AI設計ファージが患者に投与された。薬剤耐性菌治療は何が変わるか

Daiki Kumakura · 2026-11-21 · Blog · 1.0

Omnii-1のファージ研究報告を読み、候補選別、体外評価、患者投与を分けて考える。無次元の曝露計算と先行臨床試験から、AIによる設計の先に必要な測定を検討する。

On this page

AIで設計した候補を含むバクテリオファージ製剤が、患者への投与に至ったとの報告がある。

バクテリオファージは細菌に感染するウイルスである。Radical Numericsは2026年10月20日、ゲノム言語モデルOmnii-1で設計したファージを含む製剤を、薬剤耐性菌感染症の患者に投与したと発表した (1)。

この記事の問いは、その発表が患者ごとのファージ候補探索について何を示し、何を示していないか、である。私がこの発表で気になったのは、「AIが薬を作った」という大きな話より、患者ごとに必要な候補を探す工程がどう変わるかだった。合う候補を見つけるのは大きな仕事だ。ただ、その先にも、感染部位に届くか、そこで働き続けるか、患者が改善するか、という別々の問いが残る。

対象と確認範囲

中心の資料は、Radical Numericsが公開した技術報告である (1)。企業による公開報告であり、査読を経た論文や臨床試験の報告ではない。本文は2026年10月24日と29日に読んだ。報告中の図は画像から数値を読み取っておらず、図の内容は本文の記述の範囲でのみ扱う。

関連する資料は次のように確認した。個別化ファージ療法のコンセンサス・ガイドラインは全文を読んだ。LBP-EC01の第2相試験、生成ファージゲノムの先行研究、株レベルの宿主予測研究、抗体による中和の症例報告、改変ファージの最初の症例報告、ファージの動態に関する総説的論考は要旨までしか読んでいない。世界保健機関(WHO)欧州地域事務局の解説はウェブ上の文書を読んだ。要旨だけを読んだ資料からは、要旨に書かれた内容に限って引用している。

本記事自身の計算は二つある。一つは報告が示す件数と割合の算術と区間推定、もう一つは曝露の違いを見るための無次元の合成例である。どちらも患者データや報告の元データを使っていない。

患者について今回分かっていること

まず、発表の到達点をそろえておく。一次報告によれば、AI設計ファージの変異体を含むカクテルは、患者から分離された耐性菌を体外試験で除去した。その後、医師主導のcompassionate useの枠組みで患者へ投与された。標準的な治療選択肢が乏しい重篤な患者などを対象に、監督下で未承認の治療を使う仕組みである。

患者の臨床経過と治療結果は公開されていない。 報告は、患者が特定される恐れがあるため経過を開示しないと説明している。同報告は、単一患者の観察から一般的な安全性や有効性は言えないとも述べている (1)。体外で菌を除去したことを、患者の感染症が治ったことに置き換えてはいけない。カクテルの結果から、AI設計成分だけの寄与を取り出すこともできない。患者の菌種、製剤に含まれたファージの数、AI設計でない成分の有無、製造方法、併用した治療は、確認した本文には書かれていない。

「AIが設計した」の中身も確かめておく。報告が設計の例として示すのは、大腸菌のファージT7(ゲノムは約40 kb)の受容体結合タンパク質gp17の領域を、周囲の配列を条件にして生成し直す設計である。ゲノムの他の部分は保たれる。報告はこの設計例を説明用に選んだと述べており、患者に投与された製剤が同じ設計かどうかは本文から分からない (1)。「AIが設計したウイルス」という言い方は、ゲノム全体をAIが書いたという意味ではなく、選んだ領域の改変を指すと読むのが、報告の記述に沿う。

「世界初」は発表主体によるAI設計ファージの投与についての主張だ。ファージ療法そのものも、改変したファージを患者へ投与することも、今回が始まりではない。例えば2019年には、薬剤耐性Mycobacterium abscessus感染症に改変ファージを使った症例報告がある (2)。また、ゲノム言語モデルでファージのゲノムを生成する試みも先にある。Kingらは5.4 kbのΦX174を鋳型にして生成した完全ゲノムから実験室内で増殖可能なファージを得て、そのカクテルがΦX174耐性の大腸菌株を克服したと要旨に述べている (3)。この要旨は実験室内の結果であり、患者への投与には触れていない。

今回の新しさは、治療の全工程をAIで置き換えたことではなく、候補の設計や選別を助けるモデルが、患者への投与につながる開発工程に入ったことだと読む。

「何の菌か」だけでは相手は決まらない

ファージは、どんな細菌にも同じように効くわけではない。WHO欧州地域事務局の解説は、治療に使うファージは宿主への特異性が高いこと、個々の感染に合わせて調整できること、すべての感染に使えるわけではなく細菌がファージへの耐性を獲得し得ることを述べている (4)。この特異性は、狙った菌を選べる利点でもあり、治療候補を準備する難しさでもある。特異性は菌種の水準にとどまらず、同じ菌種の株ごとにも現れる。Gaborieauらは、Escherichia属の403株と96種のファージの間の感染の成否を株ごとに測定し、ゲノム情報だけから予測する研究を報告している (5)。患者から採れた菌に合う候補を探す作業が必要になる理由がここにある。

Omnii-1の公開報告では、設計候補が実験で回収できるかという評価と、特定の菌株で活動性の高い候補を上位に置けるかという評価が分かれている。回収は、設計した候補のうち十分な配列読み取りで検出された割合で、生存可能性の代理指標とされる。検出されなかった設計が生存不能とは限らない。野生型からのアミノ酸変化が11〜15個の設計では69.9%が回収され、無作為の対照では4.8%だった。回収は患者での薬効ではない。活動性の評価では、測定できた6,694変異体のうち2,161変異体が野生型を上回り、無作為の対照で上回ったものはアミノ酸変化が5個以下だったと報告されている (1)。

次に、候補選別の評価を見る。ある評価菌株では、測定したライブラリ全体のうち活動性の基準を超えた候補は4.5%だった。一方、モデルが上位に置いた100候補では24候補が基準を超えた。公表値を割ると、基準超過割合は約5.33倍になる。同報告は、他の2株では上位100候補のうち97候補と96候補が基準を超えたとも記している (1)。

公開報告の候補選別結果を再計算

図1。一次報告の集計値から作成。全ライブラリの4.5%は丸め値で、上位100候補の24%と比較した記述的な比率である。候補を無作為に患者へ投与した試験ではなく、臨床奏効率でもない。

5.33倍は、この固定された候補集合での記述的な倍率である。以下の区間は、同じ成功確率を持つ独立な候補を繰り返し評価する、という仮想的な二項モデルの感度計算として示す。モデルが選んだ上位100候補は無作為標本ではなく、この倍率に有効な信頼区間が付いたと主張するものではない。上位100候補のうち24候補という割合には、独立なベルヌーイ試行を仮定したClopper–Pearson法 (6) の95%信頼区間で16.0〜33.6%の幅がある。4.5%を固定した値として割ると、倍率の幅は約3.6〜7.5倍になる。丸めだけによる幅は5.27〜5.39倍である。これは別添のextra-ranking-checks.pyによる計算で、上位100候補は同じ親ファージから作られた近縁の配列を含み得るため独立とは限らず、4.5%自体の不確実性も含めていない。ライブラリの変異体数が本文に書かれておらず、含められなかった。下限が3倍を超えることも、この仮想モデルの内側での結果にとどまる。別の設計ラウンドや未知菌株で数倍の利得が再現すると保証する区間ではない。

他の2株の97/100と96/100は95%信頼区間がそれぞれ91.5〜99.4%と90.1〜98.9%だが、これを選別の利得とは呼べない。この2株ではライブラリ全体の基準超過割合が本文に書かれておらず(低から高まで広い範囲の活動性と記述されるのみ)、倍率を計算できない。基準の定義も本文には見当たらない。さらに、2株の上位100候補のうち57候補は共通だった。この重複は、二つの菌株の上位候補に共通する配列があることを示すが、ライブラリ全体の共通陽性率が不明なので、無作為な順位より重複が多いか、広い宿主域を選んだかまでは判定できない。報告は第3の株の上位が他の2株と重ならなかったと述べており、こちらでは選ばれた候補集合が異なる。ただし、集合が異なることだけで、株特異的な活動性の予測精度が高いと確定はできない。その株の成績は24/100と三つのうち最も低い。

保留した点もある。学習から除外したとされる評価候補が、配列の類似性まで考慮して分けられたのかは本文に書かれておらず、近縁の配列を学習に含めたことによる見かけの性能は否定できない。この評価菌株が今回の患者の分離菌と同じだとも、公開記述から確認できない。設計評価、選別評価、患者への投与を、同じデータの連続した成績としてつなげないようにしたい。

この評価の意味は限られるが具体的である。モデルが上位に置いた候補を実験で確かめ、その結果を次の判断へ戻す。ここで速くなり得るのは、合う候補に到達する探索である。患者に必要な投与量や期間まで、この選別成績から決まるわけではない。

試験管の活動性と感染部位での曝露は違う

通常の薬でも、標的に作用することと、必要な場所へ届くことは別の問題だ。ファージでは、分布や体内からの除去に加え、感受性のある細菌がいる条件での増殖も関わる。自己複製する薬剤の動態は通常の薬とは異なり、治療結果が密度に依存する閾値に左右され得ることが、早くから指摘されている (7)。2026年9月公開の個別化ファージ療法のコンセンサスは、感染部位の低pHや胆汁酸などの条件がファージの挙動に影響し得ること、宿主の免疫がファージの取り込みや既存・誘導抗体を通じて体内動態を変え得ることを、体系的な研究が必要な課題として挙げている (8)。同じ文書は、人工知能と数理モデルに、宿主域の予測を通じた実験室での絞り込みの削減と、薬物動態・薬力学の最適化への貢献を期待している (8)。

実際の症例にもその例がある。M. abscessus肺感染症の患者に、株に活性のある3種のファージカクテルを6か月投与したところ、喀痰中の菌量は1か月で10分の1に減ったが、2か月後には再び増えた。著者らはこれを、患者がファージへの中和抗体(IgMとIgG)を作ったことと関連づけ、効果が限られた一因と報告している (9)。体外で活性のあるカクテルでも、体内で活性を保つとは限らないことを示す、1例の観察である。

この隔たりを、あえて単純な式で考えてみる。以下は私が作った無次元の説明例だ。Omnii-1の患者にも、特定のファージにも当てはめていない。

同じ初期入力を1と置き、感染部位で利用可能な活性の相対量を

\[ a(\tau)=q\exp(-c\tau) \]

とする。\(q\)はその部位で利用可能になる割合、\(c\)は活性が失われる速さ、\(\tau\)は無次元の時間である。観察範囲を0から4とすると、積算した曝露の指標は

\[ E=\int_0^4 a(\tau)\,d\tau =q\frac{1-\exp(-4c)}{c} \]

になる。増殖、殺菌、細菌の再増殖、耐性化は、この式には入れていない。曝露の違いだけを見るための計算だ。

表1。感染部位への到達割合と失活速度を変えた無次元の合成例。

Hypothetical condition \(q\) \(c\) Integrated exposure \(E\)
High availability, slow activity loss 1.0 0.25 2.528
High availability, fast activity loss 1.0 2.00 0.500
Low availability, slow activity loss 0.2 0.25 0.506
Low availability, fast activity loss 0.2 2.00 0.100

無次元の合成例による曝露の違い

図2。実測値ではなく、上の式から計算した合成例。左は活性の時間変化、右は0〜4の積分。時間は時間・日を意味せず、縦軸もPFUや投与量ではない。パラメータは説明用に選んだ値であり、患者集団の分布を表していない。

この4条件だけでも、積算曝露には約25.3倍の差がつく。25.3倍という数字自体に生物学的な意味はない。値を変えれば差も変わる。言いたいのは、試験管での活動性が同じでも、到達と失活が分からなければ、感染部位での曝露は決まらないということだ。

逆に、2行目と3行目の積分はほぼ同じになる。積算値だけを測っても、到達が少ないのか、速く失活するのかを区別できない。時間を追った測定や、場所の違いを見る理由がここにある。

実際のファージは細菌の中で増えることもあるため、この減衰だけの式で治療を予測することはできない (7)。患者の用量や投与間隔を提案するためのモデルではなく、候補選別の成績から体内動態を埋められないことを示す例である。

先行試験は血中と感染部位を測っている

この問いは、AIの登場を待たずに臨床開発で扱われてきた。2024年に報告されたLBP-EC01のELIMINATE試験の第1部は、6種のファージからなる製剤の投与法を検討した非盲検試験で、39人が割り付けられた。主要評価項目は尿と血液でのファージ量だった (10)。

ここでいう無作為化は投与群間の割付であり、この第1部にはファージを使わない有効性比較群がない。全群で抗菌薬(トリメトプリム・スルファメトキサゾール)も併用している。規定の条件を満たし、10日目まで評価できた16人では菌量の低下と症状の消失が報告されたが、それをファージ単独の効果としては読めない。この16人は探索的な薬力学評価の対象で、39人全体の転帰ではない (10)。

私が注目したのは、血液と尿の両方を測り、安全性・忍容性も確認して投与法を検討した点だ。報告された最大平均濃度は、尿道内投与後の尿で6.3×10⁸ PFU/mL、血漿では静脈内投与の3群で4.0×10³、2.5×10³、8.0×10⁵ PFU/mLだった。血漿の濃度は静脈内用量に依存して高く、より多い静脈内用量では有害事象も多く、1×10¹¹ PFUを静脈内投与した患者の一部に非重篤の頻脈と悪寒があった (10)。尿と血漿は測定対象も投与経路も異なるため、最大値の比(群Aで約1.6×10⁵倍)を効率の指標とはしない。それでも、感染部位の濃度と全身の曝露が別々に動き、後者が安全性の議論に直結する様子は、この試験の数値から読み取れる。

今回のAI設計製剤とは別の製剤、別の患者集団なので、ここからOmnii-1の体内動態を借りてくることはできない。それでも、候補が手に入ったあとに何を測るのかは具体的になる。

必要なのは、菌がその候補に感受性を持つか、活性を持ったファージが必要な場所に存在するか、その状態がどう変わるか、患者の症状や安全性がどう推移するか、という対応だ。コンセンサスも、治療開始の直前に感受性を確認し、必要に応じて標的部位でのファージ分布や免疫応答を解析すること、体外の感受性試験と臨床転帰の関係を体系的に調べることを求めている (8)。配列の生成や相手の予測が進んでも、この対応を測る仕事は残る。

候補の準備と患者の経過の隔たり

薬剤耐性菌の患者ごとに使える候補を準備する。今回の報告では、その候補作りが体外評価を経て患者投与へ接続した。一方、候補の探索から治療結果までの間には、製造、品質、体内動態、感受性の変化、併用治療が入る。「AIが設計した」という出自だけで、これらの寄与が分離されるわけではない。

ここまでの確認から、報告の読み方に三つの具体的な帰結が出る。第一に、報告の選別成績(24/100、97/100、96/100)は、ある設計ラウンドのライブラリ内で、学習から除外された候補を並べ替えた成績である。これらの評価菌株と患者分離菌の対応は確認できていない。4.5%が示された一株では記述的な倍率を計算できるが、残る二株の基準割合、基準の定義、近縁配列の扱いは確認した本文からは分からない。また、候補あたりの費用や所要時間を測っていないため、陽性割合の倍率を探索速度の倍率にはできない。第二に、患者の経過が将来公開されても、単一例で併用治療が行われていれば、カクテルにAI設計でない成分が含まれ得るため、転帰をAI設計の寄与へ割り当てる根拠にはならない。割り当てるには、設計成分と非設計成分を分けた評価が要る。第三に、体外の除去と感染部位の曝露の間には、表1の合成例が示すとおり、積算量だけでは分けられない二つの因子(到達と失活)がある。ELIMINATE試験のように尿と血液を別々に追う設計は、感染部位ごとに異なる濃度を分けて報告する形式の例になり、そのような観測があるかによって、候補選別から独立に体内動態を評価できる範囲が変わる。

限界

本記事は企業の公開技術報告を中心に読んでおり、報告の元データ、図の数値、補足資料は確認していない。区間推定は報告が示す件数だけに基づき、上位100候補の独立性を仮定している。上位100候補について計算した倍率は、丸められた4.5%を基準にしている。ライブラリの大きさが分からないため、その割合の不確実性は計算していない。曝露の合成例は説明用で、どの結論も患者の体内動態を推定するものではない。要旨だけを読んだ資料(2、3、5、7、9、10)では、方法や補足の記述を確認していない。

結論

発表が示したのは、候補の設計と選別を助けるモデルが、体外での除去を経て患者への投与まで至る開発工程に入ったこと、そして一つの設計ラウンドで、モデルが上位に置いた候補に活動性の高いものが多く含まれたことである。示されていないのは、患者の転帰、AI設計成分の寄与、感染部位でのファージ曝露、選別成績と患者の分離菌との対応である。したがってこの発表は、患者ごとの候補探索という段階についての報告として読むべきで、患者の治療成績が改善したことを示すものとはまだ言えない。

データとコードの公開状況

計算コード・入力集計値・図・結果を同梱した。analysis.pyとplot.pyで図と表を再生成できる。公表値の算術と、無次元の合成例を別々に保存している。上位100候補の割合のClopper–Pearson区間と倍率の幅は、追加スクリプト(報告の件数24、97、96と割合4.5%のみを入力とする。実行手順)で計算した。モデルの再学習、配列設計、原実験の再解析、患者データへの当てはめは行っていない。

確認日は2026年10月24日で、10月29日に報告の本文を再度確認した。Omnii-1の主張は10月20日付の公開技術報告を確認日時点の内容で読んだもので、独立した査読済み臨床試験の結果としては扱っていない。原資料の文章・画像・配列は配布物に含めていない。

参照

  1. Iyengar A, Siranosian B, Sarkar A, Noonan A, Poli M, Nguyen E, et al. Radical Numerics creates first AI-generated phages to reach human patient with Omnii-1 [technical report]. Radical Numerics. 2026 Oct 20 [cited 2026 Oct 29].
  2. Dedrick RM, Guerrero-Bustamante CA, Garlena RA, Russell DA, Ford K, Harris K, et al. Engineered bacteriophages for treatment of a patient with a disseminated drug-resistant Mycobacterium abscessus. Nat Med. 2019;25(5):730–733.
  3. King SH, Driscoll CL, Li DB, Guo D, Merchant AT, Brixi G, et al. Generative design of bacteriophages with genome language models. Science. 2026;393(6811):eaec2657.
  4. WHO Regional Office for Europe. Bacteriophages and their use in combating antimicrobial resistance [fact sheet; cited 2026 Oct 29].
  5. Gaborieau B, Vaysset H, Tesson F, Charachon I, Dib N, Bernier J, et al. Prediction of strain level phage-host interactions across the Escherichia genus using only genomic information. Nat Microbiol. 2024;9(11):2847–2861.
  6. Clopper CJ, Pearson ES. The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika. 1934;26(4):404–413.
  7. Payne RJ, Jansen VA. Phage therapy: the peculiar kinetics of self-replicating pharmaceuticals. Clin Pharmacol Ther. 2000;68(3):225–230.
  8. Würstle S, Lieberknecht-Jouy SC, Düchting A, Lößner H, Ceyssens PJ, Pirnay JP, et al. A consensus-based guideline for personalized bacteriophage therapy. Nat Med. 2026;32(10):3578–3594. Published online 2026 Sep 21.
  9. Dedrick RM, Freeman KG, Nguyen JA, Bahadirli-Talbott A, Smith BE, Wu AE, et al. Potent antibody-mediated neutralization limits bacteriophage treatment of a pulmonary Mycobacterium abscessus infection. Nat Med. 2021;27(8):1357–1361.
  10. Kim P, Sanchez AM, Penke TJR, Tuson HH, Kime JC, McKee RW, et al. Safety, pharmacokinetics, and pharmacodynamics of LBP-EC01, a CRISPR-Cas3-enhanced bacteriophage cocktail, in uncomplicated urinary tract infections due to Escherichia coli (ELIMINATE): the randomised, open-label, first part of a two-part phase 2 trial. Lancet Infect Dis. 2024;24(12):1319–1332.

All articles