株式会社FRONTEO（本社：東京都港区、代表取締役社長：守本正宏）は2026年5月13日、自社のAI創薬拠点「KIBIT AI Biology Lab」を開設したと発表した。
本拠点には数十人規模の研究者・AIエンジニアが所属し、AI創薬支援サービス「Drug Discovery AI Factory（DDAIF）」を用いた4つのAI創薬事業およびアカデミアとの共同研究の中核を担う。創薬バリューチェーンの最上流に位置する標的分子探索・仮説生成の体制を本格稼働させ、希少疾患・がん領域を中心に製薬企業への導出（ライセンスアウト）パイプラインの拡大を加速する。
FRONTEOは2025年5月に「FRONTEO共創型創薬エコシステム」を始動し、東京科学大学や米国オクラホマ大学との共同研究、米Q Partners LLCとの戦略的パートナー契約などを進めてきた。方程式駆動型AI「KIBIT」関連で日本・韓国・米国・欧州で計21件の特許権を取得している。
From: 
FRONTEO、自社のAI創薬拠点「KIBIT AI Biology Lab」を開設
【編集部解説】
今回のFRONTEOの発表は、単なる「研究所開設」のニュースとして読み流すには、含意があまりに大きいものです。背景にあるのは、日本が抱える「医薬品の輸入超過」という構造問題です。
日本製薬工業協会が公開している医薬産業政策研究所の資料によれば、日本の医薬品貿易赤字は2010年代以降に急拡大し、2023年には2兆7,000億円超に達しており、医薬品・医療機器・医薬品技術（特許料）を合わせた医療貿易赤字は2023年に約5兆円（4兆9,664億円）に達しています。守本社長が「自動車・半導体に次ぐ基幹産業として再興させる」と語った言葉は、この構造への危機感の裏返しです。
そのうえで、本拠点の戦略的な意味を読み解きます。
注目すべきは、FRONTEOが「創薬バリューチェーンの最上流」、つまり標的分子（薬を効かせる相手となる分子）の探索フェーズに照準を絞っている点です。一般に新薬開発は10〜15年・20億ドル超（約3,000億円、1ドル＝150円換算）のコストがかかり、失敗率は90％を超えると言われます。その失敗要因は有効性・安全性・商業性など多岐にわたりますが、なかでも「そもそも狙った標的が適切だったか」という上流の判断は、後工程のコストと成功率を大きく左右します。最上流を攻めるのは、最もリターンが大きいレバレッジポイントを押さえに行く動きと解釈できます。
技術面で興味深いのは、自社AI「KIBIT」が一般的な生成AIや大規模言語モデルとは異なる「方程式駆動型」を採っていることです。汎用LLMが膨大な計算資源を必要とするのに対し、KIBITはCPUレベルで高速・高精度の解析を可能とし、PubMedに蓄積された膨大な論文情報から、ヒトのバイアスを排した網羅的な解析を行うとされています。「巨大GPUクラスターを持たない者は勝負にならない」と語られがちなAI業界において、別解を示しているのは独自性として注目に値します。
今回のアップデートで最も本質的なのは、KIBITが「文献データのみを学習するAI」から「自社拠点・連携機関のドライ実験・ウェット実験・臨床研究データを継続的に学習するAI」へと進化する点です。これは、論文という「過去の知の総和」のみを参照する段階から、自前の実験データで仮説を検証・更新するクローズドループへの転換を意味します。AI創薬の世界的潮流である「ラボ・イン・ザ・ループ（lab-in-the-loop）」、すなわち実験室とAIが相互にフィードバックを返し合う仕組みを、日本企業が自前で構築しに来たと位置づけられます。
世界に目を向けると、AI創薬は2025年から2026年にかけて大きな転換点を迎えています。香港・米国に拠点を置くInsilico Medicineの特発性肺線維症の治療薬「ISM001-055（レントセルチブ）」がフェーズIIaで良好な結果を示し、Recursion PharmaceuticalsはExscientiaを買収して総合プラットフォームを構築、NVIDIAもEli Lillyと共同AIラボを発表しています。市場規模は2026年時点で約32億ドル（約4,800億円、1ドル＝150円換算）、2031年には約103億ドル（約1兆5,000億円）への成長が予測されており、競争は激化しています。
このグローバル競争のなか、FRONTEOは「希少疾患」と「すい臓がん」という、患者数が少ない・治療法が乏しいゆえに大手が手を出しにくい領域に勝負を絞っています。希少疾患や顧みられない熱帯病は世界で未充足ニーズの約40％を占めながら、AI創薬投資のわずか8％しか集めていないという指摘もあり、ここに資源を集中させる選択は、リソースの限られた日本企業の戦い方として合理的です。
ポジティブな側面としては、製薬企業・大学・バイオベンチャーをつなぐ「エコシステム型」のビジネスモデルが、日本の創薬コミュニティ全体の底上げに寄与する可能性が挙げられます。今年4月の東京科学大学との産学連携拠点開設、米Q Partners LLCとの提携、オクラホマ大学医学部との共同研究と、点が線になり、線が面になりつつある段階です。
一方で、潜在的なリスクも冷静に見ておく必要があります。第一に、AI創薬で発見された化合物が承認医薬品として上市された事例は、世界的に見てもまだ存在していません。第二に、「AI由来分子」の発明者性をめぐる特許法上の論点や、AI解析プロセスの監査可能性（規制当局への説明責任）は、各国で議論の途上にあります。第三に、ライセンスアウトモデルは「導出が決まるまで売上が立たない」収益構造であり、IRの観点では非連続な収益機会という表現どおりボラティリティが高くなります。
それでも、長期的な視座で見れば、本拠点の開設は、日本が「医薬品敗戦」と呼ばれてきた構造から脱却できるかを占う重要な布石です。AIによる仮説生成が論文知の限界を超え、自前の実験データで検証されるサイクルが回り始めたとき、創薬という人類最古の課題の一つが、まったく新しい速度で前進する可能性があります。
【用語解説】
導出（ライセンスアウト）
自社や大学などが発見・開発した医薬品候補化合物について、その開発権・販売権を製薬企業に許諾・譲渡することを指す。創薬ベンチャーやアカデミアの主要な収益化手段。
創薬バリューチェーン
医薬品が世に出るまでの一連の工程を、価値創出の流れとして捉えた概念。標的分子の探索・選定、化合物の設計・合成、前臨床試験、臨床試験、製造、販売までを含み、最上流ほど時間とコストの圧縮余地が大きいとされる。
方程式駆動型AI
FRONTEOが独自開発した、自然言語処理に特化したAIエンジン「KIBIT」のアプローチを示す概念。深層学習中心の汎用AIと異なり、方程式を用いることで因果関係の把握や再現性の確保を実現し、CPUレベルでの高速・高精度な解析を可能とする。
ドライ実験／ウェット実験
ドライ実験はコンピューター上のシミュレーション・データ解析による実験を指し、ウェット実験は試薬や細胞、生体を用いた実際の実験を指す。両者の組み合わせが、現代の創薬研究の基本構造となっている。
ラボ・イン・ザ・ループ（lab-in-the-loop）
AIモデルと実験室（ウェット実験）が連続的にデータをやり取りし、相互にフィードバックを返しながら仮説と検証を高速で反復する仕組み。AI創薬における近年の主要トレンド。
特発性肺線維症（IPF）
肺の組織が原因不明に硬く線維化していく難治性の疾患。Insilico MedicineのAI創薬の代表的成果である「ISM001-055（レントセルチブ）」が標的とした疾患でもある。
【参考リンク】
FRONTEO公式サイト（外部）
方程式駆動型AI「KIBIT」を中核に、ライフサイエンスやリーガルテック等の事業を展開する日本企業の公式サイト。
Drug Discovery AI Factory（DDAIF）製品ページ（外部）
FRONTEOのAI創薬支援サービスの詳細を解説した公式ページ。KIBITによる遺伝子ネットワーク解析の仕組みが説明されている。
東京科学大学（外部）
東京工業大学と東京医科歯科大学が統合して2024年10月に発足した国立大学。FRONTEOと産学連携拠点を開設している。
オクラホマ大学医学部（外部）
米国オクラホマ州にある研究大学の医学部。FRONTEOとがん領域で共同研究を実施している。
PubMed（NIH 国立医学図書館）(外部)
米国国立医学図書館が運営する世界最大級の生物医学文献データベース。AI創薬の解析対象として広く利用されている。
Insilico Medicine（外部）
香港・ニューヨークを拠点とするAI創薬企業。AIで発見・設計した薬剤「ISM001-055」が臨床試験フェーズIIaに到達している。
Recursion Pharmaceuticals（外部）
米国ソルトレイクシティに本社を置くAI創薬企業。Exscientiaを買収し業界最大級の統合プラットフォームを構築した。
NVIDIA BioNeMo（外部）
半導体大手NVIDIAが提供する、AI創薬・バイオロジー研究向けのオープン開発プラットフォーム。
医薬産業政策研究所（日本製薬工業協会）（外部）
日本の医薬品産業に関する政策研究を行う機関。医薬品貿易収支に関するリサーチペーパーを公開している。
【参考記事】
日本の医薬品の輸入超過と創薬の基盤整備の課題（医薬産業政策研究所）（外部）
2005年以降、医薬品輸入額が年率10％超で伸びる一方、輸出は横ばいである構造を貿易統計から分析している。
MIGAコラム「新・世界診断」医薬品・医療機器の貿易赤字（外部）
日本の医療貿易赤字が1990年の2,827億円から2023年には4兆9,664億円へ膨張している実態をデータで解説している。
AI in Drug Discovery Market Research Report 2031（Mordor Intelligence）（外部）
AI創薬市場が2026年32.5億ドルから2031年102.9億ドルへ成長予測。年平均成長率25.94％の競合状況を分析している。
25 AI Drug Discovery Companies Actually Delivering Clinical Candidates (2026)（外部）
Insilico Medicineのレントセルチブが努力肺活量で改善を示すなど、臨床試験中のAI創薬25社を紹介している。
IFPMA「Always Innovating」Facts & Figures Report（外部）
国際製薬団体連合会が公開、新薬開発に10〜15年・平均26億ドルを要する業界標準的な数値を提示するレポート。
Drug discovery and development success rates and contributing factors（PMC）（外部）
創薬の臨床試験成功率と失敗要因に関する査読論文。臨床試験全体の成功率10〜15％、失敗要因の多面性を分析。
【関連記事】
ノボ ノルディスクとOpenAIが包括提携｜創薬・製造・全社DXを一括統合、2026年末に全面適用へ
世界最大級の製薬企業とOpenAIが結ぶ包括提携。AI創薬のグローバルな勢力図を読み解く。
イーライリリー、エヌビディアと製薬業界最大のAIスーパーコンピューター構築
製薬業界最大のAIスパコン構築事例。AI創薬市場の数値とInsilico事例を詳しく解説。
Amazon Bio Discovery｜コーディング不要でAI創薬インフラを束ねる、AWSの新プラットフォーム
クラウド大手による創薬プラットフォーム参入。FRONTEOのDDAIFと対比する視点で読める。
5月14日【今日は何の日？】世界初の種痘から230年、AI創薬時代に問うイノベーションの源流
種痘230年とAI創薬時代を結ぶ視座。AlphaFold・Isomorphic Labsの最新動向も扱う。
OwkinとNVIDIA、生物学的人工超知能BASI実現へ協業—創薬AIの新時代
800以上の病院データで訓練するAIと希少疾患研究。FRONTEOの戦略領域と重なる事例。
【編集部後記】
「日本を再び創薬の地に」というフレーズに、みなさんはどんな景色を思い浮かべたでしょうか。AI創薬は、半導体や生成AIのような派手な話題に比べると地味に見えるかもしれません。けれども、私たち自身や家族が将来出会うかもしれない病気の治療選択肢を、今この瞬間に拡げようとしている技術でもあります。
文献を読み、仮説を立て、実験で確かめる――人間が何百年も積み重ねてきた営みに、AIがどう寄り添い、どう加速させるのか。次にAI創薬のニュースを目にしたとき、「どの工程に効いているのか」という視点で読み解いてみると、見え方が少し変わるかもしれません。
