マーク・ザッカーバーグ＆プリシラ・チャン：AIがどのように病気の治療に役立つか

Mark Zuckerberg（マーク・ザッカーバーグ）とPriscilla Chan（プリシラ・チャン）博士が率いるChan Zuckerberg Initiative（CZI）は、今世紀中にすべての疾患を治癒・予防・管理するという壮大な目標を掲げている。しかし、彼らの戦略は個々の治療法や創薬を直接支援することではなく、科学コミュニティ全体の研究速度を劇的に加速させるための「ツール」と「インフラ」を構築することにある。本エピソードでは、a16zのBen Horowitz、Vineeta Agarwala、Erik Torenbergがホストを務め、CZIが10年にわたって取り組んできた「Biohub（バイオハブ）」ネットワーク、細胞アトラス、そしてAIを活用した「仮想細胞モデル」の構築について深く掘り下げる。議論の核心は、生物学にいまだ存在しない「元素の周期表」を創り出し、AIを用いて仮想的に実験を行えるようにすることで、基礎科学のパラダイムを根本から変えようとする試みにある。

この対話は、生物学の専門家とAIの専門家の間にある認識のギャップを浮き彫りにする。生物学者はCZIの目標を「途方もなく野心的」と見なす一方、AI研究者は「それは自動的に起こるだろう」と退屈に感じるという。ZuckerbergとChan博士は、この二つの世界を橋渡しするために、「最先端の生物学と最先端のAIを組み合わせる」という独自のポジションを取る。彼らは、政府の助成金ではカバーされにくい、10年から15年という長期スパンで1億から10億ドル規模の大型ツール開発に資金を集中させる。その成果として、単一細胞データの標準化と共有を促進する「Cell by Gene」ツールや、タンパク質から細胞、さらには仮想免疫系に至るまでの階層的なモデル構築が進行中である。このエピソードは、単なる慈善活動の報告ではなく、科学の方法論そのものを再発明するための、野心的で具体的なロードマップを示している。

0:00ツールが科学を加速する：周期表なき生物学への挑戦

CZIの戦略の根底にあるのは、「科学における主要なブレークスルーは、ほぼ常に、現象を新しい方法で観察するための新しいツールの発明によって先行される」という確固たる信念である。顕微鏡や望遠鏡がそうであったように、生物学においても、研究者が「コードをステップ実行してデバッグする」ように細胞の内部を観察し操作できるツールが不可欠だとZuckerbergは主張する。彼は、現在の生物学には「元素の周期表」に相当するものが存在しないことを「クレイジーなこと」と表現し、この欠落こそがCZIが取り組むべき最大の課題だと指摘する。

現在の科学研究費の大半は、政府やNIH（アメリカ国立衛生研究所）からの比較的小規模な助成金によって賄われており、個々の研究者が短期的なテーマを調査するために使われている。しかし、新しい画像技術やAIモデルの開発には、より長期的で大規模な投資が必要となる。CZIは、この「助成金の谷間」を埋めるために、10年から15年のタイムホライズンで1億から10億ドル規模のプロジェクトに資金を投入する。このアプローチは、ベンチャーキャピタルがスタートアップに投資するタイムホライズンと類似しており、チームが長期間にわたって一貫して取り組める具体的な「グランドチャレンジ」を設定することを可能にする。

Zuckerbergは、この戦略のユニークさを強調する。CZIは自らが開発したツールで直接的な功績を求めない。ツールをオープンソースとして科学コミュニティに提供し、他の研究者やスタートアップがそれを基に創薬や診断法を開発することを促進する。これは、利益を追求する企業とは異なる「フィランソロピー（慈善活動）」だからこそ可能なモデルである。彼らは、ツールの普及度や、そのツールを使って発表された重要な論文の数を、自分たちの「成功のシグナル」として捉えている。

12:03精密医療の未来：個々の生物学に基づく治療へ

Chan博士は、小児科医としての臨床経験から、現在の医療が抱える根本的な問題を語る。多くの患者、特に希少疾患の子供たちは、自分の病気の原因が遺伝子レベルで特定されても、それが具体的な治療にどう結びつくのか不明な「意義不明のバリアント（VUS）」という診断に直面する。彼女は、高血圧やうつ病のような一般的な疾患でさえ、患者の個別の生物学的特性を無視した「試行錯誤」的な治療が行われている現状を批判する。

CZIが目指すのは、個々の患者の生物学的データに基づいた「精密医療」の実現である。単一細胞トランスクリプトミクス（個々の細胞の遺伝子発現を解析する技術）の進歩により、ある遺伝子変異がどの細胞経路に影響を与え、どのタンパク質の発現を変化させるかを特定できるようになってきている。これにより、創薬の標的を極めて具体的に設定し、同時に予測される副作用（オフターゲット効果）も事前に評価できるようになる。

Chan博士は、「ほとんどの疾患は希少疾患として考えるべきだ」と主張する。なぜなら、年齢や人種といった大まかなカテゴリーで分類される現在の枠組みでは、個人の生物学的な多様性を捉えきれないからである。CZIの最終的な成功は、彼らが構築したモデルやデータセットを基に、コミュニティ全体が新しい治療法や診断法を爆発的に生み出すことにある。彼らは、治療薬の開発そのものではなく、そのための基盤を提供することに専念する。

15:26セルアトラスとCell by Gene：偶然が生んだネットワーク効果

CZIの最も成功したプロジェクトの一つが、単一細胞データの標準化と共有を促進する「Cell by Gene」ツールである。このプロジェクトは、もともとCZIが10年前に助成した研究グループが直面した「データの注釈付け（アノテーション）がボトルネックになっている」という問題を解決するために開発された。研究者がデータを簡単に注釈できるツールを提供したところ、コミュニティ全体が同じフォーマットを使い始め、データの共有と統合が自然に進んだ。

この結果、CZIが直接資金提供したのは全体の約25％に過ぎないにもかかわらず、数百万もの細胞データが集積された巨大な共有リソースが形成された。残りの75％は、このツールの有用性を認めた外部の研究者コミュニティからの自発的な貢献によるものである。Zuckerbergはこれを「ネットワーク効果」と表現し、まるでインターネットの初期の発展を彷彿とさせると述べる。ユーザーは「注釈のために来て、仮想細胞モデルのために留まる」という構図が生まれている。

この成功は、単なる技術開発だけでなく、組織設計の重要性も示している。CZIは、異なる大学（UCSF、スタンフォード、UCバークレー）の研究者が物理的に同じ空間で働く「Biohub」モデルを採用した。これにより、従来は形式的な協力関係に留まっていた優秀な人材が、日常的に肩を並べて問題解決に取り組む文化が生まれた。Chan博士は、この「コミュニケーションの問題」を解決するためのシンプルな組織的工夫が、予想以上の価値を生み出したと振り返る。

18:30仮想細胞モデル：生物学のための「推論エンジン」

CZIの現在の最大の焦点は、AIを用いた「仮想細胞モデル」の構築である。これは、タンパク質、細胞内構造、細胞全体、さらには仮想免疫系に至るまでの階層的なモデルを構築する壮大なプロジェクトである。Zuckerbergは、これを「科学者が仮説を生成するための最も重要なツールセットの一つ」と位置付ける。実際の実験を行う前に、コンピューター上でシミュレーションを行うことで、研究のリスクを低減し、より迅速に仮説を検証できるようになる。

現在、CZIは複数の特化型モデルを開発している。例えば、「VariantFormer」は、細胞にCRISPRで遺伝子編集を施した際の結果を予測するモデルであり、「拡散モデル」は、ユーザーが記述した特性を持つ合成細胞を生成する。さらに、細胞内の空間的な構造を理解するためのクライオ電子顕微鏡（Cryo-EM）データに基づくモデルや、生物学の因果関係を推論する「推論モデル」の開発も初期段階にある。これらのモデルは、言語モデルが様々な能力を統合して汎用性を高めていく過程と類似している。

Chan博士は、仮想細胞モデルの価値は「100％の精度」にあるのではなく、「有用性」にあると強調する。たとえ不完全でも、高価で時間のかかるウェットラボ実験に着手する前に、リスクの高いアイデアを事前にふるいにかけることができれば、研究の効率は劇的に向上する。彼女はこれを「新しいショウジョウバエ（モデル生物）」に例え、人間の生体により忠実なモデル生物としての役割を期待する。このモデルにより、研究者はより大胆で革新的な仮説を追求できるようになる。

28:11Biohubの統合と新たなフェーズ：AIと生物学のフィードバックループ

エピソードの後半では、CZIが発表した重要な組織再編について議論される。これまで分散していたBiohubネットワーク、ソフトウェア開発チーム、AI研究チームを、Alex Reeves（アレックス・リーブス）のリーダーシップの下で一つの「Biohub」として統合する。Reevesは、Metaでタンパク質フォールディングモデルに取り組んでいた研究者であり、彼がAIと生物学の両方を理解する「AI人材」として科学プログラム全体を率いるという点が象徴的である。

この統合の目的は、データ生成とモデル構築の間の「フィードバックループ」を閉じることにある。AIモデルが特定の領域にギャップやブラインドスポットを発見した場合、Biohubの研究者はそのギャップを埋めるための新しいデータセットを生成するための実験をデザインできる。逆に、実験室での観察から得られたリッチなメタデータは、モデルの改良に直接フィードバックされる。この「肩を並べて働く」体制こそが、より正確で包括的な仮想細胞モデルを構築するための鍵だとZuckerbergは信じている。

このアプローチは、AI業界全体で観察される「ドメイン特化型モデル」の重要性と一致する。汎用AIがすべての分野で最高のパフォーマンスを発揮するという当初の予想に反し、特定の問題に特化したモデルが優れた結果を生むケースが増えている。CZIは、生物学という極めて複雑なドメインにおいて、データの生成、注釈、モデル化、そして科学者との対話を一貫して行うことで、他に類を見ない独自のポジションを築こうとしている。彼らは、単なるGPUの計算資源の提供（現在は数千台規模、将来的には1万台規模を計画）だけでなく、その資源を活用するための共同研究の機会も積極的に創出している。

34:47組織設計の教訓：分散と集中のバランス

CZIの組織モデルは、科学の進め方そのものに対する深い洞察に基づいている。Zuckerbergは、科学は本来「分散型」の活動であり、個々の研究者の創造性を尊重することが重要だと述べる。しかし同時に、特定の大型プロジェクトにおいては、異なる分野の専門家が物理的に同じ空間で協働することの価値を強調する。最初のBiohubがUCSF、スタンフォード、UCバークレーの3大学の研究者を一つの場所に集めたのは、従来の学術的な枠組みでは実現しにくかった「分野横断的なコラボレーション」を強制的に促進するためだった。

この「シンプルな組織的工夫」は、驚くべき効果を生んだ。異なるバックグラウンドを持つ研究者が日常的に会話を交わすことで、思いがけない発見や問題解決が生まれる。Chan博士は、このモデルが他の研究機関にも広がりつつあることを嬉しく思う一方で、これが唯一の正解ではないと断る。重要なのは、プロジェクトの性質に応じて、集中と分散のバランスを適切に取ることである。

CZIは、この10年間で「フィランソロピーにおける顧客」を持つことの重要性を学んだ。Cell by Geneのようなツールが実際にどれだけの研究者に使われ、どれだけの重要な論文の発表に貢献したかという「シグナル」が、彼らの次の投資判断を導く。Chan博士は、営利企業のような市場からの明確なフィードバックがない慈善活動において、この「使われている」という事実が極めて貴重な指標であると語る。このフィードバックこそが、彼らが生物学への集中を倍増させる確信を与えた。

結びに

このエピソードが聴き手に残す最も強い印象は、Mark ZuckerbergとPriscilla Chanが、単なる「お金を出す慈善家」ではなく、科学の方法論そのものを再設計しようとする「ツールビルダー」であるという点だ。彼らは、生物学の進歩を阻む最大の障壁は、知識の不足ではなく、適切なツールとインフラの欠如であると明確に定義する。そして、そのギャップを埋めるために、AIという現代の最も強力な技術を、基礎科学の最も根深い問題に適用するという、極めて野心的かつ具体的なロードマップを提示した。

特に印象的なのは、彼らが「失敗」や「不完全さ」を許容する姿勢である。仮想細胞モデルは100％正確である必要はなく、研究者がリスクを取るための「安全な実験場」として機能すれば十分だという現実的な見方は、しばしば完璧を求めて停滞する学術研究とは対照的である。また、Cell by Geneの成功が示すように、彼らは「偶然のネットワーク効果」を生み出すための環境設計にも長けている。このエピソードは、テクノロジーとフィランソロピーの融合が、人類の最も困難な課題に対して、どのようにして具体的な希望を与え得るかを示す、力強いケーススタディである。