サンフランシスコのAI研究スタートアップFutureHouseが開発したマルチエージェントAIシステム「Robin」が、仮説の生成から実験計画、データ分析、次の仮説の更新まで科学的発見の全プロセスを自律的に回し続け、失明の主要原因である乾性加齢黄斑変性（dAMD）の新規治療候補を発見・検証した。この成果は2026年5月19日付けのNature誌に掲載された。

RobinはAIエージェントが「科学の営み」そのものをループさせるシステム

従来のAI創薬支援は、文献検索・分子設計・データ解析といった個別タスクをAIが補助するという形にとどまっていた。Robinはそのアーキテクチャを根本から変える。

「文献検索エージェント」と「データ解析エージェント」を統合したRobinは、人間の研究者が行う「観察→仮説→実験→分析→更新した仮説」というサイクルを自律かつ反復的に実行できる。単発の指示に応答するのではなく、エージェントが自ら判断・実行・検証を繰り返す——この点が従来システムとの本質的な違いだ。

dAMDで何を発見したのか

RobinをdAMD治療薬探索に適用したところ、網膜色素上皮細胞のファゴサイトーシス（貪食機能）を増強するという治療戦略を自律的に提案。複数の候補の中からリパスジルとKL001がin vitroで有効であることを確認した。

リパスジルはすでに緑内障治療薬として臨床使用されているRho kinase（ROCK）阻害薬だが、dAMDへの適用はこれまで一度も提案されたことがなかった。さらにRobinはRNA-seqを用いたフォローアップ実験を自ら提案・解析し、脂質排出ポンプ「ABCA1」という新たな標的候補の発現亢進まで特定している。

論文の本文に含まれるすべての仮説・実験方針・データ解析・グラフはRobinが生成したと論文は明記しており、これはAI主導論文として前例のない水準だ。

「ラボ・イン・ザ・ループ」という新パラダイム

Robinが体現するのはラボ・イン・ザ・ループ（lab-in-the-loop）という設計思想だ。AIが仮説を立て、実際の実験結果を受け取り、次の仮説をアップデートするループを最小限の人間介在で継続させることで、研究の速度と探索の網羅性を飛躍的に高める。開発はFutureHouseが主導し、オックスフォード大学・フォーダム大学とも連携している。

実務への影響——製薬・バイオテク、そして業務DXへの示唆

既存薬の再利用（ドラッグリパーパシング）の加速: リパスジルのように「別の適応症への転用」は新薬開発よりも低コスト・低リスクだ。AIが薬剤空間を自律探索することで、未発見の転用先が次々と発掘される可能性がある。

創薬プロセスの根本的な再設計: 候補化合物の絞り込みや文献レビューは従来、研究者の年単位の作業だった。この種のシステムが実用化されれば、同等の探索をAIが週単位で完了させる世界が現実になる。

エンジニアとして押さえるべき設計思想: マルチエージェントのオーケストレーションと反復ループの設計は、医療・バイオに限らず業務自動化全般に直結する。Robinのアーキテクチャを読み解くことは、エンタープライズAI実装の参考になりうる。

筆者の見解

この論文が示すのは、AIエージェントが「質問への回答者」を超え、科学的な課題解決を自律的にやり遂げられる段階に入ったという事実だ。

エージェントが確認・承認を人間に求め続ける設計では本質的な価値は引き出せない——Robinはまさにその対極にある。仮説→実験→分析→次の仮説というループをエージェント自身が駆動し続けることで、人間一人では到達できないスケールの探索を実現した。これは特定の技術ツールの話ではなく、「自律ループ」を設計の中心に据えるという設計思想の勝利だ。

現時点ではin vitroでの確認にとどまり、臨床試験への道のりはまだ長い。仮説の妥当性を最終的に保証するのも引き続き人間だ。しかしこのフレームワークが科学の世界で実証されたことの意味は大きい。製薬に限らず、あらゆる知識労働の領域でエージェントのループ設計が主戦場になっていく——そのことをこの論文は改めて示している。FutureHouseがこの領域でどこまで突き進むか、引き続き注目したい。

出典: この記事は A multi-agent system for automating scientific discovery の内容をもとに、筆者の見解を加えて独自に執筆したものです。