AI・ブログ運営

AIで化学研究はどこまでできる?MedChemBenchで分かった得意・不得意

AIは、化学研究をどこまで任せられる存在になったのでしょうか。

2026年11月20日、OpenAIは医薬化学の研究課題を使ってAIの能力を評価する「MedChemBench」を発表しました。

分子構造を正しく読み取り、実験結果を解釈し、次に検討すべき化合物を選べるかを調べたものです。

結果を見ると、AIは分子構造の再構成や科学的な説明で高い得点を獲得した一方、化合物の選択や物性の数値予測には、まだ大きな課題が残っていました。

結論から言うと、AIは化学研究の情報整理や仮説検討を支援できる可能性があります。しかし、予測値をそのまま信用したり、実験の必要性や研究方針をAIだけで決めたりできる段階ではありません。

私は以前、住友化学で研究職として働いていました。今回の発表は医薬品開発に関するものですが、「情報を整理すること」と「実験結果を踏まえて判断すること」の違いは、化学研究全般を考えるうえでも参考になります。

この記事では、MedChemBenchの結果を確認しながら、AIが得意な作業、まだ任せにくい判断、そして研究現場での現実的な活用方法を整理します。

MedChemBenchとは?AIの化学研究能力を評価するベンチマーク

MedChemBenchは、OpenAIが2026年11月20日に発表した、医薬化学(Medicinal Chemistry)の推論能力を評価するベンチマークです。

単に化学の知識を暗記しているかではなく、分子の構造と実験で得られた情報を組み合わせ、研究上の判断につなげられるかを評価します。

公表された評価データの概要は次のとおりです。

項目内容
発表日2026年11月20日
評価問題99問
参照資料117件の論文・特許
分子構造761種類
主な対象前臨床段階の医薬化学研究
評価する能力分子構造、科学的推論、化合物選択、物性予測

出典:OpenAI公式発表「Can AI help scientists identify promising drug candidates?」

研究のある時点までに分かっていた化合物の構造や実験結果をAIに提示し、そこから次の結果や適切な候補を考えさせる形式です。

AIには伏せられた、その後の研究結果などを使って採点します。

具体的には、次のような課題が含まれています。

  • 化学構造式から、結合位置や立体配置を含めた分子構造を再構成する
  • 置換基の違いが活性や物性に与える影響を説明する
  • 複数の実験データを比較し、候補化合物を選ぶ
  • 透過性や代謝安定性などの数値を予測する
  • 複数の要求特性を同時に満たす化合物を検討する

ただし、MedChemBenchでAIが実際に薬を合成したわけではありません。実験装置を操作したり、新しい医薬品の有効性を実証したりする評価でもありません。

あくまで、過去に報告された研究課題をもとに、AIの推論能力を測るものです。

MedChemBenchの結果|AIが得意なこと・苦手なこと

今回の結果で特に興味深いのは、評価する作業によって得点が大きく違っていたことです。

研究論文で詳しい内訳が公表されているGPT-6 Astraの結果を見てみます。

評価項目獲得スコア読み取れること
分子構造の再構成95.4%比較的高い得点
科学的な説明91.1%比較的高い得点
化合物の順位付け・選択50.4%課題が残る
数値予測47.0%課題が残る

出典:MedChemBench研究論文(PDF)、GPT-6 Astra・xhigh設定、Table S2。小数第2位を四捨五入。

ここで注意したいのは、これらの数値が各評価項目で獲得した配点の割合だということです。

例えば「数値予測47.0%」は、実験値の47%を正確に当てたという意味ではありません。予測誤差に応じて部分点が与えられる採点方式です。また、各項目では対象の問題や採点方法も異なります。

それでも、分子の構造や実験結果について説明する能力と、実際の数値を予測して化合物を選ぶ能力には差があることが分かります。

なお、2026年11月20日の公式発表では、GPT-6.2 Astraがxhigh設定で総合84.5%のスコアを獲得したことも紹介されています。一方、上記の項目別スコアはGPT-6 Astraの結果です。11モデルを評価した研究論文本体にはGPT-6.2 Astraが含まれていないため、両者を混同しないようにしています。

得意①:分子構造を読み取って再構成する

AIが高いスコアを示したのが、化学構造の読み取りです。

MedChemBenchには、分子の中心構造と置換基を組み合わせ、指定された立体化学を保ちながら分子を再構成する問題があります。

OpenAIが紹介した例では、18個の原子からなる環構造を正しく維持できるかが試されました。

GPT-6 Astraは、この特定の問題について10回の回答すべてで正しい分子構造を再構成しました。

一方、比較対象の一部の旧モデルでは、18員環が15員環になったり、分子が2つの断片に分かれたりする誤りが見られました。

化学では、原子のつながり方や立体配置が違えば、それは別の分子です。

構造を正しく理解できなければ、その先の活性予測や物性の議論も成立しません。

今回の結果は、複雑な分子構造を扱う能力が進歩していることを示しています。

ただし、研究現場で構造式を扱う際には、AIの出力をそのまま登録するのではなく、構造解析ソフトなどによる確認が必要です。

得意②:既存の実験結果をもとに説明を組み立てる

科学的な説明も、AIが高いスコアを示した項目です。

例えば、似た化合物でも活性が違う理由を考えるときには、置換基、分子の形、極性、タンパク質との相互作用など、複数の情報を組み合わせる必要があります。

AIは提示された実験結果をもとに、構造変化が活性や物性に与える影響を説明する課題で比較的良い結果を示しました。

これは研究現場で考えると、次のような支援につながる可能性があります。

  • 複数の論文や実験結果を比較し、論点を整理する
  • 構造と活性の関係について考えられる仮説を列挙する
  • 考察に不足している根拠や追加で調べるべき項目を洗い出す
  • 研究会議に向けた説明資料の下書きを作る

ただし、これらはMedChemBenchで直接すべて実証された業務改善効果ではありません。ベンチマークで確認された説明能力を踏まえた、実務上の活用候補です。

説明が自然であっても、その説明が科学的に正しいとは限りません。

特に、入力資料にない実験条件や機構をAIが補って説明していないか、人間が確認する必要があります。

苦手①:複数の条件を満たす化合物を選ぶ

化学研究では、ある性能だけが優れていれば採用できるわけではありません。

例えば医薬品の候補化合物には、標的への活性だけでなく、選択性、溶解性、透過性、代謝安定性、安全性などが求められます。

活性を改善するために構造を変更したところ、別の物性が悪くなる場合もあります。

MedChemBenchでは、こうした複数の制約を踏まえた化合物選択のスコアが、分子構造や科学的説明ほど高くありませんでした。

つまり、AIがそれぞれの化合物の特徴を説明できても、最終的にどれを選ぶべきかを正確に判断できるとは限らないのです。

研究者がAIの提案を確認する際には、単に「おすすめの化合物」を聞くのではなく、なぜその候補を選んだのか、満たしていない条件は何かまで確認する必要があります。

苦手②:物性や実験値を数値で予測する

今回、もう一つ課題が明確になったのが数値予測です。

化学研究では、分子構造から物性を考察することと、実測値を十分な精度で予測することは別の問題です。

例えば、分子に極性の高い官能基を導入すると、水への溶解性が変化する可能性があります。しかし、その変更によって特定の測定条件で透過性がどの程度変わるかを、正確な数字で予測するのは簡単ではありません。

MedChemBenchの数値予測は、実測値や文献中の報告値との近さによって評価されています。

GPT-6 Astraのxhigh設定では、数値予測の獲得スコアは47.0%でした。

AIの予測値は次の実験を考えるための参考にはなっても、実験による検証を省略できる根拠にはならないというのが、今回の結果から読み取るべき点だと思います。

具体例:PRMT5阻害剤で分かった「活性が高ければよいわけではない」という難しさ

OpenAIは、がんの創薬研究で検討されているPRMT5阻害剤の問題を紹介しています。

この問題では、関連する化合物について、構造とそれまでの実験結果をAIに示し、複数の性質を予測させました。

主な評価対象は次のような項目です。

  • 細胞内での標的に対する活性
  • 細胞の障壁を通過する透過性
  • 排出に関する指標
  • ヒト肝ミクロソームを用いた代謝安定性の指標

後から実施された研究結果では、化合物23と化合物24の間に特徴的な違いがありました。

比較項目化合物23化合物24
細胞内での活性より低濃度で作用23ほど強くない
透過性24より低い23より高い
肝酵素アッセイでの代謝24より分解が速い23より分解が遅い

出典:OpenAI公式発表のPRMT5阻害剤の事例。表は化合物23と24の相対的な違いを整理したものです。

この比較では、標的への活性を優先すれば化合物23が魅力的に見えます。一方、透過性や代謝安定性を重視すると化合物24に利点があります。

ただし、この情報だけでどちらが最適な候補かは決められません。

最終的には、目的とする組織への移行、曝露、安全性、その他の実験結果などを踏まえて検討する必要があります。

化学研究では、こうした性能のトレードオフが珍しくありません。

「ある物性が改善したから、研究全体としても良くなった」とは言い切れないのです。

この事例を見ると、AIに単独で最適解を出させるより、複数の候補の利点と欠点を整理させ、研究者が検討する使い方の方が現実的だと感じます。

化学研究ではAIに何を任せ、人間が何を判断すべきか

MedChemBenchの結果を研究現場に当てはめるなら、AIが支援できそうな作業と、人間による確認が欠かせない作業を分けて考える必要があります。

以下は、今回の結果と一般的な研究業務の性質を踏まえた活用案です。各作業について、導入効果が実証されたという意味ではありません。

研究業務AIに支援させる作業人間が確認・判断すること
文献調査論点の要約、比較表の下書き出典、研究条件、情報の信頼性
分子構造の整理構造の読み取り、SMILESの候補作成結合位置、価数、立体化学、化合物の同一性
実験データの整理測定値の分類、傾向の抽出単位、測定方法、欠測値、異常値
結果の考察仮説や代替説明の洗い出し実験事実との整合性、仮説の妥当性
物性予測定性的な傾向や予測候補の提示予測誤差、適用範囲、追加測定の必要性
次の実験計画比較すべき条件や未検証項目の提案目的、優先順位、安全性、費用、設備、実現可能性

この中で、比較的取り入れやすいのは、文献や実験データの整理、考察の下書きといった作業でしょう。

一方、数値予測や化合物選定は、AIの回答を直接採用するのではなく、専門家の検討材料として扱うべきです。

研究現場でAIを活用するなら、この4ステップから始めたい

AIを研究に取り入れる際、最初から実験計画や候補化合物の決定を任せる必要はありません。

まずは確認しやすい作業で試し、出力の正確さを評価する方法が現実的です。

ステップ1:出典と測定条件をそろえる

まず、研究目的と、AIに検討させる資料を明確にします。

例えば、公開論文の実験結果を整理するなら、化合物名だけでなく、次の情報をセットで扱います。

  • 論文名と出典URL
  • 化合物の識別番号
  • 測定対象と測定方法
  • 測定値と単位
  • 温度や測定系など、解釈に必要な条件

異なる測定条件で得られた値を、そのまま横並びにしてはいけません。

また、未公開の実験データ、特許出願前の情報、共同研究先の秘密情報などを外部の生成AIに入力する前には、社内規程や利用サービスのデータ取り扱い条件を確認する必要があります。

ステップ2:AIには「事実」と「推測」を分けて整理させる

AIには結論だけを求めず、実際に報告されている事実と、そこから考えられる解釈を分けて出力させます。

例えば、次のように依頼する方法があります。

提示した資料に基づき、各化合物の構造上の違い、実測値、測定条件を表に整理してください。その後、物性差について考えられる仮説を示してください。実測値と推測を明確に分け、根拠のない数値は補完しないでください。

このようにすると、少なくとも人間がチェックすべき部分を見つけやすくなります。

もちろん、指示しただけで誤りがなくなるわけではありません。元資料と照合することが前提です。

ステップ3:構造・数値・根拠を人間とツールで照合する

AIが作成した表や説明は、次の観点から確認します。

  • 化合物番号と構造が一致しているか
  • 置換基の位置や立体配置に誤りがないか
  • 測定値、単位、不等号が正しく転記されているか
  • 実測値と計算値が混同されていないか
  • 出典に書かれていない事実を追加していないか
  • 予測を確定事項のように扱っていないか

特にSMILESなどの化学構造表現は、可能であれば化学情報処理ソフトによる検証も組み合わせます。

構造が間違っていれば、その後の計算や考察も誤った対象に対して行われてしまいます。

ステップ4:仮説の検証は実験結果で行う

AIが複数の仮説を提示したら、どの仮説を優先的に検証するかは、研究者が判断します。

その際には、予測される効果だけでなく、検証方法、測定のばらつき、安全性、必要な試料や装置、実験にかかる時間なども考慮します。

そして得られた実験結果とAIの予測を比較し、どこが一致し、どこが外れたのかを確認します。

AIの出力を評価するには、こうした検証結果を蓄積することが必要です。

AIに一度答えを出してもらうだけでなく、人間が正確さを確認し、実験によって仮説を検証する流れを作ることが重要だと思います。

MedChemBenchの高得点をそのまま信用できない4つの理由

今回の研究は興味深いものですが、スコアをそのまま実務での性能と考えることはできません。

研究論文とOpenAIの公式発表でも、いくつかの限界が説明されています。

1.公開済みの研究が使われている

MedChemBenchは既に公表された論文や特許をもとに作られています。

OpenAIも、評価対象のモデルが学習時にこれらの情報に接していた可能性を完全には排除できないとしています。

したがって、過去の研究事例で高得点を取ったからといって、誰も調べたことのない化合物でも同じ性能を発揮するとは限りません。

2.実際の研究開発を再現しているわけではない

今回の評価では、AIが与えられた資料に対して一度回答します。

必要に応じて追加実験を行ったり、新しい情報を取得したり、研究チームと何度も議論したりする実務全体を評価したものではありません。

OpenAI自身も、今回の結果だけでは、AIが新薬を発見できるか、実験室での意思決定を改善できるかは分からないと説明しています。

3.総合点には得意な項目の影響がある

論文では、全体の配点のうち、分子構造と科学的説明が比較的大きな割合を占めています。

一方、化合物選択や数値予測の配点は、それぞれ異なります。

つまり、総合スコアが高いからといって、研究上のすべての判断に強いわけではありません。

導入する場合は、総合点よりも、自分たちがAIに任せたい作業に対応する項目を確認する必要があります。

4.採点方法にも限界がある

MedChemBenchでは、化学構造や一部の数値・選択結果を機械的なルールで採点する一方、科学的説明の評価には別のGPTモデルも使用しています。

また、研究論文では、過去の模範解答と異なっていても科学的に妥当な代替案が、十分に評価されない可能性に言及しています。

こうした点からも、スコアは特定の評価条件における結果として読む必要があります。

化学メーカーの研究職はAIによって不要になるのか

私は、今回のMedChemBenchの結果から「化学研究者が不要になる」と結論づけることはできないと思います。

理由は、AIが科学的な説明を作成する能力と、研究開発の結果に責任を持つ能力は別だからです。

私は住友化学で研究職を経験し、その後は三井化学で海外営業・マーケティングの仕事にも携わりました。

研究と事業の両方を経験して感じるのは、化学メーカーの仕事では技術的に優れた結果が得られても、それだけで製品としての価値が決まるわけではないということです。

研究開発では、実験結果の再現性や安全性、製造可能性、コスト、顧客が求める性能なども考える必要があります。

もちろん、これらすべてを一人の研究者が判断するわけではありません。研究、製造、品質保証、事業部門などの専門家が協力して進めます。

AIが資料作成や情報整理を支援できれば、研究者が実験結果の解釈や次の検証を考える時間を増やせる可能性はあります。

ただし、これは今後の活用可能性についての見解であり、MedChemBenchが研究時間の削減や開発期間の短縮を証明したわけではありません。

今後は、AIを使えるかどうかだけでなく、AIの出した結果を検証し、実験や事業上の判断につなげられるかが、研究者にとって大切になるのではないでしょうか。

なお、化学メーカーの研究職としての働き方や待遇に関心がある方は、私の実体験をまとめた大手化学メーカーの年収・昇給・評価制度の記事も参考にしてください。

MedChemBenchについてよくある質問

Q.MedChemBenchで高得点ならAIは新薬を開発できますか?

いいえ。MedChemBenchは、過去の医薬化学研究をもとにした推論能力の評価です。実際に新薬を発見できることや、医薬品としての有効性・安全性を実証できることを意味しません。OpenAIもこの点を明確に説明しています。

Q.今回の結果は化学メーカーの材料研究にも当てはまりますか?

そのまま当てはめることはできません。MedChemBenchの中心は医薬化学であり、樹脂、触媒、電池材料、化学プロセスなどの研究を直接評価したものではありません。ただし、複数の測定結果を組み合わせて判断する際の注意点は、他の研究分野でも参考になります。

Q.化学研究にChatGPTを導入するなら何から始めるのがよいですか?

まずは公開論文の比較や、機密情報を含まない実験データの整理など、出力の正確さを確認しやすい作業から試す方法が考えられます。構造や数値の誤りを評価し、効果が確認できた範囲で用途を広げることが大切です。利用前には所属組織の情報管理ルールも確認してください。

まとめ:AIは化学研究を支援できるが、実験と検証の代わりにはならない

2026年11月20日にOpenAIが発表したMedChemBenchは、AIの医薬化学における能力と課題を整理するうえで興味深い研究です。

今回の結果から分かることは、主に次の3点です。

  • 分子構造の再構成や、与えられた実験結果に基づく説明では高いスコアを示した
  • 複数条件を考慮した化合物選択や、物性の数値予測には課題が残っている
  • 過去の研究課題での高得点は、実際の創薬能力や研究効率の向上を証明するものではない

研究現場でAIを活用するなら、まずは文献やデータの整理、考察の下書き、未検証の仮説の洗い出しといった作業から試すのが現実的でしょう。

そのうえで、構造や数値の正確さを確認し、必要な実験を設計して結果を検証していくことが求められます。

AIが研究者の代わりに答えを決めるのではなく、研究者がより良い判断をするためにAIを使う。

今回のMedChemBenchは、そんな役割分担を考えるきっかけになると思います。

参考資料

※本記事は2026年11月21日時点の公開情報をもとに作成しています。AIの性能はモデルや設定、評価条件によって異なります。

-AI・ブログ運営