OpenAI、GPT‑Rosalindを更新──創薬研究向けAIは「実験ワークフロー」全体へ踏み込む

OpenAIは、ライフサイエンス研究向けのGPT‑Rosalindシリーズに新機能を追加した。GPT‑5.5のエージェント的なコーディングとツール利用を取り込み、創薬、ゲノミクス、定量生物学、実験トラブルシュートなどの領域で性能を高めたとしている。

この発表が重要なのは、AIが論文要約や質問応答を超え、研究ワークフロー全体の補助へ近づいている点だ。分子、遺伝子、経路、実験記録など、異なるスケールの情報を統合し、仮説づくりから検証計画まで支える方向に進んでいる。

GPT‑Rosalindは何を狙うのか

研究AIの競争軸は専門知識だけではない

ライフサイエンスでは、正しい知識を持つだけでは足りない。論文、図表、実験記録、社内データ、候補分子、失敗例をつなぎ、どの証拠が強く、どこに不確実性が残るかを整理する必要がある。OpenAIはLifeSciBenchを通じ、証拠処理、分析、設計、推論、検証、コミュニケーションまで含む評価を行っている。

これは、AIが「研究者の代わりに答えを出す」よりも、「研究者がより速く、より慎重に判断するための作業環境」へ近づく流れと見た方がよい。特に創薬では、AIの提案が実験コストや安全性に直結するため、根拠の追跡性とレビュー体制が不可欠になる。

日本企業・研究機関への示唆

製薬、バイオ、素材、医療AIに関わる組織は、モデル単体ではなく、データガバナンス、研究記録、実験系との接続を含めて検討したい。研究AIは、既存のELN、LIMS、解析パイプラインとつながったときに価値が大きくなる。

同時に、AIの出力を実験事実や臨床判断と混同してはいけない。候補提案、文献整理、検証計画の作成には有効でも、最終判断には専門家レビュー、再現性確認、規制対応が必要だ。研究AIの進化は、研究者の仕事を置き換えるというより、研究の速度と検証密度を上げる方向で効いてくる。

参考：OpenAI公式発表 / GPT-Rosalind