パート1

柴亮太結論から言う。SURPASSで変わるのは、AIが薬の合否を勝手に決めることではない。臨床試験を段階ごとに作り直すやり方から、データを見ながら連続的に設計を更新するやり方への転換だ。

柴亮太一次出典は米国保健高等研究計画局、ARPA-Hの公式発表だ。二〇二六年九月三十日にSURPASSを公表し、公募を始めた。

柴亮太公式ページは、医薬品や生物製剤の臨床開発が十年以上、費用は十億から二十億ドル、失敗率は九〇パーセントに達すると説明する。

柴亮太目標は、その期間を四年未満に縮め、費用と参加者負担も減らすこと。ただし、これは達成済みの実績ではなく、研究開発プログラムの目標だ。

パート2

柴亮太技術の柱は三つある。第一は、デジタルツインなどの予測モデルで開始前に結果と運用を試す、フェーズレス設計エンジンだ。

柴亮太第二は、データが増えるたびに妥当な判定を続ける連続推論エンジン。第三は、施設立ち上げやデータ整形を自動化するエージェント型運用層だ。

柴亮太さらに共通対照群と共有基盤を使い、治療群を追加しながら続く適応型の試験を目指す。毎回ゼロから会場と仕組みを作る無駄を減らす発想だ。

柴亮太STACKは試験施設と参加登録、COMMONSは同意と規制品質のデータ基盤、CINCHは患者自身のデータ提供と試験案内を担当する構想になっている。

パート3

柴亮太俺が実装者として評価するのは、生成AIを一個置けば速くなる、という雑な話ではない点だ。設計、解析、運用、同意、データ連携まで同時に変えようとしている。

柴亮太約四十のプロダクトを一人で回すと、遅さの原因は文章作成より引き継ぎにある。別々の台帳、重複した準備、承認待ちが全体を止める。

柴亮太仕事への応用は明快だ。まず案件ごとに作り直している共通工程を見つける。次に、判断に使うデータ、比較基準、中止条件を同じ形式に揃える。

柴亮太その上でAIには、記録の整理、候補の比較、異常の通知を任せる。承認者、責任者、差し戻し条件は人間側の規則として固定する。

柴亮太営業なら案件の段階を毎週作り直すのではなく、共通の顧客情報と失注条件を持つ。開発なら、テスト結果に応じて優先順位を更新する。構造は同じだ。

パート4

柴亮太ただし、臨床試験では速さだけを最適化できない。少ない参加者で結論を出すほど、モデルの偏り、希少な副作用、集団差を見落とす危険が増える。

柴亮太予測モデルが間違えた時に、誰が止めるか。途中で試験設計を変えた時に、統計的な妥当性をどう保つか。規制当局が何を証拠として受け入れるか。ここが本丸だ。

柴亮太ARPA-Hの説明も、自動化が責任や判断権限を置き換えるとはしていない。技術だけでなく、生物統計、規制科学、患者中心設計を同じチームに求めている。

柴亮太一次資料は https://arpa-h.gov/explore-funding/programs/surpass と、同じサイトの九月三十日付公式発表にある。

柴亮太未検証事項も多い。現時点は公募中で、フェーズレス設計が承認期間を本当に四年未満へ縮めた実例も、費用削減率も、患者数削減率もまだ示されていない。

柴亮太だから俺は、AIで臨床試験が即座に速くなるとは言わない。共通基盤と連続判断を作り、検証可能な形で運用できた時に初めて速くなる。

柴亮太自分の仕事でも同じだ。先に工程と責任をつなぎ、AIはその上で使う。道具を増やす前に、止まる場所を可視化する。それがSURPASSから持ち帰る実務の結論だ。

柴亮太結論は、臨床試験のAI化ではなく、臨床試験そのものの再設計だ。成果は派手な発表ではなく、時間、費用、参加者負担、安全性の実測で判断すべきだ。