English 
エリックスCEO兼共同創業者。山形県出身。大学院在学中よりスーパーコンピュータを用いたシミュレーションによる天体物理学の研究に従事。DeNAにソフトウェアエンジニアとして入社。その後、シンガポールのスタートアップで多国籍のソフトウェアエンジニアを率いるチームを指揮。2016年エリックス設立。理学博士。
新谷さんのご経歴と、エリックスでの現在の役割についてお聞かせください。
物理学で博士号を取得し、スーパーコンピューターを使った天体物理学のシミュレーションに力を入れました。物理学は今でも大好きですが、もっと幅を広げてコンピュータ・サイエンスに直接携わりたいと思うようになりました。卒業後はソフトウェア・エンジニアとなり、東京とシンガポールの両方で働きました。その頃、ディープラーニング革命が始まり、その可能性に魅了されました。独学で学び始め、最終的には自分でAI会社を設立することにしました。
当初は、最も有意義なユースケースを模索していたため、AIを応用できるさまざまなプロジェクトを担当しました。そのうちのひとつが創薬のプロジェクトで、この分野でAIがどれほど大きな影響を与えるかをすぐに実感しました。創薬は社会的に大きな価値があるだけでなく、物理学から化学、生物学まで、私が深く興味を抱いている科学の分野をつなぐものでもあります。この好奇心と目的意識は、私たちにとって正しい方向であることを明確にしてくれました。
現在、私はエリックスのCEOとして会社全体を統括し、AIを活用した創薬の推進に全力を注いでいます。
エリックスは最近、製薬会社16社のデータを用いた連合学習を用いたAI創薬プラットフォームを商業化しました。信頼とデータ・セキュリティを確保しながらこのモデルを拡大する上で、最大の機会と課題は何だとお考えですか？
フェデレーテッド・ラーニングは、創薬において非常に大きな機会をもたらします。AIはデータ駆動型のアプローチであり、データが多ければ多いほど、より優れたモデルを構築することができます。最も強力なAIモデルを作りたいのであれば、最も大胆なアイデアは、すべての製薬会社のすべてのデータを集約することでしょう。現実には、データの機密性からそれは不可能であり、非現実的な提案にさえ聞こえます。連合学習が可能にするのは、データの機密性を保ちながら、複数の企業のデータを横断的に学習する能力です。
製薬会社にとってセキュリティは常に大きな関心事ですが、連合学習ではデータが会社の環境を離れることはありません。エリックスでは、エンジニアリングチームがゼロから構築したkMoL™と呼ばれる独自の連合学習フレームワークを開発しました。.
しかし、技術的な解決策は課題の一部にすぎません。製薬会社16社をまとめること自体、非常に大きな仕事です。各社にはそれぞれ優先順位があり、契約交渉も必要で、全員が機械学習や連合学習の詳細に精通しているわけではありません。インセンティブの問題もあります。どのようなコミュニティにおいても、フリーライダーの問題が発生する可能性があります。ある企業が共有するデータが少なくても、他の企業からの貢献によって学習されたモデルから利益を得ることができれば、それは不公平に感じられるでしょう。公平で持続可能なインセンティブ構造の構築が不可欠です。
技術的な課題とビジネス上の課題の両方を克服するのは容易なことではありませんでしたが、それこそがこのモデルの強みでもあります。構築も管理も難しいため、簡単に真似できるものではありません。私たちが直面した課題そのものが私たちの堀の一部となり、それにうまく対処することで、このイニシアチブを拡大するための強力な基盤が築かれたのです。
Elix Discovery™が杏林製薬とエーザイに採用されたことは、大きなマイルストーンです。この規模での採用の背景にはどのような戦略的ビジョンがあり、杏林製薬とエーザイがエリックスのプラットフォームを選んだ理由は何だとお考えですか？
製薬会社16社との連合学習に関する取り組みは、重要な基礎を築きました。その協力関係を通じて、Elix Discovery™を商品化する前から、すでに多くの企業と強い信頼関係を築いていました。連合学習によって開発されたAIモデルは現在、私たちのプラットフォームに統合されているため、多くのパートナーにとって、これを採用することはごく自然な次のステップでした。.
もう一つ重要なのは規模です。日本では、エリックス・ディスカバリー™がAI創薬プラットフォームの中で最大のシェアを占めていると考えています。これは強力なネットワーク効果を生み出します。例えば、私たちは製薬企業が知識を交換し、ベストプラクティスを共有し、互いに学ぶことができるユーザーグループを主催しています。ユーザーが増えれば増えるほど、コミュニティ全体の価値が高まります。.
また、私たちを際立たせているのは、献身的なサポートへの取り組みです。他のプラットフォーム・プロバイダーは、広範なフォローアップなしに、主にソフトウェアそのものを提供します。対照的に、当社は、機械学習の基礎から、プラットフォームを効果的に使用し、有望な分子を生成する方法に関する実践的なガイダンスまで、すべてをカバーする教育コールを含む包括的なサポートを提供しています。機械学習のバックグラウンドを持たないことが多い医薬品化学者と密接に協力することで、私たちは、この技術が単に利用できるだけでなく、日々の研究で本当に使えるものであることを確認します。
御社のプラットフォームは、「医薬品化学者が本当に使える」という原則のもとに設計されています。CEOとして、このユーザー中心の哲学がエリックスの製品進化を導き続けることをどのように保証しますか？
当初から、Elix Discovery™ プラットフォームの主要ユーザーとして医薬品化学者を優先してきました。もちろん、計算化学者もElix Discovery™の恩恵を受けることができますが、製薬会社の研究者の大半は医薬品化学者です。.
私たちが製薬会社と最初に関わったとき、一貫したメッセージを耳にしました。コンピュテーショナル・ケミストは、小規模なチームであることが多いのですが、多くのメディシナル・ケミストと協力しなければなりません。もしプラットフォームが主に創薬化学者のために設計されていれば、結果的に自分たちの仕事も楽になるはずだと。対照的に、市場に出回っている多くの製品は、計算化学者を念頭に置いて作られており、技術的には医薬品化学者も使用することができますが、真に彼らのために設計されているわけではありません。
私たちのアプローチは最初から異なっていました。私たちのユーザーのほとんどは医薬品化学者であり、彼らのフィードバックは、私たちがこのプラットフォームをどのように進化させるかを常に反映しています。また、Elix社内にも医薬品化学者がおり、彼らの意見を参考にインターフェースを改良し、日々の研究に実用的なものにしています。社外および社内の化学者から一貫してフィードバックを収集することで、私たちのプラットフォームは常に医薬品化学者のニーズに合致し、彼らが真に使用できるという私たちの哲学を維持しています。
Elix Discovery™は、リガンドベース、構造ベースのデザイン、AIコンサルティング、導入サポートをすべて直感的なGUIで提供します。競争力を維持し、クライアントのニーズに応えるために、これらの要素にどのように優先順位をつけていますか？
Elix Discovery™を拡張できる方向性は数多くありますが、私たちの優先順位は、クライアントからのフィードバックと共同研究からの洞察によって導かれています。新機能が共同プロジェクトの推進に不可欠であることが判明し、同様の課題に直面している他のユーザーにも有益であると判断した場合、私たちはその機能をプラットフォームに統合します。.
創薬においては、リガンドベースのアプローチと構造ベースのアプローチの両方が重要です。例えば、あるプロジェクトでは、生物学的活性データは既に持っているが、ターゲットの構造情報が不足しているため、リガンドベースのアプローチがより効果的です。また、生物学的活性データはないが構造情報はある、という場合もあり、その場合はドッキング・シミュレーションのような構造ベースのアプローチが重要になります。
私たちは、最も有用で必要とされる機能が最初に取り組まれるよう、多くの場合毎月の定期的なディスカッションを通じて、開発の優先順位を継続的に見直し、決定しています。このプロセスにより、お客様のニーズに直接対応できるだけでなく、創薬プロジェクトに最大の価値をもたらす機能に集中することで、競争力を維持することができます。
シオノギとの協業についてコメントする中で、以前はアルゴリズムの複雑さや限られたデータのために、遡及合成AIモデルは実用性に欠けていたと指摘されていました。エリックスはそのような限界にどのように対処してきたのでしょうか。また、その中で戦略的パートナーシップはどのような役割を果たすのでしょうか？
レトロシンセシスモデルは高い需要がありますが、実用化には従来、アルゴリズムとデータという2つの大きな課題がありました。特性予測に比べ、レトロシンセシスはより複雑で、信頼性の高いモデルを開発するためには機械学習の深い専門知識が必要です。これはElixが得意とする分野です。
もうひとつの課題はデータです。一般に公開されているデータセットはほとんどが特許に由来するもので、有用ではありますが、ロバストなモデルトレーニングに必要な品質や科学的厳密さに欠けることがよくあります。一方、製薬会社は高品質の反応データにアクセスできますが、複雑なAIモデルを構築し、維持するためのリソースや専門知識を持っていない可能性があります。
このように強みを補完し合うことこそが、コラボレーションが非常に強力である理由です。エリックスでは、先進的なAIモデルの開発に集中することができ、一方、製薬パートナーは、それらを効果的に訓練するために必要な高品質の反応データを提供します。これらの能力を組み合わせることで、これまでレトロシンセシスモデルを妨げてきた限界を克服し、実際の創薬においてはるかに実用的なものにすることができます。
エリックスは、アステラス製薬（2020年）や塩野義製薬（2022年）からPRISM Biolabなどとの戦略的提携に至るまで、提携実績を伸ばしています。CEOとして、これらのパートナーシップを選択し、育成するための包括的な戦略は何ですか？
エリックスのパートナーシップ戦略は、相互補完の原則に基づいています。私たちは、エリックスが有意義な貢献をし、同時にパートナーがもたらすものから利益を得ることができると判断した場合に協力します。典型的なケースは、エリックスが高度なAIモデルを提供し、パートナーがそれを訓練するために必要な高品質の実験データを提供するというものです。
AI企業である当社の強みは高度なモデルを開発することですが、実験データを自ら作成することはありません。一方、製薬会社やバイオテクノロジー企業は、研究や実験を通じてデータを生み出していますが、複雑なAIモデルを構築するためのリソースや専門知識を持っていない場合があります。両者が協力することで、それぞれの限界を克服し、より効果的なソリューションを生み出すことができるのです。
場合によっては、製薬会社内の計算化学者をサポートすることもあります。彼らはすでに機械学習に精通していても、複雑なモデルを開発するために必要な時間やリソース、専門知識を必ずしも割くことができるとは限りません。彼らと提携することで、彼らの能力を拡張し、研究を加速させることができます。
ディープラーニングとライフサイエンスに端を発し、ブロックバスター東京やライフインテリジェンス・コンソーシアムを擁するエリックスは、進化するAI創薬の状況において、現在どのような位置づけにあるとお考えですか？
私がエリックスを立ち上げた当初、私たちは純粋なAI企業であり、創薬にはまだなじみがありませんでした。ブロックバスター東京というアクセラレーション・プログラムは、ドメインの専門家からフィードバックを受け、この分野の現実をよりよく理解することができたので、その段階で貴重なものでした。
ライフインテリジェンス・コンソーシアムも転機となりました。ライフインテリジェンス・コンソーシアムは、アカデミアと製薬企業を結びつけ、そのコミュニティを通じて、創薬において何が本当に重要なのかを学ぶと同時に、主要なステークホルダーとの信頼関係を築くことができました。この信頼関係があったからこそ、私たちは製薬会社とのプロジェクトに着手することができ、最終的に一般的なAI企業から創薬に特化した企業へと進化することができたのです。
このような取り組みを通じて得た経験と人間関係は、現在でも強みとなっています。後に製薬会社16社を統合し、連合学習プロジェクトを商業化することができたのは、こうした初期の頃に築かれた信頼関係がなければ不可能だったことです。
これまでにも、東京工業大学や化学バイオ情報学会などの講演会や、日経バイオテクなどのメディアを通じて、見識を共有してこられましたね。このような学術界や産業界との関わりは、エリックスの戦略的方向性やCEOとしてのアプローチにどのような影響を与えていますか？
学術界と産業界の両方と関わることは、エリックスの戦略の重要な部分です。例えば、学術研究者と製薬企業が一堂に会するChem-Bio Informatics Societyの年次総会などの会議に定期的に参加しています。このようなイベントでは、講演や口頭発表、セッションのスポンサーを務めることがよくあります。私たちの共同研究の多くは製薬企業やアカデミアとのものであり、このような場を通じて意見を交換し、信頼関係を築き、コミュニティにおける私たちの評判を高めることができるからです。
学術面では、東京工業大学（現・東京理科大学）などで講義をしています。技術的な見識だけでなく、AI創薬企業を一から立ち上げた私の経験もお話ししています。教育は私にとって意義深いものであり、私の体験談が、学生たちが自分のキャリアについて考える際の刺激になるのであれば、喜んで貢献します。
このような活動は、学術界や産業界とのつながりを深めることでエリックスのポジショニングを強化すると同時に、CEOとして、私たちが目先の事業目標を超えてより大きな影響を与えられることを再認識させてくれます。
エリックスは、コンサルティングとプラットフォームの会社として始まりましたが、プラットフォームのライセンス供与と共同研究プロジェクトへの動きを示しています。この2つのビジネスモデルのバランスをどのように取っているのですか？また、企業ロードマップの中で、それぞれの将来像をどのように考えていますか？
会社を設立した当初、私たちの仕事は製薬会社のコンサルティング・プロジェクトから始まりました。そのうちに、これらのプロジェクトの多くが似たようなニーズを共有していることに気づきました。再利用可能でスケーラブルなソリューションを開発する方が、同じようなものを何度も作るよりもはるかに効率的だからです。プラットフォームは、より幅広いユーザーに大きな価値を提供することができます。
今日、私たちのビジネスは、プラットフォーム・ライセンシングと共同研究という2つのモデルで成り立っています。プラットフォーム・ライセンシング事業はサブスクリプション・ベースであるため、安定した予測可能な収益が得られます。この安定性は、この事業の成長率がいくぶん限定的であったとしても、会社の長期的な持続可能性にとって不可欠なものです。
共同研究は大きく異なります。創薬プロジェクトは本質的にリスクが高く、多くは成功しません。しかし、成功した場合には、非常に大きな利益をもたらす可能性があります。そのため、共同研究はハイリスク・ハイリターンのモデルなのです。
私たちの戦略は、安定性を確保するためにプラットフォーム・ライセンシングを活用する一方で、大きなブレークスルーと成長の機会を捉えるために共同研究を追求するという、この2つのアプローチのバランスをとることです。この組み合わせにより、私たちは弾力性と野心的なロードマップの両方を維持することができます。
今後、エリックスは世界のバイオテクノロジーと製薬業界をどのように形成していくとお考えですか？また、エリックスはその将来においてどのようにリードし、あるいは適応していくのでしょうか？
私がエリックスを設立した2016年当時は、AIに対して懐疑的な見方が多くありました。AIが創薬に有効であるという証拠は限られており、多くの人々はAIが本当にインパクトを与えられるかどうか確信が持てませんでした。今日、状況は大きく変わっています。大規模な言語モデルなどの進歩により、AIは日常生活の一部となり、人々はAIの有用性と可能性をより明確に認識するようになりました。ノーベル賞でさえAIの研究を評価しており、この分野が世界的な信用を得るまでになったことを示しています。
創薬におけるこの変化は、ほぼすべての製薬会社やバイオテクノロジー企業がAIの重要性を認識していることを意味します。しかし、認識だけでは課題は解決しません。多くの企業には、これらの技術を十分に活用するために必要なAIエンジニアや研究者がいません。そこでエリックスは、創薬におけるAIのイノベーションと実用化の橋渡しをするという重要な役割を担っています。
私たちの連合学習プロジェクトはその好例です。AIのフレームワークを共有することで、16社の製薬会社と協力できたことは大きな成果であり、業界における信頼できるパートナーとしての地位を強化することができました。このような基盤の上に、エリックスはAI技術を進歩させ、それを最も必要とする組織にとって利用しやすく実用的なものにすることで、世界のバイオテクノロジーおよび製薬業界をリードし続けることができると確信しています。
より多くの製薬会社やバイオテクノロジー企業が創薬にAIを導入しようとする中、課題を克服しながらイノベーションを取り入れることについて、同じ分野のリーダーにどのようなメッセージを伝えますか？
AIは革新的な技術であり、創薬におけるその有効性を実証する事例を目にする機会が増えています。このことは、AIへの投資が業界にとって正しい方向性であることをこれまで以上に明確にしています。同時に、製薬会社やバイオテクノロジー企業は、自社だけでこれらの技術を十分に活用できるとは限りません。そのような状況では、サポートを求めることが非常に価値あるものとなります。エリックスでは、パートナーがAIを効果的かつ有意義に研究に応用できるよう支援することを約束し、常に協力体制を整えています。
ありがとうございます、 真也さん
日本語