製薬・バイオテックのAI活用｜AI創薬の到達点と研究開発AIツールの選び方・実額コスト【2026年最新】

製薬・バイオテックでいま最も確実に投資回収が見えるAI活用は、創薬そのものではなく治験関連文書の作成です。 AIが標的探索から化合物設計まで一貫して担った薬はPhase IIIに到達しましたが、AI由来医薬品で承認まで届いたものは2026年9月時点でまだ1つもありません。一方で治験総括報告書の作成は、国内大手の公式発表で約50%短縮という数字が出ています。

この記事でわかること:

• AI設計薬が臨床のどこまで来ているか（rentosertib・ISM8969・Isomorphic Labs・Recursionの現在地）
• 「AIでも落ちる」失敗事例と、投資計画に織り込むべき期待値
• 武田薬品・中外製薬・塩野義製薬・第一三共など、国内大手のR&D領域での実績と公表数値
• 業務 × ツール × 実額で整理した、今日いくらで始められるかの早見表
• ライセンス条項で決まる構造予測モデルの選択（AlphaFold 3は製薬企業の商用利用が不可）
• 資金の限られたバイオテックが最初に打つべき手
• FDA・EMA・ICH・PMDAの現在地と、GxP環境で生成AIを使うときの現実解

想定読者は、製薬企業の研究部門・臨床開発・薬事の意思決定者と、バイオテックの経営層・CSOです。「何ができるか」ではなく「どのツールを、どの業務に、いくらで入れるか」に答えることを目的にしています。

製造・品質管理・GMP・ファーマコビジランス・MR営業まで含めたバリューチェーン全体の事例カタログは、製薬業界のAI活用事例25選｜創薬・治験・品質管理の削減率と導入コスト・GxP規制で網羅しています。調剤薬局側の実務（服薬指導・在庫・レセプト）は薬局のAI活用事例｜調剤・在庫管理・接客への導入ガイドが担当です。本記事は創薬R&D・治験・ツール選定の投資判断に絞ります。

出典: Anthropic 公式サイト

2026年に製薬AIで何が起きたか

2026年の製薬AIは「使えるか」の議論を終え、AI設計薬が承認まで届くかとどのツールをどの業務に置くかの2点に論点が移りました。2026年に入ってからの主要な動きを、一次情報で確認できた日付順に整理します。

出典: 各社公式リリース、PMDAニュースリリース、FDA公式、ICH公式、Nature Biotechnology。

押さえるべき構図は3つに分解できます。探索工程はAIで確実に速くなった。臨床の壁は下がっていない。そして文書生成は今すぐ効果が出る。 この3つを混ぜて社内説明すると、必ず期待値がずれます。

AI創薬は今どこまで来たか

出典: Insilico Medicine 公式サイト

2026年9月時点で、AI由来の医薬品が承認を取得した例は世界にまだ1件もありません。 最先端はPhase IIIの途中です。「AIが新薬を作った」という表現は、現時点では正確ではありません。

rentosertib：AI創薬の「答え合わせ」が始まった

Insilico Medicine の rentosertib は、疾患標的の同定と化合物の設計を両方とも生成AIが担った点で、他のAI創薬候補と性質が異なります。2026年7月7日にPhase IIIが始まり、中国47施設・約320例規模で実施されています。主任研究者は北京協和医院の徐作軍教授、共同研究者として鍾南山氏（中国工程院院士）らが名を連ねています。

ただし、Phase IIで良好だったことと、Phase IIIで有効性が証明されることは別問題です。特発性肺線維症は既存薬の効果が限定的で開発難度が高い領域であり、この試験の結果が「探索の速さ」を「臨床成功率」に転化できるかどうかの、業界にとって最初の本格的な答え合わせになります。

Isomorphic Labs はまだ臨床に入っていない

AlphaFold 3 を持つ Google DeepMind からスピンオフした Isomorphic Labs は、2026年9月時点でまだ臨床試験を開始していません。同社CEOのDemis Hassabis氏は2026年内の初回臨床試験開始を表明していますが、これは当初の「2025年末まで」から後ろ倒しになった計画です。

AI創薬企業の公表タイムラインは遅れることがある——この前提を置いて提携交渉やマイルストーン設計に臨むのが現実的です。なお、コード名が「ISM」で始まる化合物は Insilico Medicine のプレフィックスであり、Isomorphic Labs のものではありません。社内資料で混同されているケースが散見されるため、投資判断の場では確認しておくべき点です。

「AIでも落ちる」を計画に織り込む

導入判断で最も見落とされやすいのが失敗事例です。AI創薬の歴史は、成功だけでできてはいません。

AI創薬は「速く安く候補にたどり着く技術」であって、生物学的な当たり外れを消す技術ではありません。 投資計画は「打率が上がる」ではなく「打席数を増やせる」ものとして組むのが、2026年時点で妥当な期待値です。

新薬開発でAIが実際に効いている工程

AIの効果は工程によってはっきり差があります。確実にROIが出ているのは文書生成、次いで探索の高速化、まだ検証中なのが臨床成功率の改善という順序です。

出典: Google DeepMind 公式サイト

特筆すべきは治験関連文書です。規制関連文書の作成には通常3〜5カ月、メディカルライターの実作業だけで1試験あたり100〜280時間かかるとされ、ここに50%の短縮が効く意味は小さくありません。しかも効果測定が容易で、失敗しても患者に届く前に人間のレビューで止まる——投資判断としてリスクが最も小さい領域です。

一方、化合物設計の効果は「合成する化合物の数を減らせた」という自社報告が中心で、第三者検証されたデータは限られます。社外や経営会議に説明する際は、その数字が査読論文由来か自社リリース由来かを必ず添えるのが安全です。

製造・品質管理（予知保全・外観検査・バッチ最適化）、ファーマコビジランス、MR営業でもAIは実装が進んでいますが、これらはR&Dとは投資判断も規制の当たり方も異なります。業務別の効果と導入コストの目安は製薬業界のAI活用事例25選にまとめています。

国内製薬大手のR&D領域AI導入実績

国内大手は「創薬エンジンへの投資」と「規制関連文書の効率化」を並行して進めています。数値はいずれも各社の公式発表・大手報道に基づくもので、測定条件が異なるため単純比較はできません。

国内大手から読み取れる3つの型

① 提携で創薬エンジンを外から調達する（武田型）
武田薬品は Insilico が分子発見を主導し、自社は臨床開発を担う分業構造を選びました。注目すべきは契約設計です。総額6億ドルのうち、初期に確定しているのは約6,000万ドルと1割程度。残りはマイルストーンとロイヤルティに紐づいています。これは「AIを買う」契約ではなく、不確実性をパートナーと分担する契約です。AI創薬企業と組む際の相場観として参考になります。

② 独自AIを研究の中核に据える（中外型）
中外製薬は MALEXA のような独自AIを社内開発しつつ、ソフトバンク系との協業で治験文書の自動化を並行して進めています。同時に全社の8割が使う生成AI基盤を整備しており、尖った研究用AIと、全社の底上げ用AIを別々に設計している点が特徴です。

③ 規制関連文書から入り、外販まで持っていく（塩野義型）
塩野義製薬と日立の取り組みは、社内実証で削減率を出したうえで2026年2月に外販商品化されました。規制関連文書の非効率は業界共通の課題であり、社内ツールがそのまま事業になり得ることを示した事例です。

出典: 第一三共株式会社 公式サイト

研究開発向けAIツールを「業務 × 実額」で決める

ツール選定は1つに絞るより、工程ごとに置き分けるのが実務的です。ここでは2026年9月9日時点で公式ページに記載のある条件と金額をもとに、「今日いくらで始められるか」を整理します。

業務別・第一候補と実額の早見表

Claudeの料金（2026年9月9日時点）

研究部門で最初に検討されることが多いClaudeについて、公式の料金ページに記載されている内容を整理します。

API単価は次のとおりです。社内システムに組み込む場合はこちらが基準になります。

社内資料やベンダー提案書に Opus 4.x / Sonnet 4.x といった旧世代のモデル名が残っている場合は、バリデーション文書ごと見直しが必要です。 GxP環境ではモデルのバージョンが統制対象になるため、提案書の日付とモデル名の整合は必ず確認してください。

プラン別の詳細はClaude料金を日本円で比較、ChatGPT料金一覧で個別に整理しています。ツール自体の基礎はClaudeとは？機能・料金・使い方とChatGPTとは？料金プラン・できること・モデル・使い方を参照してください。

研究特化ツールの実体：Claude Science と GPT-Rosalind

Claude Science は既存契約の延長で今日から試せる一方、GPT-Rosalind は日本の製薬企業が今すぐ業務に組み込める段階にありません。 提案書に「GPT-Rosalind活用」と書かれていたら、利用資格の有無を必ず確認してください。

機能の詳細はClaude Scienceとは？できること・料金・使い方、GPT-Rosalindの位置づけと安全性要件はGPT-Rosalindとは？Rosalind Biodefenseプログラムと生命科学特化AIで解説しています。

ライセンスで決まる構造予測モデルの選択

製薬企業が見落としがちな最大の落とし穴が、構造予測モデルのライセンスです。 「AlphaFold 3が最新だから使おう」と決めると、社内パイプラインでは使えないという結論になります。

2024年5月のAlphaFold 3登場から2年足らずで、オープンソースの対抗モデルが揃いました。商用パイプラインでの実務的な第一候補は、現時点ではBoltz-2かChai-1です。 モデル本体は無料で、コストはGPU利用料に集約されるため、社内の計算資源が決まっていれば見積もりも立てやすくなります。

選定時に見落としやすい制約

• Claude Science は macOS / Linux のみ。Windows端末で統一された研究部門は、そのままでは使えません
• Claude Science は Free プランでは利用不可。Team・Enterprise では管理者が有効化しないと研究者側に表示されません
• GPT-Rosalind は米国の審査済みEnterprise限定。利用条件として「公共の利益となる正当な科学研究」「適切なガバナンスと不正利用防止策」「承認ユーザーのみの安全な環境での運用」が明示されており、デュアルユース懸念への配慮が前提です
• HIPAA対応は日本の要件充足を意味しません。Claude Enterprise の HIPAA 対応オプションは米国法への対応であり、個人情報保護法・次世代医療基盤法・治験データの取り扱いは別に検討が必要です
• NVIDIA BioNeMo の価格は公式非公開。NVIDIAは仕様・価格を予告なく変更すると明記しており、見積もりは個別取得が必要です
• ゼロデータリテンション、SSO/SCIM、監査ログの有無はプラン依存。契約前に管理コンソールの設定まで含めて確認してください

社内展開時の情報漏洩リスクとガードレール設計は生成AIのセキュリティリスクとは？情報漏洩・プロンプトインジェクション対策、外部データベースや社内システムへの接続方式はMCPとは？仕組み・できること・対応ツール・セキュリティで整理しています。

バイオテック・スタートアップの最初の一手

資金と人員が限られるバイオテックは、大手と同じ順序で進めても勝てません。自社で創薬基盤を作るのではなく、「提携経済圏に乗る」「特定工程に特化する」「既存ツールで研究速度を上げる」の組み合わせが現実解です。

3つ目は差別化にはなりませんが、着手コストがほぼゼロで効果が確実という点で最初の一歩に適しています。具体的な順序は次のとおりです。

1. 文献調査と仮説整理をLLMに寄せる（英文論文の消化時間が最も削減しやすい）。Claude Pro なら月$17、学術・非営利であれば Claude Science の無料枠が使える可能性があります
2. 構造・親和性予測は Boltz-2 か Chai-1 で内製化する。ライセンス上の制約がなく、クラウドGPUの従量課金だけで始められます
3. 実験ノートとプロトコルの標準化を先に済ませる。AIが読める形にデータが揃っていないと、どんなモデルを買っても機能しません
4. 規制関連文書はテンプレート化とレビュー体制を整えてから、初稿生成を導入します

順序を逆にして「まず創薬AIを導入する」と、参照させるデータがないまま費用だけがかかります。データ整備が先、モデルは後という原則は2026年時点でも変わっていません。

契約面では、武田×Insilico型の「一時金＋マイルストーン＋ロイヤルティ」分割が交渉の基準になります。総額の大きさより、初期確定分の比率と、開発中止時の権利の戻し方を見るべきです。

AIベンダーが製薬プレイヤーになるという構造変化

2026年に起きた最も見落とされやすい変化は、AIベンダーが「ツール提供者」から「創薬プレイヤー」へ回り始めたことです。提携先を選ぶ側にとって、パートナーが将来の競合になり得るという新しい論点が生まれています。

Anthropicの動きを時系列で見ると構造がはっきりします。

• 2026年4月: ステルスバイオテック Coefficient Bio を買収（報道では約4億ドル）。少人数のチームで、多くが計算生物学のバックグラウンドを持つとされる
• 2026年6月30日: Claude Science の発表と同時に、自社の創薬プログラム開始を公表。対象は「顧みられない疾患・希少疾患」に限定
• 同時期: 科学研究者向けの助成プログラム（クレジット提供）と、希少疾患データベース Monarch Initiative との提携を発表

Anthropicは自社創薬を希少疾患に限定する理由を「製薬顧客と直接競合しないため」と説明しています。つまり競合しない設計であること自体が、意図的に選ばれているわけです。裏を返せば、その線引きは企業判断で変わり得ます。

製薬企業側が契約時に確定させるべき論点は3つです。

1. データの学習利用: 未公開の化合物情報や治験データが学習に使われない範囲を、契約書レベルで明記する
2. 依存度の管理: 単一ベンダーの環境に研究ワークフローを固めると、価格改定や提供終了の影響を直接受けます。基盤（クラウド）と推論モデルを分離できる構成が保険になります
3. 疾患領域の重複: 提携先が自社パイプラインを持つ場合、領域が重なったときの扱いを事前に決めておく

この論点はAnthropicに限りません。Google DeepMind が Isomorphic Labs を持つ構造も同じです。「AIベンダーは中立的なインフラ提供者である」という前提は、2026年時点ではもう成り立ちません。

導入前に確認すべき規制の現在地

2026年の規制環境には、押さえておくべき非対称があります。当局自身は生成AIを業務で使い始めた一方で、申請資料へのAI利用に関するFDAの最終ガイダンスはまだ出ていません。

なお、ICH M15 はAIガイドラインではなくMIDDの一般原則です。社内でAI規制と混同されやすいため、区別して扱ってください。

生成AIの確率的出力とCSVの衝突をどう解くか

GxP環境で生成AIを使うときの本質的な難所は、生成AIは同じ入力に同じ出力を返さないという点です。従来のコンピュータ化システムバリデーションは決定論的な挙動を前提としているため、そのままでは適用できません。ALCOA+（帰属性・判読性・同時性・原本性・正確性・完全性・一貫性・永続性・利用可能性）のうち、特に正確性と完全性の担保が論点になります。

現実的な落としどころは、AIは初稿までを担い、承認と記録は人が行うヒューマン・イン・ザ・ループ設計です。塩野義製薬×日立のソリューションが「初稿作成」に用途を限定しているのは、この論点への実務的な回答と読めます。

導入前に社内で確定させるべき項目は次のとおりです。

• 用途の分類: GxPに関わる業務か否かで、必要な統制のレベルが変わります
• 使用文脈（context of use）の記述: そのAIを「何のために・どの範囲で」使うかを文書化する。FDA-EMAの10原則でも中心に置かれています
• バリデーション計画とモデル更新時の再評価: モデルのバージョン改訂はバリデーション済み状態を壊すため、ライフサイクル管理の設計が必須です
• 入出力ログと監査証跡: プランによって保存可否が異なるため、契約前に確認します
• 有資格者レビューの明示: 生成物の最終責任者を手順書上で特定します
• 学習利用の除外とデータ保管リージョン: 患者データ・未公開化合物情報は契約書レベルで担保します

CSV/CSAの具体的な進め方、ベンダー監査、製造・品質管理まで含めた規制対応は製薬業界のAI活用事例25選で詳しく扱っています。医療機関側の規制論点は医療AIの活用事例15選を参照してください。

こんな企業におすすめ / 導入前に準備が必要な企業

AI投資の優先度が高い企業

• 規制関連文書の作成に月あたり数百時間以上を投じている企業 — 塩野義製薬の約50%短縮のように、効果が数値で確認できている数少ない領域です
• 臨床開発力はあるが、探索の打席数が足りていない企業 — 武田×Insilico型の分業提携が最も合理的な選択肢になります
• 実験構造が取りにくい標的を扱っている研究部門 — Boltz-2 や Chai-1 のような構造・親和性予測の恩恵が最も大きく出ます
• すでに実験データがデジタル化・標準化されている企業 — 導入の初速がまったく違います
• 1工程に技術的な強みを持つバイオテック — 抗体最適化や毒性予測など、特化型は提携先を得やすい局面です
• 研究部門がmacOSまたはLinuxで統一されている組織 — Claude Science をそのまま試せます

導入前に準備が必要な企業

• GxPバリデーションの体制・担当者が不在 — AIの前に、変更管理と監査証跡の運用設計が先です
• 実験データが個人のPCやノートに散在している — この状態でAIを入れても、参照させるデータがありません
• AI出力を有資格者レビューなしで使う想定がある — 製薬領域のハルシネーションは、患者安全と申請の信頼性に直結します
• 「AIで新薬が早く出る」を前提に投資回収計画を組んでいる — AI由来薬で承認に至った例はまだなく、探索の高速化と承認の早期化は別の話です
• 社内パイプラインで AlphaFold 3 を使う計画になっている — ライセンス上、製薬企業の商用利用はできません。計画段階で差し替えが必要です
• Windows端末で研究環境が統一されている — Claude Science のように対応OSが限られるツールがあります
• 提案書のモデル名が旧世代のまま — 見積もりとバリデーション計画の前提が古い可能性が高く、出し直しを求めるべきです

よくある質問

Q1. AI創薬に投資すると、開発期間はどのくらい短縮できますか？

工程を分けて答える必要があります。 探索段階については、DSP-1181のケースで「業界平均4.5年に対し12カ月未満で探索研究を完了」という発表があるように、年単位の短縮例が出ています。一方、臨床試験の期間は患者登録と観察期間に規定されるため、AIで大きく短縮された事例は確認できていません。開発全体の期間短縮を前提とした投資回収計画は、2026年時点ではまだ根拠が不足しています。

Q2. 社内の機密化合物情報をAIに入れても大丈夫ですか？

契約形態によります。法人向けプラン（Claude Team / Enterprise、ChatGPT Enterprise、Amazon Bedrock、Vertex AI 等）では学習利用の除外が標準的ですが、データ保管リージョン、保持期間、監査ログの有無はプランごとに異なるため、契約書と管理コンソールの設定を個別に確認してください。なお Claude Science はローカル環境で動作し、データセット全体をクラウドに展開せず必要なコンテキストのみを送る設計になっています。機微データを扱う研究部門にとっては、この設計自体が選定理由になり得ます。研究者が個人プランを独自契約して使う運用は、統制上のリスクが大きいため避けるべきです。

Q3. Claude Science と GPT-Rosalind はどちらを選ぶべきですか？

現時点では選択の余地がほぼありません。 GPT-Rosalind は米国の審査を通過したEnterpriseユーザー限定のリサーチプレビューであり、日本の製薬企業が今すぐ業務に組み込める段階にないためです。Claude Science は既存のPro以上のプラン内で追加料金なしに使える一方、macOS / Linux のベータ提供という制約があります。まずClaude Scienceで研究ワークフローを固め、GPT-Rosalindは提供条件が変わった時点で再評価するという順序が現実的です。

Q4. AlphaFold 3 は本当に製薬企業では使えないのですか？

社内の商用パイプラインでは使えません。 AlphaFold 3 のコードは CC-BY-NC-SA 4.0（非商用限定）で公開されており、モデル重みは学術機関所属研究者の申請制かつ非営利組織による非営利利用に限定されています。商用利用が必要なら、MITライセンスの Boltz-2 か Apache 2.0 の Chai-1 が選択肢になります。「AlphaFoldは無料で使える」という一般的な説明は、AlphaFold 2（CC BY 4.0）とAlphaFold 3を混同したものです。

Q5. AI創薬企業と提携するとき、何を契約に入れるべきですか？

最低限、①候補化合物の知的財産の帰属、②自社データがAIモデルの学習に使われる範囲、③疾患領域の重複が生じた場合の取り扱い、④開発中止時の権利の戻し方、の4点です。金額面では、武田×Insilicoの「総額6億ドルのうち初期確定分は約6,000万ドル」という構造が参考になります。総額の大きさではなく、初期確定分の比率とマイルストーンの刻み方を見るべきです。

Q6. まだAIを何も導入していない場合、最初の一手は何が適切ですか？

規制がかからない文献調査から始めるのが安全です。 GxP対象業務にいきなり導入すると、バリデーションと手順書整備で数カ月止まります。英文論文の要約・翻訳・社内ナレッジ検索であれば、情報セキュリティ方針の範囲内で数名からトライアルでき、効果測定も容易です。そこで得た運用ノウハウを規制関連文書側へ持ち込む順序は、国内各社の展開パターンとも一致しています。他業種の展開手順は生成AI 企業活用事例50選、ツールの全体像は生成AIツールおすすめ比較が参考になります。

Q7. 薬局や医療機関のAI活用とはどう違いますか？

製薬企業のAI活用は「新薬を生み出すコストと時間」への投資であり、規制はGxPと薬事が中心です。調剤薬局では服薬指導・在庫管理・レセプト業務が対象で、医療機関では診療記録や画像診断が中心になります。個人情報保護と医療法・薬機法の論点が前面に出る点も異なります。それぞれの実務は薬局のAI活用事例、医療AIの活用事例15選、臨床現場向けツールはChatGPT for Cliniciansとはで整理しています。分子設計の考え方が近い領域としては化学・素材業界のAI活用事例も参考になります。

Q8. AI創薬の市場規模はどのくらいですか？

単一の数値を引用するのは避けるべきです。 2026年のAI創薬市場について、調査会社の推計は7.62億ドル、18.1億ドル、de novo創薬AIに限定して25.3億ドルと3倍以上の開きがあり、年平均成長率も17.9%〜33.4%と幅があります。定義範囲（創薬支援システム市場／製薬AI市場／AI創薬市場）が調査ごとに違うためです。社内資料に使う場合は、必ず調査会社名と定義範囲をセットで記載してください。

まとめ

2026年9月時点で、製薬・バイオテックのAI投資判断に必要な結論は3つです。

① AI設計薬はPhase IIIに到達したが、承認された薬はまだゼロ
Insilico の rentosertib が2026年7月にPhase IIIへ進み、ISM8969 も豪州でPhase Iの初回投与に至りました。一方で DSP-1181 の中止や Recursion の3品目同時中止＋人員20%削減のように、AI由来でも臨床で落ちる事例は積み上がっています。AI創薬は打率ではなく打席数を増やす技術として計画してください。

② 確実にROIが出るのは治験関連文書。ここから入るのが定石
塩野義製薬×日立の治験総括報告書 約50%短縮・治験実施計画書 約20%短縮は、公表された実証結果です。創薬本体は長期投資、文書業務は短期回収——この線引きを社内で共有することが期待値管理の出発点になります。

③ ツールは工程ごとに置き分け、ライセンスと契約条件で決める
研究ワークベンチは Claude Science（Pro $17/月から、追加料金なし、macOS/Linux）、構造・親和性予測は Boltz-2（MIT・商用可）か Chai-1（Apache 2.0）、社内システム組み込みは Claude API（Haiku 4.5 なら入力$1/MTok から）。AlphaFold 3 は非商用限定で製薬企業の商用パイプラインには使えず、GPT-Rosalind は日本から今すぐ使える状態にありません。 同時に、AnthropicのCoefficient Bio買収と自社創薬プログラムが示すとおり、AIベンダー自身が創薬に参入し始めています。契約時にはデータの学習利用除外と疾患領域の重複を必ず確認してください。

製造・品質管理・ファーマコビジランス・MR営業まで含めた全体像は製薬業界のAI活用事例25選、生成AIそのものの仕組みと全体像は生成AIとは？仕組み・できること・主要ツール・活用事例、研究業務を自動化するエージェント技術はAIエージェントとは？仕組み・種類・活用事例をあわせてご覧ください。

主な参考情報

• Anthropic: Claude 料金プラン・API単価
• Anthropic: Claude Science
• Insilico Medicine: rentosertib Phase III 開始
• Insilico Medicine: ISM8969 初回投与
• Insilico Medicine: 武田薬品との戦略提携
• 塩野義製薬: 生成AI活用の規制関連文書作成支援ソリューション
• 日立製作所: 医薬品開発における規制関連文書作成支援
• 中外製薬: AIを活用した新薬創出
• PMDA: 生成AI（Microsoft Copilot）の利用開始について
• FDA: Artificial Intelligence for Drug Development (CDER)
• ICH M15: General Principles for Model-Informed Drug Development (Step 4)
• Google DeepMind: AlphaFold 3 モデル重みの利用条件
• Boltz-2 公式サイト
• NVIDIA: BioNeMo / バイオファーマ向けソリューション
• 住友ファーマ: DSP-1181 の臨床試験開始（2020年）