スーパーコンピューティングとAIが医療を書き換える：創薬から長寿まで

かつて医薬品が研究室でのアイデアから薬局の棚に並ぶまでには、10年以上を要していました。今日では、その道のりで最も時間のかかるステップの一部が数か月、さらには数時間単位で測られるようになっています。

今日は2026年10月12日、そしてこの変化がまさに今重要であるのには単純な理由があります。変化の原動力となっている2つの技術、スーパーコンピューティングと人工知能が、ここ数年でともに閾値を超えたからです。分子を原子単位でシミュレーションできるほどの大規模なコンピュータはもはや珍しくなく、生物学から学習するAIモデルは、単なる研究上の好奇心の対象からノーベル賞を受賞するツールへと変貌を遂げました。各国政府、病院、製薬会社はいずれもこの組み合わせに期待を寄せており、その成果は一般の患者にも届き始めています。本記事では、「現在利用可能なもの」「臨床試験段階にあるもの」「まだ初期研究の段階にあるもの」の3つを区別しながら、その全体像を平易な言葉で解説します。

スーパーコンピュータとは何か、そしてなぜAIがそれを必要とするのか

スーパーコンピュータとは、1つの巨大なチップではありません。何千台もの通常のコンピュータを極めて密接に接続し、1台のマシンとして単一の問題に取り組めるようにしたものです。最速のものでは毎秒100京回以上の計算を実行でき、これはエクサスケールと呼ばれる規模ですが、そのような最初のマシンが稼働したのはほんの数年前のことです。

なぜ医療にそれが必要なのでしょうか？ それは、生物学が途方もなく膨大だからです。たった1つの細胞の中にも数十億個の分子が存在し、それぞれがせめぎ合い、折りたたまれ、結合し、解離しています。そのごくわずかな部分を一瞬シミュレーションするだけでも、驚くほど膨大な数の相互作用を追跡することを意味します。デスクトップPCなら何年もかかりますが、スーパーコンピュータなら数日で済みます。

人工知能は2つ目の要素です。手作業で書かれたルールに従うのではなく、大量のデータからパターンを学習するソフトウェアです。何百万ものタンパク質構造、スキャン画像、患者記録に基づいてモデルをトレーニングすること自体が膨大な計算作業であり、だからこそAIとスーパーコンピューティングは共に発展してきました。スーパーコンピュータが「筋力」なら、AIはそれをどこに向けるかの「判断力」です。これらが組み合わさることで、かつてウェットラボ（実験室）で何十年もの試行錯誤を要していた研究を、シミュレーションによって、実際に実験する価値のある少数の候補にまで絞り込むことができるのです。

生命の形を予測する：タンパク質構造

タンパク質は、あらゆる生物の活動を担う部品です。酸素を運び、食物を消化し、シグナルを伝達し、組織を構築します。タンパク質の機能は、アミノ酸と呼ばれる構成単位の長い鎖が自ら折りたたまれることによって決まる立体構造にほぼ完全に依存しています。半世紀にわたり、その構造を突き止めることは、結晶を成長させてX線を照射することを意味していました。これには単一の分子でも何年もかかることがあり、ときには完全に失敗することもありました。

AIがそれを変えました。既知のあらゆるタンパク質構造で学習したモデルは、アミノ酸配列のみから新しいタンパク質の折りたたみ構造を数分で予測でき、その精度は実験室での結果に匹敵することも少なくありません。この成果は2024年、AlphaFoldシステムの開発者たちが計算タンパク質設計の先駆者とともにノーベル化学賞を受賞したことで高く評価されました。その受賞は有用な指標となっています。つまり、これは誇大広告ではなく、確立された科学なのです。

それが重要な理由：多くの疾患には、異常な働きをするタンパク質が関与しています。その正確な形状が分かれば、鍵と鍵穴のようにぴったりとはまり込んでその働きを止める低分子化合物を設計できます。一部の疾患原因タンパク質は、薬が結合できる場所が誰にも分からなかったため、長年にわたり「アンドラッガブル（創薬標的困難）」と呼ばれていました。正確な構造が分かることで、研究者はその表面にある隠れたポケットを探し出し、標的治療薬を設計できるようになりました。これこそが、創薬の初期段階が加速している最大の理由の1つです。

既存薬の新たな役割：リパーパシング

まったく新しい医薬品を開発することは、リスクが高く時間もかかります。より低コストな方法は、既存の薬の新たな用途を見つけることです。ヒトに対する安全性がすでに理解されているからです。AIはこの探索にうってつけです。モデルは何千もの承認済み医薬品と何千もの疾患標的を比較し、人間なら検証を思いつきもしないような予期せぬ組み合わせを提示し、それが実験室での確認へと回されます。このアプローチはCOVID-19パンデミックの際に広く利用され、創薬ツールの1つとして定着しました。新薬開発に完全に取って代わるわけではありませんが、治療法が存在しない疾患に対して、何年も早く治療法を届けられる可能性があります。

治験をより安全にするための生体シミュレーション

医薬品が人に届く前に、肝臓、心臓、腎臓などの臓器に対する有害性、すなわち毒性を試験する必要があります。従来、これは動物実験、次いで小規模で慎重なヒト試験を意味しており、ここでの失敗は日常茶飯事であり、多大なコストがかかります。現在、スーパーコンピュータによって、動物やヒトに投与する前に候補分子が複雑な生体システムとどのように相互作用するかをシミュレーションできるようになりました。たとえば、触れるべきではない心臓のタンパク質に結合する可能性が高いかどうかなどを予測できます。警告の兆候がある候補は早期に除外されます。実際の試験の代わりにシミュレーションを受け入れる規制当局はありませんが、最初のヒト臨床試験段階に到達するリスクの高い化合物の数を減らすことができます。

デジタルツイン：あなたのバーチャルな分身

デジタルツインとは、実在する対象のコンピュータモデルであり、その対象からのライブデータで常に更新されます。エンジニアたちは航空機のエンジンのツインを何年も前から活用してきました。医療分野では今、それを人間向けに構築しようとしています。スキャン画像、遺伝子、血液検査結果、ウェアラブル端末のデータを統合して人体のシミュレーションを作成し、実際に投与する前にそのシミュレーション上で薬や用量をテストするのです。もしデジタルツインが、ある降圧薬によって心拍数が下がりすぎると示せば、医師は別の薬を選択します。

これが現在どの段階にあるのかを明確にしておきましょう。単一の臓器、特に心臓のツインは、現在でも研究病院や一部の臨床研究で使用されています。しかし、生身の人間の代わりを務められるほど精確な、人体全体の忠実なツインは将来の目標であり、現時点で利用可能なサービスではありません。

合成生物学と人工臓器

合成生物学とは、生きた細胞を工学的に改変して、医薬品の生成や特定の組織への成長など、新たな機能を担わせる技術です。AIがその指示書を設計することで、オーダーメイドで代替臓器を作製できる可能性が高まっています。今日、研究者は小さな組織サンプルを培養できるようになっており、バイオプリンティング（生きた細胞から組織を一層ずつ構築する技術）は活発な研究分野です。移植可能な完全に機能する臓器の作製は依然として初期研究の段階にとどまっており、研究室で作られた皮膚や軟骨は、研究室で作られた腎臓よりもはるかに実用化に近づいています。

より安定した手元：AI支援ロボット手術

ロボット手術はすでに一般的です。執刀医がコンソールで器具を操作し、人間の手よりも手ぶれを抑えて動かします。新しいのは、その上に重なるAIレイヤーです。背後に十分な計算能力があれば、手術システムは手術中のリアルタイム画像を処理し、組織の深部に隠れた血管や腫瘍の境界線を強調表示し、器具がコースから外れる前に警告を発することができます。組織の特定を支援し出血を抑えるシステムは、現在すでに一部の病院で使用されています。完全に自律的な手術はまだ実現していません。すべての判断を下すのは、今も執刀医です。

記録の読解：診断と治療計画の向上

医師がすべての医学雑誌に目を通したり、似たような症例をすべて記憶したりすることは不可能です。しかしAIにはそれができます。膨大な医学文献や匿名化された患者の病歴で学習したモデルは、ある病態について判明していることを要約し、見落とされていた可能性のある検査を提案し、医師が検討するための治療計画の草案を作成できます。病院では現在、主にカルテの記録やリスク警告のためにこうしたツールを使用しています。重要なフレーズは「医師が検討するため」という点です。これらのシステムは自信満々に間違えることがあり、また学習元のデータがあらゆる集団を公平に代表しているとは限らないからです。

がん：腫瘍に応じた個別化治療

がんは単一の病気ではありません。「同じ」がんであっても、患者が異なれば腫瘍を引き起こしている遺伝的異常が異なっている場合があり、一方に効く薬が他方には全く効かないこともあります。腫瘍のDNAシーケンシングは現在、多くのがんセンターで日常的に行われており、AIはその結果の解釈を支援します。発見された変異を既知の治療法や治験と照合し、増殖の早いすべての細胞ではなく腫瘍の実際の弱点を薬が標的とするため、回復の可能性が最も高く副作用が最も少ない、個別化されたプロトコルを作成します。これは現在すでに利用可能ですが、アクセスのしやすさには大きな格差があります。

予防ゲノミクス：発症前に病気を防ぐ

ゲノムとはDNAの完全なセットのことであり、その解読コストが十分に下がったことで、病気を治療するのではなく予防するために遺伝情報を用いる「予防ゲノミクス」が現実的な目標となりました。AIモデルは何千もの小さな遺伝的変異を統合し、心臓病や特定のがんなどの疾患に対するリスク予測を算出します。これにより、リスクスコアが高い人には、症状が現れる何年も前から早期スクリーニングや生活習慣の改善を提案できます。専門クリニックではすでにその一部が提供されていますが、集団全体への適用はまだ研究段階です。また、これらのスコアは構築元のデータベースで十分に代表されていない集団に対しては精度が落ちるという既知のバイアスがあり、これは現在も活発に対策が進められている分野です。

アルツハイマー病：病気の早期発見

アルツハイマー病は、記憶障害が現れる何年も前から脳を損傷し始めます。大量の脳画像スキャンで学習したAIモデルは、放射線科医が異常と判定するはるか前の段階で微小な変化を検出でき、研究用システムは患者の病気がどれくらいの速さで進行するかを予測できます。これは家族が将来の計画を立てるのに役立ち、医師が誰に新しい治療法が適しているかを判断するのに役立ちます。これらのツールは臨床研究や限定的な使用にとどまっており、画像スキャンだけを根拠に人生を左右する決定を下す前に、慎重な検証が必要です。

老化と長寿：はるかなるフロンティア

この分野は最も大きな期待を集めると同時に、最も誇張されやすい部分でもあるため、正確に説明しましょう。

細胞老化と若返り

年齢を重ねるにつれて、一部の細胞は分裂を停止するものの、死滅することを拒むようになります。それらの細胞は体内にとどまり続け、炎症シグナルを放出して周囲の細胞にダメージを与えます。この状態は老化（細胞老化）と呼ばれ、老化細胞の蓄積は多くの加齢性疾患と関連しています。細胞を老化へと導く細胞内経路（細胞内の化学シグナルの連鎖）をマッピングし、それらを除去または若返らせる可能性のある化合物を化学ライブラリから探索するためにAIが活用されています。期待されているのは、健康寿命（健康に過ごせる期間）の延伸、そして願わくは寿命自体の延伸です。いくつかの化合物は特定の疾患を対象に小規模な臨床試験が行われています。健康な人に対する「アンチエイジング」用途として承認されたものは一切なく、今日そのような製品を販売している者は、証拠ではなく希望を売っているにすぎません。

細胞のリプログラミング

細胞のリプログラミングとは、通常は初期発生の段階でのみ活性化している一握りの遺伝子のスイッチを入れることで、老化した細胞をより若い状態へとリセットすることを意味します。これは培養皿の細胞や、限定的な形であれば実験動物で機能することが確認されています。制御不能な細胞増殖を引き起こすことなく、人間の全身で安全に行えるかどうかは分かっていません。これはまだ初期の研究段階です。

ナノ医療

ナノ医療は、細胞よりもはるかに小さな粒子を使用して、薬剤を運搬したり体内でタスクを実行したりします。ナノ粒子のドラッグキャリア（薬剤送達体）の一部はすでに実用化されています。AIが設計した微小ロボットが血流を巡って損傷した細胞を修復するという劇的なビジョンは、将来の可能性にすぎません。その設計はシミュレーションや少数の実験室プロトタイプに存在しますが、生体内を移動して修復を行える機械はまだ存在していません。

体重、代謝、そして肥満

肥満は現代における最大級の健康課題の1つであり、「食べる量を減らす」ことよりもはるかに複雑です。AIはいくつかの方向からこの問題に応用されています。

• 個別プラン。 個人の遺伝的プロファイル、代謝、睡眠、活動量を分析することで、モデルはその身体の食事に対する反応に合わせた食事と運動の計画を構築できます。現在、いくつかのサービスがこれを提供していますが、その根拠となる科学的証拠のレベルにはばらつきがあります。
• 新薬。 機械学習は、体脂肪を減らす医薬品の発見や改良に役立っています。もともと糖尿病治療薬として開発された最近の注射型減量薬のブームはその需要の高さを示しており、AIを活用した創薬によって次世代の薬剤探索が進められています。
• 分子経路。 研究者たちは、代謝促進や、体がより多くのエネルギーを消費できるようにする遺伝的アプローチなど、体が脂肪を蓄積・燃焼する仕組みを制御するシグナル伝達を標的にしています。遺伝的アプローチは初期の研究段階であり、治療法ではありません。
• 褐色脂肪。 体脂肪の大部分はエネルギーを蓄える白色脂肪です。褐色脂肪はカロリーを消費して熱を生み出します。これを安全に活性化する方法を見つけることは活発な研究分野であり、AIはその可能性を持つ化合物のスクリーニングに役立っています。現時点では実験室段階の研究です。

知っておくべきさらに10のフロンティア

1. CRISPR遺伝子編集。 CRISPRにより、科学者は選択した部位でDNAを切断・編集できるようになります。鎌状赤血球症を対象とした初のCRISPRを用いた治療法は、複数の国で承認されています。将来の世代を遺伝性疾患から解放するために胚を編集することは想像可能ですが、倫理的に議論の的となっており、ほとんどの地域で禁止されています。
2. マイクロバイオーム解析。 マイクロバイオームとは、腸内に存在する何兆もの細菌の生態系です。AIはそのパターンを免疫、消化、気分と関連付けており、食事や標的を絞ったプロバイオティクスを通じて免疫力を高めることを目指しています。初期段階ですが、有望です。
3. スマートウェアラブル。 スマートウォッチやリングは心拍リズム、血中酸素、睡眠を追跡し、AIによって不整脈などの警告サインを継続的に通知できます。現在すでに利用可能ですが、課題は誤報です。
4. 個別化栄養。 血糖値の反応、マイクロバイオーム、遺伝子に基づいたAIによる食事アドバイスが市場に登場しています。有用なガイドになりますが、処方箋ではありません。
5. メンタルヘルスの検出。 うつ病や不安症の初期兆候を発見するために、音声、タイピングのリズム、睡眠を分析するモデルが研究されており、一部のアプリにも導入されています。ここではプライバシーが深刻な懸念事項となっています。
6. 新生児遺伝子スクリーニング。 生後数日のうちに治療可能な疾患を発見するために新生児のゲノムをシーケンシングする試験的取り組みが進められており、AIが結果の解釈を支援しています。
7. 臓器チップとミニ臓器。 生きたヒト細胞を配置した小型デバイスや、研究室で培養された微小なオルガノイドにより、研究者は患者を介さずにヒト組織で薬剤をテストできます。複数のチップを連結したマルチ臓器チップは、裏付けとなる証拠として規制当局に受け入れられ始めています。
8. AI医療画像診断。 X線、CT、MRI画像を読み取って骨折、出血、腫瘍を発見するAIは承認されており、多くの病院で通常は放射線科医とともに日常的に使用されています。
9. スマートドラッグデリバリー。 標的部位でのみ薬剤を放出する、AI設計のキャリアが開発中です。一部のナノ粒子キャリアはすでに使用されていますが、完全に"スマート"なバージョンはまだテスト段階です。
10. ブレイン・コンピュータ・インターフェース。 ブレイン・コンピュータ・インターフェース（BCI）は、脳からの電気信号を読み取り、コンピュータや義肢へのコマンドに変換します。麻痺を持つ人々を対象とした臨床試験が始まっており、思考によってカーソルを操作できるようになった人もいます。BCIを用いて昏睡状態の患者をリハビリすることは研究上の期待であり、確立された治療法ではありません。

現状の整理：早わかりマップ

技術	現在利用可能	治験または試験運用中	初期研究または将来
AIによるタンパク質構造予測	はい
AI支援による医療画像診断	はい
腫瘍シーケンシングと個別化がん治療計画	はい（アクセスに格差あり）
AI誘導によるロボット手術	はい（支援用途のみ）
AIアラート付きウェアラブルモニタリング	はい
特定の疾患に対するCRISPR治療法	はい（ごく少数）	その他多数	生殖系列の編集
予防的遺伝リスクスコア	専門クリニック	集団研究
画像検査からのアルツハイマー病早期検出	限定的	はい
臓器のデジタルツイン	研究病院	はい	全身
セノリティクス（老化細胞除去）および若返り化合物		小規模治験	健康な人への使用
ヒトにおける細胞リプログラミング			はい
細胞を修復するナノロボット			はい
研究室で培養された移植可能な臓器			はい
ブレイン・コンピュータ・インターフェース		はい（麻痺）	昏睡状態のリハビリテーション

研究室と診療現場の間のギャップ

シミュレーションで得られた結果は旅の始まりであり、終わりではありません。その結果と実際に受けられる治療法との間には、動物実験、3つのフェーズにわたるヒト臨床試験、規制当局の審査、そして医薬品の製造や費用負担といった実務が存在します。候補となる化合物の大半は、その道のりのどこかで脱落します。AIは初期のプロセスを短縮し成功確率を高めますが、その後の段階を省略することはできません。また規制当局は、完全に中身を検証できないモデルによって設計された医薬品をどのように評価すべきかを現在も検討しています。さらに、健康データは私たちの大半にとって最も機微な情報であり、主に特定の集団で訓練されたモデルは他の集団に対して精度が劣る可能性があり、エクサスケール・コンピューティングを導入できる場所も世界中に均等に行き渡っているわけではありません。これらは開発を止める理由にはなりませんが、すべて私たちが注視すべき理由となります。

これらの進歩から今日、安全に恩恵を受ける方法

ナノロボットの登場を待つ必要はありません。現在すでに実用化されているものを活用するための、実践的でリスクの低い方法をここに紹介します。

ステップ1: 定期的な検診を欠かさず受ける

この記事で取り上げたほぼすべてのことは、問題が早期に発見されるほど効果を発揮します。世界最高のAI画像読影システムがあっても、検査を受けなければ役に立ちません。定期的な受診予約を守り、自分の年齢や家族歴に応じて医師が推奨するスクリーニング検査を受けてください。

ステップ2: 適切な場合には遺伝子検査について相談する

複数の近親者が同じがん、心臓疾患、または遺伝性疾患を患ったことがある場合は、遺伝カウンセリングや遺伝子検査が適切かどうか医師に相談してください。結果を正しく解釈してもらうために、郵送型のキットではなく、必ず臨床医を通じて行いましょう。

ステップ3: ウェアラブルは診断ではなくきっかけとして利用する

スマートウォッチが不整脈を警告した場合、それは医師の診察を受ける理由であって、パニックに陥ったり自己判断で治療したりする理由ではありません。また、スマートウォッチが「問題ない」と示していても、健康のお墨付きを得たわけではありません。時々心配しすぎてしまう物わかりの良い友人程度に捉えておきましょう。

ステップ4: 自身の健康データを保護する

自身のゲノム情報、画像検査データ、日々の心拍数などをアプリに渡す前に、誰がそのデータを所有するのか、販売される可能性があるのか、削除できるのかを確認してください。明確な医療プライバシー規則のもと、自国内にデータを保存するサービスを選ぶことをお勧めします。遺伝データは一度流出すると、パスワードのように変更することはできません。

ステップ5: アンチエイジングとして販売されているものに懐疑的であること

老化を逆転させる、老化細胞を除去する、あるいは細胞を初期化すると謳う製品が、処方箋なしでオンラインで購入できる場合、その主張は科学的根拠（エビデンス）を超えて先走っています。本物の研究は対照試験の中で行われているものであり、サプリメント売り場にあるものではありません。その類のものを摂取する前に、必ず資格のある医師に相談してください。

ステップ6: 医師の主導のもと、AIの知見を診察に持参する

信頼できるツールを使って質問を準備したり、診断内容を理解したりすることは問題ありません。調べた内容を医師に持参し、判断してもらいましょう。この分野全体における最良の成果は、訓練を受けた臨床医と優れたモデルが協力し合うことによってもたらされます。

結論

スーパーコンピューティングは、10年前には不可能だった規模で生物学をシミュレートする力を医学にもたらし、人工知能は何をシミュレートすべきかを判断する判断力を与えています。これらが一体となることで、タンパク質の研究方法、がんの治療方法、画像診断の読影方法はすでに変化しました。全身のデジタルツイン、若返った細胞、プリント臓器、ナノロボットといった、より劇的な期待は、本物の研究プログラムではあるものの、まだ現実の治療法ではありません。賢明な姿勢とは、その方向に期待を寄せつつ、時期については忍耐強く待ち、自身の身体に関わるあらゆることについては資格のある医師をガイドとすることです。

メリット

• 創薬の初期段階を場合によっては数年から数カ月に短縮し、有望な治療法がより早く治験に到達できるようにする。
• 従来は創薬不可能（アンドラッガブル）と考えられていた疾患標的へのアプローチを可能にする。
• 既存のすでに安全性が確立された医薬品の新たな用途を低コストで発見する。
• ヒトの臨床試験に到達する毒性候補物質の数を減らす。
• がん治療の精度を高め、治療成績を向上させ、副作用を軽減する。
• アルツハイマー病や一部のがんなどの疾患を、より治療しやすい初期段階で発見する。
• 医療画像診断を迅速化し一貫性を高め、不足している専門医の負担を軽減する。
• 長らく手が出せない領域とされてきた老化に対し、信頼できる科学的なアプローチを提供する。

デメリット

• 最先端のツールは高価であるため、国や病院によってアクセスに格差が生じる。
• 健康データのプライバシーが脅かされており、特に遺伝データは一度流出すると変更することができない。
• 代表性を欠くデータでトレーニングされたモデルは、女性、少数派、十分に研究されていない地域の人々に対して精度が低くなる可能性がある。
• 過剰な期待（ハイプ）が蔓延しており、研究室での成果と承認された治療法との間のギャップが日常的に見過ごされている。
• 特にAIが設計した医薬品や医療機器において、法規制が技術に追いついていない。
• 医師が確認を怠るようになると、AIの提案への過度の依存が臨床判断を損なう恐れがある。
• ウェアラブルやスクリーニング検査は誤報を生み出し、不安や不要な検査を引き起こす可能性がある。
• 長寿分野には、マーケティングのために本物の研究成果を利用した未検証の製品が集まりやすい。

注意

本記事は教育目的のものであり、医学的な助言ではありません。変化の激しい分野を平易な言葉で説明しており、全身のデジタルツイン、細胞リプログラミング、ナノロボット、研究室培養の臓器、およびほとんどの抗加齢化合物を含め、言及されている技術の多くはまだ研究段階にあり、治療法としては利用できません。詳細は急速に変化するため、内容が簡略化されていたり見落としがあったりする可能性があります。ご自身の健康については資格を持つ医師にご相談いただき、いかなる主張、特に販売されている製品に関連する主張については、信用する前に必ずご自身でご確認ください。

よくある質問

• スーパーコンピュータとは何ですか？また、なぜ医学にそれが必要なのですか？ — スーパーコンピュータとは、数千台のコンピュータが連携して1台のマシンとして動作するものです。医学がその能力を必要とするのは、通常のコンピュータでは処理しきれないほど膨大な相互作用を伴う分子や細胞をシミュレートするためです。
• AIはどのようにしてタンパク質の構造を予測するのですか？ — AIモデルは、既知のすべてのタンパク質形状から学習し、新しいアミノ酸の鎖がどのように折りたたまれるかを予測します。AlphaFoldシステムの開発者たちは、この功績により2024年のノーベル化学賞を共同受賞しました。
• AIは本当に創薬を加速できるのですか？ — はい、候補分子の発見やスクリーニングなどの初期段階においては可能です。ヒトでの臨床試験や規制当局の承認には依然として何年もかかり、これらを省略することはできません。
• ヘルスケアにおけるデジタルツインとは何ですか？ — 患者の実際のデータで更新され、シミュレーション上で治療法をテストするために使用される患者のコンピュータモデルです。臓器レベルのツインは研究段階で存在しますが、全身のツインは将来の目標です。
• AIによる抗加齢治療は現在利用できますか？ — いいえ。AIは細胞の老化を標的とする化合物の発見を支援しており、一部は小規模な治験段階にありますが、健康な人の寿命を延ばす目的で承認されたものはまだありません。
• AIは減量に役立ちますか？ — AIは食事や運動プランを個別に最適化することができ、新しい減量薬の発見にも役立っています。遺伝的アプローチや褐色脂肪に関するアプローチは、まだ初期の研究段階です。
• CRISPRとは何ですか？また、患者に使用されていますか？ — CRISPRは、DNAの選択した部位を編集するためのツールです。鎌状赤血球症に対するCRISPR治療法が承認されていますが、胚の編集はほとんどの国で禁止されています。
• AIヘルスケアアプリやウェアラブルを信頼すべきですか？ — 診断としてではなく、医師の診察を受けるためのきっかけとして利用してください。機微な情報を共有する前に、アプリがデータをどのように扱うかを確認してください。

タグ

#Supercomputing #ArtificialIntelligence #Healthcare #DrugDiscovery #Longevity #Genomics #PrecisionMedicine #DigitalTwin #CRISPR #MedicalAI