OpenAIは11月20日、創薬研究の一分野である「医薬品化学」の考え方をAIがどこまでこなせるかを測る新しいベンチマーク(性能を比べるためのテスト)「MedChemBench」を発表した。分子の構造と実験結果を結びつけて、結果の理由を説明したり、化合物を比べたり、性質を予測したりできるかを確かめる内容だ。

新薬の開発では、ある性質を良くすると別の性質が悪くなることがよくある。病気に関わるたんぱく質には強く効くのに、体に吸収されにくかったり、すぐに分解されてしまったりする化合物もある。研究者は似た化合物を設計・合成・試験しながら、次に何を試すかを判断していく。OpenAIは、AIがこの作業を助けるには、構造の変化と実験の証拠を結びつけて考える力が必要だとしている。

117件の論文・特許から99問

MedChemBenchは、公開された研究から作った99問で構成される。元になったのは117件の論文と特許で、761種類の分子構造が含まれる。多くの問題では、研究のある時点で手に入っていた情報(狙うたんぱく質、研究の目的、それまでに調べた化合物、選ばれた実験結果)がAIに渡される。

採点は、分子構造を正しく組み立てられるか、証拠に基づいて説明できるか、条件に合う化合物を順位づけ・選択できるか、数値や分類を予測できるかの4つの観点で行う。例として、がん研究で注目されるたんぱく質「PRMT5」の働きを妨げる化合物の問題では、似た3つの化合物について、細胞内での効き目、細胞の壁の通りやすさ、肝臓の酵素による分解の速さを予測させる。後の実験では、効き目の強い化合物と、通りやすく分解されにくい化合物が別だったという。

最新モデルが最高点、旧世代とは大差

推論の強さを高く設定した条件(xhigh)で、GPT-6.2 Astraは配点の84.5%を獲得した。GPT-6 Astraは83.3%、GPT-6.1 Solは82.0%、旧世代のGPT-5.6 Solは58.2%だった。18個の原子がつながった輪を保ったまま分子を組み立てる問題では、GPT-6 Astraが10回の回答すべてで正解した一方、GPT-5.6 SolとGPT-5.6 Lunaは10回すべてで失敗したという。

OpenAIは、GPT-6 Astraが分子構造の再現と実験結果の説明に強かった一方、化合物の選択や数値の予測はより難しかったとしている。MedChemBenchは、科学者がより良い薬を開発するのを助けるAIを作るための一歩だと位置づけている。

MedChemBenchの得点(推論設定xhigh)(単位: %)
数値を表で見る
項目獲得した配点の割合
GPT-6.2 Astra84.5%
GPT-6 Astra83.3%
GPT-6.1 Sol82.0%
GPT-5.6 Sol58.2%

OpenAIの発表に基づく。99問の配点に対する獲得割合。出典: OpenAI(2026年11月20日)をもとにKEN TECH TIMES編集部作成