1796年5月14日、英国の田舎医師エドワード・ジェンナーは、牛痘に感染した搾乳婦サラ・ネルムズの膿を、8歳の少年ジェームズ・フィップスの腕に接種した。後に「初めて体系的・科学的に発表されたワクチン」とされる種痘の誕生である。
その日からちょうど230年を迎えた今日、ジェンナーの偉業を「データなき時代の高度なパターン認識」「究極のPoC」「社会受容性との戦い」という三つの軸で再定義する。さらに、彼が約18年を費やした「観察」が、mRNAワクチン、そしてAlphaFoldシリーズによるAI創薬の時代にどう接続されているのかを論じる。結論として、イノベーションの源流は技術そのものではなく、アノマリーに「なぜ?」と問う人間の好奇心にあると主張する。
230年前の今日、英国の片田舎で人類史が静かに分岐した
18世紀のヨーロッパで、ある病が圧倒的な死神として君臨していました。天然痘です。重症型では致死率が約30％に達し、仮に生き延びても、顔には生涯消えない痘痕（あばた）が残り、失明する者も少なくありませんでした。18世紀のヨーロッパだけで、累計で数千万人規模の命が奪われたと推計されています。王侯貴族から農民まで、誰もが等しく恐れる存在でした。
そんな絶望の時代に、英国南西部グロスタシャー州バークレーという小さな村に、一人の田舎医師がいました。エドワード・ジェンナーです。彼は、農村で何代にもわたって囁かれてきた、ある不思議な「言い伝え」に取り憑かれていました。
「乳搾りの娘は、天然痘にかからない」。
都会の医師たちが学術書に没頭し、神学的な解釈で疫病を説明していたまさにその時代に、ジェンナーは農場の現場で耳にした、たった一つのこの「アノマリー（例外的な観察事象）」を信じ抜きました。そして1778年から、実に18年にわたって観察と仮説検証を積み重ねたのです。
1796年5月14日。ある搾乳婦がジェンナーの診療所を訪れます。名はサラ・ネルムズ。彼女は「ブロッサム」と名付けられた雌牛の乳をしぼっていた際にバラの棘で指を傷つけ、そこから牛痘（天然痘より遥かに軽症の近縁疾患）に感染していました。手には小水疱が膨らんでいる。ジェンナーは、その膿を慎重にメスで採取しました。
採取した液を、彼の家の庭師の息子である8歳の少年——ジェームズ・フィップス——の両腕に、半インチ（約1.27センチメートル）の浅い切り傷をつけて塗りつけました。少年は数日後に軽い発熱を訴え、ほどなく回復。そして6週間後、ジェンナーはこの少年に、重症型で致死率約30％の天然痘を意図的に接種します。
少年は、発症しませんでした。
人類が初めて、自らの手で「免疫を獲得する技術」を掴んだ瞬間です。ワクチン（vaccine）の語源が、ラテン語で「牛」を意味する vacca に由来するのは、この日の出来事を起点としています。それから230年——AIがタンパク質の構造を秒で解析する時代に立つ私たちは、ジェンナーの何を継承し、何を更新しているのでしょうか。本稿では、彼の偉業を3つの現代的視点から読み解いていきます。
データなき時代の高度なパターン認識──「ノイズの海」から有意なシグナルを抽出する眼
現代のデータサイエンティストの仕事を一言で表すなら、それは「ノイズの中から有意なシグナルを抽出する技術」です。膨大なログ、センサー値、テキストデータの中に潜む、わずかな相関や因果の兆しを掴み取る。これがAIモデルの精度を決め、ビジネスの優位を決定づけます。
ジェンナーが行ったことは、まさにこの「シグナル抽出」の18世紀版です。当時、彼の周囲にはコンピューターも、統計ソフトも、もちろんデータベースもありませんでした。あったのは、農夫たちの噂話、診療所を訪れる患者の症状、そして搾乳婦たちの肌の状態——徹底的にアナログで、ノイズだらけの「一次情報」のみです。
注目すべきは、ジェンナー以前にも「乳搾りの娘はかからない」という観察自体は存在していたという事実です。実際、ベンジャミン・ジェスティという農民は、ジェンナーより20年あまり早い1774年に同様の実験を試みていたとされますし、英国の外科医ジョン・フュースターもジェンナーに先立って類似の観察を残していました。しかし彼らは学術的に発表することなく、個人的な試行や口承の段階で止まっていたのです。同じ景色を見ても、そこに「人類史を変える仮説」を見出し、検証し、世に問い直せたかどうか——この差こそが、ジェンナーを近代免疫学の父たらしめた本質です。彼の功績は「最初の発見者」ではなく、「最初に体系化し、公表し、社会に届けた人」と捉えるのがより正確と言えるでしょう。
現代風に翻訳するなら、ジェンナーは次の三つを同時にやってのけたことになります。
- 現場の一次情報を信じた——書斎の権威ではなく、農場の現実を観察対象に据えた。
- アノマリーを切り捨てなかった——「単なる迷信」と切り捨てる多数派から距離を置いた。
- 18年という時間軸でパターンを検証した——短期の流行や偶然との混同を、観察の継続でふるい落とした。
現代のスタートアップや新規事業開発の現場でも、「ダッシュボードの平均値」だけを眺めていては、本当の機会は見えません。顧客の現場、開発者のSlack、サポートの問い合わせログ——そうした「一次情報のノイズの海」にこそ、次の市場を拓くアノマリーが潜んでいます。ジェンナーは、その方法論の最古の体現者の一人と言えるでしょう。
リスクと倫理──「究極のPoC」と社会受容性という果てなき壁
とはいえ、ジェンナーの実験を現代の倫理基準で読み解くと、戦慄を覚えずにはいられません。雇用主の医師が、自身の使用人の8歳の息子を被験者に選び、致死率が約30％に達する重症型の感染症をあえて接種する——現代であれば、IRB（治験審査委員会）を通過することはまずあり得ません。これは、究極のPoC（概念実証／Proof of Concept）でした。
当時のジェンナーの内心を想像すると、その重みは計り知れません。仮説は確信に近いものの、もし少年が発症して死亡すれば、医師としての全キャリアと、何より一つの幼い命が失われる。それでも彼は実行しました。背景には、目の前で日々失われていく数百万単位の命があった——そう考えれば、その決断の苛烈さも、ある程度の必然性を帯びて見えてきます。
しかし、PoCに成功しても、技術は社会に自動的には実装されません。ジェンナーが1798年に論文を発表した直後、英国社会は猛烈な反発に襲われました。最も有名なのが、当時の風刺画家ジェームズ・ギルレイによる、「種痘を受けると体の各所から牛が生えてくる」という戯画です。これは単なる笑い話ではなく、当時の人々が抱いた本能的な恐怖を可視化した、強烈な反ワクチン・ミーム（meme）でした。
「神（自然）の領域に人間が介入すべきでない」という宗教的反発、「天然痘は自然による人口調節手段である」というマルサス的経済論からの反対——あらゆる層から、種痘は攻撃されました。技術的に正しいことと、社会的に受け入れられることの間には、巨大な深淵が横たわっていたのです。
この構図は、230年後の現代でも驚くほど反復しています。生成AIに対する著作権論争、ゲノム編集ベビーへの倫理的拒絶反応、自動運転車の事故責任議論、原子力技術への根強い不信——技術的優位性が証明されてもなお、社会受容性（ソーシャル・アクセプタンス）の壁を越えるには、別種の知性と忍耐が要求されます。
イノベーターに求められるのは、技術の正しさを語る言葉だけではありません。「なぜそれが恐ろしく見えるのか」を理解し、共に向き合う対話力です。ジェンナーは生涯を通じて種痘の安全性を粘り強く説き続け、最終的にバイエルン王国（1807年）、デンマーク（1810年）など、ヨーロッパ各国で種痘の義務化を実現していきました。技術者であり、同時に説得者でもあったということです。新技術を社会に届けようとする現代の私たちにとって、彼の戦いはあまりにも示唆に富んでいます。
牛痘からmRNA、そしてAlphaFold──「観察」のスピードを1億倍にした人類
ジェンナーが種痘の原理を確立した時、彼自身は「なぜそれが効くのか」を分子レベルでは理解していませんでした。免疫系の存在も、抗原・抗体の概念も、まだ発見されていなかったからです。それでも彼の経験的方法論は、その後の免疫学という巨大な学問領域の出発点となり、ルイ・パスツールによる狂犬病ワクチン、コッホによる細菌学、そして血清療法へと脈々と継承されていきました。
その流れは、20世紀後半に分子生物学と融合し、21世紀には驚異的な加速を見せます。コロナ禍の只中にあった2020年、わずか数ヶ月で実用化されたmRNAワクチンは、その典型例です。ウイルスのスパイクタンパク質の遺伝情報を直接体内に届け、免疫系に「学習」させるという、ジェンナーが見たら卒倒するであろうほどの精緻な技術です。けれども、原理の根本——「弱い、あるいは無害な抗原を提示して免疫を獲得させる」——は、彼が牛痘で行ったこととまっすぐ繋がっています。
そして2020年代後半の現在、私たちは「第2のジェンナー」とも呼ぶべき新たな観察者を手にしました。AIです。
2024年5月、Google DeepMindと、その医薬部門スピンオフであるIsomorphic Labsが共同で発表したAlphaFold 3は、タンパク質構造予測の歴史を塗り替えました。前身のAlphaFold 2が単一タンパク質の3次元構造を実験並みの精度で予測したのに対し、AlphaFold 3はタンパク質、DNA、RNA、低分子化合物（リガンド）、そしてそれらが互いに結合する複合体までを、まとめて原子レベルで予測できます。創薬において決定的に重要な「分子同士がどう出会い、どう結びつくのか」というインタラクトーム（相互作用の地図）が、AIによって一気に可視化されたのです。
この成果は、2024年のノーベル化学賞によって早々に公式に「歴史化」されました。DeepMindのデミス・ハサビスとジョン・ジャンパーが、タンパク質構造予測における貢献——特に2020年公開のAlphaFold 2を中心とするAlphaFoldシリーズ全体の業績——を理由に受賞しています。商用展開も加速しています。Isomorphic Labsは2024年1月にイーライリリー、ノバルティスという二大製薬企業との戦略提携を相次いで締結し、合計で約30億ドル規模のディール価値に達しました。ノバルティスとの提携は2025年2月に対象領域を拡張する形で深化しており、AI創薬は「研究ツール」から「数十億ドル規模の製薬パイプラインの背骨」へと位相を変えつつあります。
視点を変えて、ジェンナーの18年と、AlphaFold 3の数秒を並べてみましょう。
- ジェンナー（1778-1796）：農村を巡り、肉眼で観察し、18年かけて1つの仮説に至った。
- AlphaFold 3（2024年〜）：1つのタンパク質構造を、数秒で原子レベルの精度で予測する。
「観察」のスピードは、文字通り桁違いに加速しました。これは間違いなく、人類史上最大級の認識能力の拡張です。私たちは、ジェンナーが約18年かけて辿り着いた地点に、今や朝のコーヒーを淹れる時間で到達できる。ただし、これはあくまで「構造予測」というプロセスの加速であって、AIが創薬の全工程を自動化したわけではありません。Isomorphic Labsも、自社初の臨床試験開始は2025年以降と公表しており、依然として実験的検証や治験という長い道のりが残されています。けれども——だからこそ問うべきことがあります。その加速した観察眼で、私たちは何を見ようとしているのか?
イノベーションの源流は、いつだって「なぜ?」という人間の問いから始まる
AlphaFold 3がどれほど高速にタンパク質構造を解いても、「何を解くべきか」を決めるのは人間です。どの病気を標的とするか、どの分子の謎に向き合うか、どの未知のメカニズムに資源を投じるか——これらの問いは、AIには立てられません。少なくとも、現時点では。
1796年5月14日に始まったあの物語の本質は、最新の医療技術でも、特許でも、論文発表でもありませんでした。本質は、「乳搾りの娘はなぜ天然痘にかからないのだろう?」という、ある田舎医師の素朴な好奇心です。その問いを諦めずに18年抱え続けた粘り、致死的な賭けに臨んだ覚悟、社会の反発と対話し続けた忍耐——すべては、たった一つの「なぜ?」から始まっています。
AIがどれほど進化しようとも、観察し、不思議に思い、仮説を立て、誰かに伝えるために言葉を尽くす——この一連の営みは、人間にしかできない仕事として、これからも残り続けるはずです。むしろAIは、その営みの「補助線」を、ジェンナーには想像もつかなかった精度と速度で引いてくれるパートナーになるでしょう。
今日、目の前のダッシュボードや、業界レポート、あるいは日常の会話の中で、「あれ?」と感じる小さな違和感を、どうか切り捨てないでください。それはあなたの中の「ジェンナーの瞬間」かもしれません。230年前のグロスタシャーの片田舎で、一人の医師がそうしたように——私たちもまた、未来を変える観察者であり得るのです。
infomation
【用語解説】
種痘（しゅとう）
牛痘ウイルスを人体に接種することで天然痘に対する免疫を獲得させる予防接種法のこと。1796年にエドワード・ジェンナーが体系化し、1798年に論文として発表した。先行的な観察や試行はジェスティらにも見られるが、初めて科学的に体系化・公表された近代ワクチンとして位置付けられ、後の予防医学の出発点となった。
天然痘（てんねんとう）
天然痘ウイルスによる急性感染症であり、重症型（Variola major）の致死率は約30％とされる。18世紀のヨーロッパでは年間で数十万人規模の死者を出したと推計される。1980年にWHOが世界根絶を宣言した、人類が唯一根絶に成功した感染症である。
PoC（Proof of Concept／概念実証）
新しい技術や仮説が現実に機能することを、小規模な実証によって示す段階のこと。新規事業開発や研究開発で広く用いられる。ジェンナーによる8歳の少年への接種は、医学史における究極のPoCと位置付けられる。
アノマリー（anomaly）
既存の理論やパターンから外れた例外的事象を指す。科学史において、重要な発見の多くはアノマリーへの注目から始まっている。ジェンナーが注目した「乳搾りの娘は天然痘にかからない」という伝承も、典型的なアノマリーである。
ソーシャル・アクセプタンス（社会受容性）
新しい技術や制度が社会に受け入れられる度合いを指す概念だ。技術的優位性のみでは普及せず、文化、倫理、感情、経済合理性など複数の要因が影響する。ジェンナーは種痘の科学的有効性に加え、社会受容性の獲得にも生涯を費やした。
mRNAワクチン
ウイルスの抗原タンパク質の設計情報をメッセンジャーRNAとして体内に届け、免疫応答を誘導するタイプのワクチンを指す。新型コロナウイルス感染症（COVID-19）対応で実用化が一気に進んだ。原理的にはジェンナーの種痘と地続きの「抗原提示による免疫獲得」だが、分子設計の精度は飛躍的に高い。
AlphaFold 3
Google DeepMindとIsomorphic Labsが2024年5月に発表した、生体分子の構造と相互作用を原子レベルで予測する生成AIモデルである。タンパク質単体だけでなく、DNA、RNA、低分子化合物、それらの複合体までを統合的に扱える点が画期的だ。AI創薬の中核基盤として注目されているが、構造予測の精度向上が即座に創薬全体を自動化するわけではなく、実験的検証や臨床試験との連結は依然として不可欠である。
Isomorphic Labs
2021年にAlphabet傘下で設立された、AIファーストの創薬企業のことを指す。Google DeepMindと連携し、AlphaFoldを医薬品開発に商用展開する役割を担う。2024年1月にイーライリリーおよびノバルティスとそれぞれ戦略提携を締結し、合計で約30億ドル規模のディール価値に達した。ノバルティスとの提携は2025年2月に対象を拡張する形で深化している。
【参考リンク】
AlphaFold 3 predicts the structure and interactions of all of life’s molecules（Google公式ブログ）(外部)
AlphaFold 3の発表元によるリリースだ。技術概要とIsomorphic Labsとの関係を解説している。
Rational drug design with AlphaFold 3（Isomorphic Labs）(外部)
AI創薬の実装現場の具体例である。TIM-3など免疫チェックポイントタンパク質への応用が紹介されている。
‘An AlphaFold 4’ — scientists marvel at DeepMind drug spin-off’s exclusive new AI（Nature, 2026年2月）(外部)
AlphaFold 3後継モデルをめぐる学術界の議論と、商用化の最新潮流を伝える記事。
ジェンナー没後200年記念（予防衛生協会）(外部)
サラ・ネルムズと雌牛ブロッサムの経緯など、種痘成立の現場史を専門機関の視点から詳述している。
AlphaFold 3: an unprecedent opportunity for fundamental research and drug development（Oxford Academic / Precision Clinical Medicine）(外部)
AlphaFold 3の技術的特徴を査読論文ベースで理解したい読者向けの解説。
【関連記事】
5月12日【今日は何の日?】ナイチンゲール生誕。AI時代に学ぶ「データ可視化」の原点
本シリーズの2日前の記事です。ヴィクトリア朝の看護師フローレンス・ナイチンゲールが、戦地で集めたデータを可視化することで医療行政を動かした営みを、現代のデータサイエンスの原点として読み解いています。今回のジェンナー編が「観察」を主題にしたのに対し、ナイチンゲール編は「可視化」を主題にしており、シリーズとして並べて読むことで、近代医学を支えた二つの方法論が立体的に見えてきます。
3月15日【今日は何の日？】第一回ノーベル生理医学賞受賞者：エミール・アドルフ・フォン・ベーリングの誕生日｜免疫療法やワクチン開発の基盤
本稿で取り上げたジェンナー（1749-1823）の約100年後、血清療法を確立し第一回ノーベル生理学・医学賞を受賞したベーリング（1854-1917）に焦点を当てた記事です。北里柴三郎との共同研究にも触れられており、ジェンナー→ベーリング→mRNAワクチン→AlphaFoldという免疫学の系譜を読者と一緒に辿りたい方は、本稿と併せてご覧ください。
AlphaFold 3がオープンソース化 – Google DeepMindが創薬革命の扉を開く
本稿の主役の一つであるAlphaFold 3が、2024年11月にオープンソース化された際の技術ニュースです。研究コミュニティからの公開書簡など、商用化と学術公開の綱引きの経緯が詳しくまとまっています。本稿が「歴史軸」でAlphaFoldを位置付けたのに対し、こちらは「実装軸」での解説となっており、技術的な背景を補完できます。
Google DeepMind「AlphaFold」：AIが10年以内にすべての病気を根絶できる可能性
Google DeepMindのCEOデミス・ハサビスが「AIが10年以内にすべての病気を根絶しうる」と語った2025年4月のインタビューを扱った記事です。本稿が1796年起点の「歴史的接続論」だとすれば、こちらは「未来予測論」の側からAI創薬の射程を捉えており、両者を並べることで時間軸の前後から同じ問題を立体視できます。
ノーベル賞受賞者3名がドバイで警鐘「AIは発見できない」—AlphaFoldが変えた科学研究の光と影
2026年2月にドバイで開催されたWorld Laureates Summitで、ノーベル賞受賞者らがAlphaFoldをはじめとするAIの貢献を認めつつ「AIは本質的な発見はできない」と指摘した議論を扱った記事です。本稿が「人間の観察をAIが拡張する」という協調的視点に立っているのに対し、こちらは批判的視点を提示しており、並列して読むことで論点が立体化します。
