AWS：マルチモーダル生物学基盤モデルが創薬コストを50%削減、診断効率を90%向上

Amazon Web Servicesは2026年4月23日、治療学と患者ケアにおけるマルチモーダル生物学基盤モデルの応用に関する詳細なレビューを公開しました。結果は、創薬フェーズと臨床診断の両方で大きな改善を示しています。

マルチモーダル生物学基盤モデルとは何ですか？

生物学における基盤モデルとは、大量の生物学的データで事前学習された大型ニューラルネットワークモデルです——GPTやClaudeがテキストで事前学習されるのと同様の方法です。AlphaFoldとRoseTTAFoldがタンパク質構造への道を開き、新世代のモデルはさらに一歩進んでいます。

この文脈でのマルチモーダルとは、1つのモデルが複数種類の生物医学データを同時に処理することを意味します：ゲノミクスからのDNAおよびRNA配列、医療画像（MRI、CT、病理画像）、電子カルテ（EHR）からの臨床データ。モダリティごとに別々のモデルを使用するのではなく、モデルがすべての情報源をつなぐ共通表現を学習します。

具体的な改善数値は？

AWSは実際の応用から3つの主要な結果を発表しています。1つ目は、同一データセットでマルチモーダルモデルと単一モーダルモデルを比較した場合の診断精度AUC（曲線下面積）指標の4-7%の向上です。

2つ目は医療画像分析における最大90%の時間削減——病理医と放射線科医が画像全体を手動でスキャンする代わりに、優先的にレビューすべき箇所が提示されます。3つ目は創薬初期フェーズにおける最大50%のコスト削減で、モデルが最も有望な候補分子の特定を支援します。

製薬業界にとって何を意味しますか？

従来の創薬は10-15年かかり、10億ドル以上のコストを要し、ほとんどの候補薬が臨床試験の後期で失敗します。基盤モデルが早期に不良候補を排除し有望な創薬ターゲットを特定できるなら、平均的なコストと開発期間は大幅に短縮されます。

具体的な応用例としては、ゲノムデータからの新規創薬ターゲットの特定、病理画像における異常の自動検出、遺伝的変異と臨床アウトカムの関連付けなどがあります。1つの問題（タンパク質構造）を解くAlphaFoldとは異なり、マルチモーダルアプローチは発見から応用までのパイプライン全体を対象としています。