデザインと実行
ここは、影響が最も即時的であり、かつおそらく最も過小評価されている領域です。
プロトコル設計はいまだに多分に「熟練の技」の域にあります。選択基準・除外基準は会議室で議論されます。疾患進行の仮定は、登録しようとしている特定の集団を反映しているかどうか定かではない過去の先例に基づいて固められます。予算シミュレーションは、現実がモデルから乖離した瞬間に崩壊する仮定の上に構築されます。その結果、プロトコル修正、遅延、被験者募集の失敗、そして積み重なるコストの問題が引き起こされます。
バーチャルツインは、これまで直感がデフォルトであった部分に計算を導入することで、この状況を変えます。特に、エラーの許容範囲が最も狭いオンコロジーや希少疾患において、この転換はプロセスを改善する以上のことを行います。「何が可能か」を変えているのです。
開発プログラムの軌道を変えることができるバーチャルツインの例は以下のようなものがあります。
財務シナリオプランニング
財務シナリオプランニングは、予算に適用されたバーチャルツインの一例です。臨床試験は高額であり、それを支えるために構築された財務計画は、往々にして脆弱です。誰もストレスリテスを行っていない仮定に基づいて構築されているからです。シナリオおよび仮定モデリングにより、スポンサーは治験パラメータの変動をシミュレートし、下流への財務的影響を即座に確認できます。登録が予測より3ヶ月長引いた場合、あるいは主要国の施設が期待を下回るパフォーマンスだった場合、予算はどうなるでしょうか？
これは単なる財務機能ではありません。限られた予算で賄われるCGTや希少疾患のプログラムにとって、デザインを確定する前に複数のシナリオにわたって資金配分を最適化し、結果を予測できる能力は、プログラムがゴールに辿り着けるかどうかの分かれ目となります。
AI駆動の治験デザイン
AI駆動の治験デザインは、バーチャルツインのコンセプトを患者に直接もたらします。異なる患者サブセット全体で疾患進行をモデリングすることで、スポンサーはどの患者が治療に反応しやすいか、あるいは有害事象を経験しやすいかを予測できます。腫瘍の生物学的特性が多様で、分子プロファイルと臨床反応の関係が複雑なオンコロジーにおいて、これは治験デザインに現実的な影響を与えます。例えば、より厳格な選択基準、より精密な層別化、そして過去の平均ではなく予測される反応に基づいた適応的投与戦略などです。稀な遺伝子変異を標的とするCGTプログラムにおいて、最初の患者がスクリーニングされる前に、少数の多様な患者集団にわたってゲノム介入反応をモデリングできる機能や技術は、特に価値があります。
合成コントロールアーム (SCA)
SCAは、希少疾患やオンコロジーの試験における最も根深い倫理的および運用上の緊張の一つである「コントロールアームの問題」に対処します。伝統的な無作為化デザインでは、かなりの割合の患者（多くの場合3分の1から半分）がプラセボまたは不十分な標準治療を受ける必要があります。未充足のニーズが深刻で患者集団が少ない適応症では、そのデザイン上の制約が倫理的な疑問を生じさせ、被験者募集の障壁となります。SCAは、過去の臨床試験データ（例えば、Medidataは38,000件の試験と1,200万人の患者にわたるリポジトリを活用しています）から外部対照群を構築することで、これを解決します。傾向スコアモデリングを用いることで、SCAは試験群の実患者と、ベースラインの背景因子や疾患特性が密接に一致する過去の患者をマッチングさせ、厳格で規制当局レベルの対照群を作成します。
従来は無作為化対照試験に依存していた膠芽腫（グリオブラストーマ）という適応症において、FDAがハイブリッド外部対照デザインを承認したMedicenna社のフェーズ3試験は、このアプローチがいかに成熟したかを示しています。SCAは科学的な近道ではありません。より倫理的で、より強力なデザインの治験を実行し、治療薬をより早く患者に届けるためのメカニズムなのです。
プロトコル最適化
Medidataプラットフォームにおいて「Medidata Study Experience」に統合されているプロトコル最適化は、シナリオモデリングを治験自体の運用アーキテクチャに取り入れます。エンドポイントの選択、来院スケジュール、選択・除外基準といった異なるプロトコルデザインの決定は、予測が極めて困難な下流への影響を及ぼします。現在、スポンサーはそれらの決定を確定する前に影響をシミュレートし、特定のデザイン選択が患者の負担、施設の負担、および治験コスト全体にどのように影響するかを定量化し、科学的な厳密さと運用上の実現可能性の両方を最もサポートしやすい構成を特定できます。プロトコル修正によって主要エンドポイントに達する前に限られた患者集団を使い果たしてしまう可能性がある希少疾患プログラムにおいて、中核的なリスク管理ツールとなります。
試験の実現可能性とパフォーマンス分析
これらの分析は、治験の運用実行そのものにAI予測モデリングを適用します。登録期間のシナリオ、国や施設の選定最適化、および早期のリスク特定は、治験が予定通りに進むか否かを決定するレバーとなります。施設戦略を確定する前に登録の軌道をモデリングし、実行中にほぼリアルタイムで軌道修正できる能力は、スポンサーと患者の両方にとって極めて重要な意味を持つ形でタイムラインを圧縮できます。
これらを総合すると、上記の機能は、臨床試験のデザインと実行における根本的に異なる方法を象徴しています。それは、デザイン決定の結果を、実際に経験する前にモデリングする方法です。これこそが、実践における「クリニカル・バーチャルツイン」です。
3. 製造とプロセスの最適化
ここは、個別化医療の革命が、生物学とロジスティクスの現実に正面からぶつかる部分です。
自己細胞療法（薬が一人の患者から、その一人の患者のために作られるもの）は、おそらく製薬史上最も複雑な製造上の課題を象徴しています。バッチプロセスを実行しているのではなく、それぞれが独自のタイムラインと品質要件を持つ、数千の並行した高度に個別化されたプロセスを同時に実行しているのです。
バーチャルツインは、製造プロセスが確定する前に、バイオリアクター環境をモデリングし、クリーンルームのロジスティクスをシミュレートし、プロセスの変動を予測できます。GMP試験スイートで不具合が発生する前にその原因を特定し、コストのかかる実験室での反復試験ではなく、計算機シミュレーションによって細胞培養条件を最適化し、患者の細胞を1つでも処理する前に、自己由来細胞のスケールアウトプロセスが堅牢であることを確認することを意味します。
臨床から商用へとスケールアップするオンコロジー製薬メーカーにとって、ここはサプライチェーン・モデリングが不可欠になる場所でもあります。白血球アフェレーシスから輸注に至るエンドツーエンドのサプライチェーンのバーチャルツインは、ボトルネックを特定し、キャパシティ制約をモデリングし、高価な現実世界での失敗を通じてしか明らかにならなかったであろうロジスティクスのシナリオをストレスリテスすることができます。
いくつかの具体的な数字が、製造においてバーチャルツインが提供する価値を裏付けています。ダッソー・システムズによると、GMP環境で医薬品製造ラインを設計し設置する平均期間は10ヶ月であり、その総納期の20%が義務的なコミッショニング活動だけで消費され、コミッショニング時間の60%がソフトウェアエラーの修正に費やされています。バーチャル・コミッショニング（物理的に存在させる前に製造システム全体をシミュレートし検証すること）は、その計算を劇的に変えます。コミッショニング時間を40%削減し、総市場投入期間を15%短縮し、再設計の逸脱を80%削減し、テストバッチ損失のリスクを40%低減します。バッチの失敗が単なる財務的損失ではなく、患者が治療を受けられないことを意味するCGTメーカーにとって、このリスク低減は運用指標ではなく、患者のアウトカム指標なのです。
製造におけるバーチャルツインは、柔軟な提供モデルで利用可能です。自らバーチャルツインを構築することに伴うソフトウェアと制御権を求める組織もあれば、導入のオーバーヘッドなしに成果を求める組織もあります（サービスとして提供されることを好む）。どちらの道もエンジニアリング・タイムラインの圧縮、オンサイトテストの削減、あるいはコミッショニングの迅速化に繋がりますが、「サービスとしてのバーチャルツイン（Virtual twin as a service）」は価値への近道です。
デジタルスレッド：なぜ接続がすべてなのか
上記の3つの柱のそれぞれは単独でも価値がありますが、本当の機会はそれらがどのように接続されるかにあります。
分子から患者までデータが自動的に流れる完全にシームレスな「デジタルスレッド」は、ほとんどの組織にとってまだ理想的な目標にすぎません。しかし、ただ理想とすることと基礎を築くことには間には大きな違いがあります。創薬、臨床、製造にわたるツールが共有プラットフォーム上で相互運用されるように設計されている場合、スレッドの基礎はそこにあります。それは、バラバラなポイントソリューションを組み合わせて、それらが互いに対話してくれることを期待するのとは、全く異なる出発点です。
バーチャルツイン技術が人間にもたらす影響
これらのイノベーションは単なる抽象論ではありません。それは以下のような「違い」を生むものです。
- 稀な遺伝性疾患を持つ子どもが、効果のある治療を受けられるか否か。
- CAR-T治療の患者が予定通りに細胞を受け取れるか、製造プロセスが失敗する中で病院のベッドで待ち続けるか。
- オンコロジーの治験がクリーンなデータを生成するか、あるいは3回のプロトコル修正を必要とし、プロトコルに欠陥があったことにスポンサーが気づく前に患者集団を使い果たしてしまうか。
そして、実際に数字がそれを反映しています。Medidataのプラットフォームは、2025年の全FDA新薬承認の80%をサポートしています。これにはオーファンドラッグ（希少疾病用医薬品）承認の80%、ブレイクスルー・セラピー指定の85%が含まれます。オンコロジー、血液学、免疫学、その他の優先度の高い治療領域全体において、承認のサポート率は95%を超えました。これらは単なる市場シェアの数字ではありません。リスクが最も高いときに、業界がどこに信頼を置くことを選んだかが反映されているといっても過言ではありません。
バーチャルツイン技術は、生物学的に可能なことと、私たちが患者に提供できることの間のギャップを埋めるために、現在私たちが持っている最も強力なツールの一つであり、声を大にして何度も繰り返し語る価値があることだと考えています。
Contact Us
