スタンフォード医学（Stanford Medicine）のジェームズ・ゾウ（James Zou）氏とハリソン・チャン（Harrison Zhang）氏らは、人工知能（AI）の専門エージェントを束ねた仮想のバイオ企業「ヴァーチャル・バイオテック（Virtual Biotech）」を、2026年9月17日付の科学誌サイエンス（Science）で発表しました。スタンフォード医学のニュースと、米国科学振興協会（AAAS）のユーレクアラート（EurekAlert）向け要約でも同日紹介されています。最高科学責任者（CSO）のエージェントが、分野の違うサイエンティスト・エージェントへ仕事を割り振り、結果をまとめる仕組みです。数字はいずれも論文側の説明です。
ヴァーチャル・バイオテックは、実在のバイオ企業の組織図に近い形で動きます。CSOエージェントが問いを受け取り、統計遺伝学、機能ゲノミクス（遺伝子の働きを調べる分野）、経路と相互作用、化学情報学（薬候補の化学データを扱う分野）、疾患生物学、臨床データなど、道具と知識源の違う専門エージェントへ任せます。単一の解析ツールや、エージェント一台に全部を任せる形とは違います。
第一の応用は、治験アウトカムの大規模な整理です。3.7万を超える「治験担当」エージェントが、5万5,984件の治験について結果を構造化し、標的を多層のオミクス注釈（遺伝子発現など複数の分子データの印づけ）へ結びつけました。単細胞の遺伝子発現アトラスから、細胞種ごとの特徴もエージェント側で作ります。およそ5万件規模を1週間未満で整理しました（人手なら年単位、との対比）。
解析の結果として、細胞種に特異的な遺伝子を狙う薬は、第I相から第II相へ進む確率が40%高く、上市（第IV相）に至る確率が48%高く、有害事象の発生率が32%低い、という関連が示されました。標的が特定の細胞種に寄っている度合いと、遺伝子活性がオンオフに近いスイッチ様（二峰性）かどうかの二つの採点を組み合わせると、両方高い治験ほど成績が良いです。がん、脳、心臓、腎臓、肺など複数の疾患領域で、この傾向が見られました。
第二の応用は、肺がんで長く注目されてきたタンパク質ビーセブンエイチスリー（B7-H3）の評価です。統計遺伝学、単細胞、空間トランスクリプトーム（場所ごとの遺伝子の働きの地図）、臨床ゲノムの根拠を束ねると、線維芽細胞（組織を支える細胞）側のビーセブンエイチスリーが近くの免疫細胞を抑え、腫瘍を守っている、と読みました。そこで、ビーセブンエイチスリーを多く持つ細胞へ抗体で寄り、化学療法の毒素を届ける抗体薬物複合体（ADC）を提案しました。使った情報は2025年1月より前です。同年8月、別の大手製薬企業が独立に同じビーセブンエイチスリー向けADC戦略へ至り、米国食品医薬品局（FDA）のブレークスルー指定（有望な薬を早く審査へ進めるFDAの枠）を受けました。社名は記事上では明かされていません。ゾウ氏側は、この標的の追跡は続けず、似た作り方で別候補を出しています。
第三の応用は、オーエスエムアール・ベータ（OSMRβ）を狙って中止された潰瘍性大腸炎の治験です。失敗につながりうる仕組みを推論しました。体の状態を示す検査の目印（バイオマーカー）で参加者を選ぶ案を出し、患者ごとの違いに合わせた治療（精密医療）の穴を埋める狙いです。
結論は利用できるデータの質と幅に左右され、研究が薄い疾患や標的にはまだ向かいません。実験での検証が必要です。次の段は、仮想側で出た知見を実ラボでどれだけ持つか、です。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| CSO配下の専門エージェント群が根拠を横断して統合（論文要旨） | 各エージェントのプロンプト・ツール呼び出しログの完全公開 |
| 治験5万5,984件を3.7万超エージェントが注釈。約1週間未満で約5万件規模（スタンフォード／論文） | 人手比較の計測条件、再実行の計算資源 |
| 細胞種特異標的で第I→IIが40%高、上市48%高、有害事象32%低（論文／ユーレクアラート） | 交絡調整の詳細、第三者による再集計 |
| 細胞種特異性とスイッチ様活性の組み合わせが良い（スタンフォード） | 採点式の係数・閾値の独立再現 |
| ビーセブンエイチスリーADCを2025年1月以前データで提案。後日別社が同戦略・FDAブレークスルー（スタンフォード） | 当該製薬企業名、提案と承認申請の対応表 |
| オーエスエムアール・ベータ中止例の失敗の仕組み推論と検査目印での組み入れ案（論文要旨） | 提案の前向き検証結果 |
| データの限界あり。薄い疾患には不向き。実験検証が必須（ユーレクアラート） | 実ラボ追試の件数と成功率 |
観察上の関連であり、標的の選び方を変えたときの因果は、ここだけでは確定しません。
受託の検査ラボでは、検体一件ごとに読み取り用のエージェントを割り当て、統括役が矛盾をまとめ、最終判定は病理医が行います。部品メーカーの不具合調査では、ロット一件を一人分の担当エージェントに渡し、材料・工程・顧客報告の専門チームを束ねてから、人の設計会議へ上げます。自治体の補助金審査では、申請一件ごとに一次整理のエージェントを置き、根拠の抜けだけを人が確認します。いずれも、仮想バイオ企業が示した「一件一担当・役割分担・人の最終判定」の運用に近い形です。
CSO配下の専門エージェント群で治験とゲノム特徴を先に整理し、細胞種特異的な標的の関連％は論文上の数字として残し、最終の実験と判定は人が行います。
