スタンフォード、3万7千のAIエージェントで新薬設計

スタンフォード大学が、3万7千ものAIエージェントを連携させた「仮想バイオテック企業」を構築し、実際の創薬研究に活用している。この取り組みで設計された薬剤候補分子の一つは、製薬大手メルクによって独立した検証実験でも有効性が確認された。同大学の生物医学データサイエンス准教授、ジェームズ・ゾウ氏が2026年のVB Transformカンファレンスで明らかにした。

AIエージェントとは、目標を与えると自律的に作業を進めるAIのことだ。これまでの開発現場では「エンジニア1人に対してエージェント1つ」という使い方が主流で、ClaudeのコーディングツールであるClaude Codeなどがその代表例として知られている。しかしゾウ氏は、この前提が崩れる時代が来ていると主張する。次の段階は「より賢い1つのエージェント」を作ることではなく、「大量のエージェントを組織として動かすこと」にあるという見方だ。

研究の出発点は、5〜8体のエージェントで構成する小規模な「仮想ラボ」だった。AIが教授役（主任研究員）を担い、それぞれ異なる専門を持つAI学生が定期的に会議を行うという、実際の研究室を模した構造を持つ。さらにゾウ氏のチームは、エージェントが「スタンフォードのレプリカ校」に通い、自分の専門分野を深めるための追加学習（教師ありファインチューニング）を受けられる仕組みも導入した。この仮想ラボは、新型コロナウイルスの変異株に対応するナノボディタンパク質（ウイルスに結合する小型の抗体様分子）の設計に成功し、AIが設計したナノボディは従来の人手による設計品よりも高いウイルス結合性能を示したとゾウ氏は述べている。

この成果を受けてチームはスケールを大きく広げ、単一の研究チームの模倣から、大手バイオテック・製薬企業の組織構造そのものを模した「仮想バイオテック」へと発展させた。このシステムでは、最高科学責任者（CSO）役のエージェントが全体を統括し、その下に創薬ターゲットの探索、分子設計、安全性評価・臨床試験といった部門に相当するエージェント群が配置されている。各部門の中でもさらに専門分化が進んでおり、例えばターゲット探索部門では遺伝学データを担当するエージェントとゲノミクス・単細胞データを担当するエージェントが分かれて存在するという。

ゾウ氏のチームはまた、同じ課題を「大量の専門エージェントチーム」と「単一の高性能エージェント」にそれぞれ解かせる比較実験も行った。その結果、複数エージェントによる協調システムのほうが、エラーが積み重なった場合でも崩れにくく、より質の高い解を出す傾向があることが示された。これは、大量の計算資源を1つのモデルに集中させるよりも、役割を分担した多数のエージェントを連携させるアーキテクチャに利点がある可能性を示唆する結果といえる。

今回の研究が示すのは、AIを「道具として使う」段階から「組織として動かす」段階への移行が、少なくとも科学研究の分野で現実になりつつあるという点だ。また、既存のデータベースをAIの指揮系統（オーケストレーション層）につなぎ、数千のエージェントが協働できる環境を設計するための具体的なモデルとしても参照できる研究と位置づけられる。メルクによる独立検証という形で実用上の意義が一部確認された事実は、純粋な学術成果にとどまらない可能性を示している。今後は、こうした大規模マルチエージェントシステムをどう安全に制御し、コストや信頼性をどう担保するかが、研究の次の焦点になるという見方ができる。