Evaluating AI and virtual-cell claims
Essays (in Japanese) on which parts of AI drug-discovery and virtual-cell claims rest on measured evidence: separating experimental throughput, published results and clinical transition, and what evaluation metrics reward.
Where are the bottlenecks in AI-enabled drug discovery?
A Japanese essay reviewing experimental workflows, industry disclosures and clinical progress. It distinguishes experimental throughput from evidence useful for development decisions; revenue growth and individual clinical advances do not establish an AI-driven supply shortage or a causal improvement in clinical success.
- 実験サービスの売上増加だけでは、AIによる供給不足を立証できない。
- 候補の選別とプログラム数の変化によって、総実験数は増える場合も減る場合もある。
- 候補薬の臨床進展と、AIが臨床成功率を高めたという因果的証拠は区別する。
What did the Virtual Cell predict? Target genes and evaluation shortcuts
A Japanese review of perturbation forecasting, target-gene masking and recent benchmarks, with a reproducible synthetic example distinguishing evaluation shortcuts from downstream prediction. The example does not establish real-data performance or the superiority of pairwise masking.
- 標的名という正当な入力、予測時に利用できない実測情報、評価指標の近道は別の問題である。
- 3摂動の合成例では、下流応答を予測しない標的spikeがrow-maskで1.00、panel-maskとpairwise-maskでは0.50となった。
- pairwise方式の実データでの優越性やscFM全体の有用性は、この計算例だけでは判断できない。