AIが希望をもたらすとき: あるがんの物語が医療の未来を映し出すもの
目次
いま AI ニュースを追っていると、目に入る見出しはだいたい二種類です。仕事を奪われる不安と、悪用される不安。ディープフェイク、セキュリティホール、大規模な人員削減、監視、操作。どれも現実味があり、注意を払う価値があります。けれど、まさにそのせいで見えにくくなっているものもあります。同じ技術が、知識を圧縮し、摩擦を減らし、場合によっては、人がいちばん必要としている時間を少し取り戻してくれることです。
このブログではすでに 別の記事 で、いま何もかもがどれほど速く動いているかを書きました。この記事は、その医療版の裏面のようなものです。市場の話は少なめ、ハイプも少なめ、人間の話が中心です。
OpenAI Forum で紹介された一つの話は、まさにその好例でした。感傷的でもなく、楽でもなく、もちろん奇跡の治療を約束する話でもありません。けれど、この先もっと多く耳にすることになるテーマをはっきり示しています。しかも、それは億万長者だけの話ではありません。
要点を先にまとめると、こうです。
- このケースで AI は医師の代わりになったのではなく、分析、調査、連携を大幅に加速しました。
- いまのところ、こうした道筋は依然として不公平です。お金、時間、人脈、そして医学を深く掘る意志が必要だからです。
- ただし、大きな技術の多くは最初そうやって始まり、やがてもっと多くの人にとって普通のものになっていきます。
元の講演を見たい方のために、ここに直接埋め込んでおきます。
見過ごされやすい物語
この話の中心にいるのは GitLab の共同創業者、Sid Sijbrandij です。彼は Osteosarcoma、つまり希少で非常に攻撃性の高い骨肉腫と診断されました。Forum では、標準治療がどれほど苛烈だったかを率直に語っています。手術、脊椎固定、放射線、化学療法、輸血、そして身体がほとんど限界まで追い込まれる感覚。多くの人にとって、それだけで人生が一変するには十分です。
彼にとって重要な初期の転機の一つが、いわゆる Click Chemistry でした。特定の分子を極めて狙い撃ちで結びつけられる、ノーベル賞にもつながったアプローチです。Sid にとってこれは科学的に面白いだけではなく、心理的にも大きな意味がありました。医療は大規模な標準試験だけで成り立っているわけではなく、Single-Patient IND のような道筋を通じて、極限的な状況では個別化された治療に正式かつ合法的に進める可能性があると分かったからです。
そして、さらに厳しい局面がやってきます。がんが再発したのです。確立された標準的な選択肢はほとんど残っていませんでした。きれいな治療パイプラインも、分かりやすい次の一手もありません。「では次は治療 B に進みましょう」と簡単に言える状況ではなかったのです。ここで、いまの時代を象徴するようなことが起こります。彼は日中の仕事を辞め、いわゆる Founder Mode に入ります。ただしスタートアップのためではなく、自分自身の生存のためにです。
最初に聞くと、ほとんど奇妙にすら思えます。テック創業者が、突然がんをエンジニアリング問題のように扱い始めるのですから。正直に言えば、私の最初の反応も懐疑でした。医療は SaaS ではありません。チャットボットは腫瘍医ではありません。API コールは治療ではありません。
それでも、この話を Silicon Valley の特殊事例として片づけるのは簡単すぎます。ここで見えているのは「ChatGPT ががんを治した」という話ではなく、医療における新しい働き方だからです。より多くのデータ、より良いパターン認識、より高い並列性、より速い仮説形成、より良い問い、そして診断と意思決定のあいだを短くする動きです。
このケースで AI が実際にしたこと
まず一番大事なことをはっきりさせておきます。AI ががんを治したわけではありません。そう言ってしまうのは危険な単純化です。ここで役立ったのは、診断、専門医、実験的アプローチ、臨床経験、本人の粘り強さ、そして加速装置としての AI が組み合わさった結果です。
講演の中で Sid Sijbrandij と遺伝学者 Jacob Stern は、Sid のがんについて約 25 テラバイトものデータを集めたと説明しています。そこには single-cell sequencing も含まれていました。この数字だけでも十分に意味があります。これは一人の人間が簡単に読み切れる規模ではありません。まさにそういう複雑さの中で、AI は本当の価値を発揮します。
具体的には、こんなことが起きていました。
- AI は科学論文を高速にふるいにかけ、比較し、優先順位を付けるのに使われました。
- RNA sequencing のデータセットや CSV エクスポートをもとに、候補となる targets を非常に速く前面に出せました。
- Jacob Stern によれば、API コスト 20 ドル程度と約 30 分で、以前ならもっと高価で遅く、専門家依存だった分析ができる場面もあったそうです。
- AI は hypotheses の生成、検証、破棄を高速化し、いわば biomedical iteration の速度を上げました。
私にとって特に印象的だったのは Penexin 3 です。Stern は、この protein が Sid のがん細胞で健康な組織に比べて約 10,000 倍も多く見つかったと説明しています。それでも長いあいだ見落とされていました。hydrophobic であるため、従来の workflow では浮かび上がりにくかったからです。ここに AI の強さがあります。AI がまったく新しい生物学を生み出すとは限りませんが、「干し草の山から針を見つける」作業を大きく加速できるのです。
もう一つ重要なのは、これは単なる data dump ではなかったことです。データから hypotheses が生まれ、その hypotheses から治療選択肢が出てきて、選択肢の数はゼロから 30 を超えるレベルまで増えていきました。私が AI に大きな価値を感じるのはまさにここです。複雑さそのものは消えません。でも、扱える複雑さに変わるのです。
なぜこの道は、いまも一部の人にしか開かれていないのか
ここは率直であるべきです。この話は希望を与えてくれますが、公平な現実をそのまま映しているわけではありません。Sid には資金がありました。ネットワークもありました。時間を割くこともできました。彼はこの問題にフルタイムで向き合うことができたのです。世界の大半の人には、それができません。
これは単にお金の話でもありません。体力、知識、言語、人脈、専門家へのアクセス、そして個人として踏みとどまる力の話でもあります。治療の最中に心身ともに疲弊している人が、25 テラバイトのデータ、規制ルート、targeted therapy のアイデア、molecular targets と向き合いながら、ここまで深く動くのは簡単ではありません。
だから私は、この話をそのまま template として見ることはしません。すべての患者が「自分の startup mode に入るべきだ」という結論は明らかに間違っています。病気の最中に「自分自身が自分の research team になれ」というのは、社会的モデルとして成立しません。
けれど、逆の結論も間違っています。いまは難しく不公平だから、未来はない。技術の歴史はふつう、その逆を示しています。
それでも、これは億万長者だけの話ではない
大きな技術は、ほとんどいつも最初は偏って始まります。
昔は、個人の浴室や温かい湯に浸かる贅沢は、王や富裕層だけのものでした。いまでは日常の一部です。
電灯だって、最初は社会インフラではなく贅沢でした。やがて世界の当たり前になりました。
空の旅も、かつては非常に高価で限られた人だけの体験でした。いまでは多くの人にとって普通の移動手段です。
Genome sequencing を考えてみても同じです。Human Genome Project は何十億ドル規模で、長い時間と巨大な国際研究体制を必要としました。いまでは sequencing のコストは大きく下がり、はるかに多くの機関で扱えるようになっています。
技術はこうしてスケールします。最初はゆっくり。そして、ある時点から急にです。
いまの personalized で AI-assisted な医療は、まだ高価で断片的で、例外的な対応に見えます。でも、models が改善し、interfaces が簡単になり、diagnostic pipelines が標準化され、regulatory の道筋が実務的になっていけば、同じ考え方は徐々に通常の医療の中に入っていくはずです。
将来、誰もが自分専用の molecular taskforce を持てるようになるとは限りません。それでも、病院や研究センターや腫瘍医の現場に、rare marker を自動で強調し、新しい studies を文脈付きで要約し、個々の症例に対してより良い問いを提示してくれる system がある未来は十分に考えられます。
この話が私に希望を与える理由
この話で特に心を動かされるのは、奇跡ではなく圧縮に賭けているところです。
ここで AI が圧縮していたのは、
- 専門文献
- diagnostics
- pattern recognition
- 複数分野のあいだの communication
- rare case を早々にあきらめないための力
こうしたものです。
そして、医療ではこれが非常に重要です。希少疾患や非典型的な経過がうまく扱えないのは、情報が存在しないからではなく、膨大な情報を意味のある形でまとめ上げる時間がないから、ということが少なくないからです。
何千ページもの病歴、lab values、scans、RNA data、studies から、実際に動ける working model が立ち上がるなら、それは裕福な個人だけの話ではありません。より正確で、より個別化され、できればより公平な医療の予告編です。
今日まだ例外的に見えることも、明日には少し薄まった形で standard になるかもしれません。
- rare marker を自動で目立たせる system
- 医師と患者のために relevant studies を事前に並べる assistant
- 副作用プロファイルも含めて possible treatment paths を見通しやすくする tool
- standard pathway だけでなく、individual biology をより真剣に扱う diagnostics
そして、こういう話は今後もっと増えるでしょう。リソースのある founders だけではありません。tools は良くなり、コストは下がり、interfaces は簡単になります。スケールはそこから始まります。
まとめ
この話が重要だと思うのは、視線を少し整えてくれるからです。AI はリスクだけではありません。解雇だけでもありません。ハイプだけでもありません。セキュリティ問題だけでもありません。遅く、しばしば疲弊した医療システムの中で、人が自分の道を見つけるのを助ける道具にもなり得ます。
もちろん、だからといって技術ロマンに酔うべきではありません。健康の土台は、驚くほど地味で、驚くほど人間的なものです。
- 十分な睡眠
- 体を動かすこと
- 食事
- 毎日の規律
この部分は、いまもかなり自分たちの手の中にあります。そこが土台であることは変わりません。
こうしたテーマに興味がある方は、ブログ内に health tracking と健康データ に関する実践的で個人的な記事や、 Whoop、回復、睡眠、負荷 に関する記事もあります。
そのうえで、私は AI が必要になると考えています。医師の代わりとしてではなく、魔法のボタンとしてでもなく、データ、研究、複雑さの上に重なる第二の intelligence layer としてです。
そして、ここで Google が重要になってきます。Google DeepMind は AlphaFold によって 2 億を超える protein structures の予測を公開し、AlphaFold 3 では proteins だけでなく他の molecules との interactions まで、より良く model 化しようとしています。これは「すべての病気の治療法」ではありません。でも、基礎研究にとっては非常に大きなレバーです。生物学が研究者にとって、はるかに速く読めるものになるからです。
だから私は希望を持っています。甘くではなく。盲目的でもなく。でも希望を持っています。生活習慣、予防、良い医療、そして AI をきちんと一緒に考えられれば、未来は本当に、より多くの人に、より多くの健康をもたらすかもしれません。
それでは、また次回。
Joe
