製薬企業のAIは、化合物の候補を探す研究用のモデルと、MRの訪問計画を組む営業支援とで、守るべき規制がまったく違います。この記事では、製薬AIを創薬・臨床開発・安全性情報管理(PV)・営業とMR活動の4領域に分け、治験候補患者の抽出やインタビューフォーム初稿の生成AIといった公開事例の中身を確かめます。そのうえで、GxPやCSV(コンピュータ化システムバリデーション)の対象業務に入るかどうかの線引き、欧州で示されたAI専用のGMP草案の内容、RAGや監査証跡をどこまで作り込むかを整理しました。最後に、既製品で足りる用途と個別開発に進む条件、導入を見送る場面を言い切ります。
まとめ:製薬AIは4領域で規制の重さが違い、GxP該当性が開発範囲を決める
製薬AIの導入判断は、AIの種類ではなく「その業務がGxPの規制対象か」で最初に分かれます。営業・マーケティングと研究の初期段階は規制が軽く、既製品やクラウドの生成AIから始められる領域です。治験・安全性情報・製造に入ると、記録の信頼性を示すバリデーションと監査証跡が必要になり、開発の範囲と期間が大きく変わります。
生成AIの扱いには明確な線が引かれつつあります。欧州委員会が2025年に意見募集したGMPのAI専用の附属書(Annex 22)草案は、生成AIと大規模言語モデル(LLM)を、製品品質や患者安全に直接影響する重要用途に使うべきでないとしました。製薬企業の生成AIは「担当者が確認する下書き」までにとどめるのが、現時点の現実的な設計です。
受託開発が効くのは、社内文書と申請資料を根拠にするRAG、出力と根拠を残す記録の仕組み、複数のシステムからデータを集める基盤の3つです。GxPの該当性を社内で判断できない段階や、出力を確かめる担当者を置けない体制なら、導入は見送ります。
製薬AIの4領域、創薬・臨床開発・安全性情報管理・営業とMR活動の違い
製薬業界のAI事例を集めた記事では、創薬のモデルも営業の効率化も同じ「製薬AI」として並びます。発注や導入を考える側から見ると、領域ごとに規制の重さと使うデータが違うため、先に4つへ分けて考えるほうが判断を誤りません。
創薬・研究のAI、化合物探索と論文データの構造化で変わる研究の進め方
創薬のAIは、標的となるたんぱく質や化合物の性質を予測し、合成して試す候補を絞り込む用途です。Googleが公開した創薬向けのLLMのように、モデル自体は大手やスタートアップが作り、製薬企業はそれを自社のデータで試す形が中心になっています。モデルの性能と使い方は創薬向けLLMのTx-LLMと後継TxGemmaで解説しています。
研究の初期段階は、承認申請の根拠データを作る非臨床試験(GLP)より前にあり、GxPの規制はかかりません。受託開発の出番が多いのはモデルそのものより周辺で、社内の実験記録や論文から化合物名・条件・結果を抜き出して表に整える作業が典型です。
臨床開発のAI、治験候補患者の抽出と治験関連文書の下書き作成
臨床開発では、治験の参加条件に合う患者を電子カルテから探す作業にAIが使われ始めています。近畿大学・中外製薬・NTT・NTTデータの4者は2026年6月30日、リアルワールドデータとLLMを用いた治験候補患者抽出の共同研究の開始を発表しました。
この研究は、PythonとSQLによるルールベースの抽出、LLMによる抽出、両者の組み合わせの3通りを、医師と治験コーディネーター(CRC)の判定と比べる設計です。LLMにはNTTの「tsuzumi 2」を使い、期間は2027年3月までの予定です。AIの判定をそのまま使うのでなく、人の判定を正解として精度を測るところから始めている点が、治験でAIを扱うときの順序をよく表しています。
治験関連の契約や同意書の電子化は別の論点で、署名方式と保存要件は医療業界の電子契約システムの治験・同意書ごとの要件で整理しています。
安全性情報管理(PV)の生成AI、インタビューフォーム初稿で見えた適用範囲
市販後の安全性情報管理(ファーマコビジランス、PV)は、文書の量が多く、生成AIとの相性が良い領域です。NTTデータが2026年4月2日に公開した中外製薬との医薬品安全性情報管理の取り組みでは、薬剤師向けの詳しい説明資料であるインタビューフォーム(IF)の初稿を、RAGと生成AIで作る仕組みが紹介されています。
根拠にする資料は承認申請資料と電子化された添付文書のPDFで、資料をCSVに構造化してから生成AIで執筆し、セクションごとのファイルを1冊にまとめる4段階の流れです。約10セクションで検証し、納期を1〜2カ月程度短縮できる見込みとしています。品質を確かめるQCは今も人が行っています。
この事例の要点は、生成AIの役割が「初稿」で止まっていることです。副作用の報告や評価そのものはGVP省令(医薬品の製造販売後安全管理の基準)の対象業務で、判断を生成AIに任せる設計にはなっていません。
営業・MR活動とマーケティングのAI、規制が最も軽く既製品が多い領域
4つめは営業とマーケティングです。医師ごとの関心に合わせた情報提供の順番を提案する、MRの訪問記録を要約してCRMに残す、問い合わせ窓口の回答案を作る、といった用途がこれに当たります。製薬業界でMRとデジタルの接点を組み合わせる手法はクローズドループマーケティング(CLM)の手順で解説しています。
この領域はGxPの対象外で、CRMやSFAの製品に付いているAI機能から始められます。ただし、医療従事者に届く資材の文面をAIで作るなら、販売情報提供活動のガイドラインに沿った社内審査は従来どおり必要です。
GxPとCSVで決まる製薬AIの要件、規制対象業務に入るかどうかの線引き
製薬企業でAIを業務に組み込むとき、最初に決めるのは「そのシステムがGxPの記録を作るか」です。GxPとは、GLP(非臨床)・GCP(治験)・GMP(製造)・GVP(安全性)など、医薬品の品質と信頼性を保つための規制の総称です。
GxP対象業務か否かを先に判定する、CSVガイドラインとER/ES指針の適用範囲
国内では、製造所で使うシステムはコンピュータ化システム適正管理ガイドライン(平成22年10月21日 薬食監麻発1021第11号、平成24年4月1日適用)に沿ってバリデーションを行います。申請や記録を電子で残す場合は、ER/ES指針(平成17年4月1日 薬食発第0401022号)が電子記録と電子署名の信頼性の要件を定めています。
| 領域 | 主な規制 | AIに必要な対応 |
|---|---|---|
| 創薬・研究の初期 | 対象外 | 社内ルールのみ |
| 非臨床・治験 | GLP・GCP | 記録の信頼性確保 |
| 製造・品質 | GMP・CSV | バリデーション必須 |
| 市販後の安全性 | GVP | 判断は人が担う |
| 営業・マーケ | 対象外 | 資材の社内審査 |
表のとおり、同じ生成AIでも置く場所で必要な対応が変わります。実務では、AIを入れたい業務の一覧を作り、1つずつ品質保証部門とGxP該当性を判定してから開発の範囲を決めると、後からバリデーションをやり直す手戻りを防げます。
EU GMP Annex 22草案の判断軸、生成AIとLLMを重要用途に使わない方針
欧州委員会は2025年7月7日から10月7日まで、GMPガイドラインのChapter 4・Annex 11改訂と新設Annex 22(AI)の意見募集を行いました。2026年11月時点で、確定版の公表は確認できていません。
Annex 22草案の対象は、医薬品と原薬の製造で、患者安全・製品品質・データインテグリティに直接影響する重要用途のAIです。対象は、使いながら学習し直さない静的なモデルと、同じ入力に同じ出力を返す決定論的なモデルに限られます。生成AIとLLMは対象外とし、重要用途には使うべきでないと明記しました。重要でない用途で使う場合は、適格な担当者が出力の妥当性に責任を持つ「人が介在する運用(HITL)」を求めています。
国内の規制ではありませんが、欧州に製品を出す製薬企業はこの線に合わせて社内基準を作り始めています。製造の外観検査や異常検知のような判定AIは静的モデルで組み、生成AIは文書の下書きと検索に使う、という分け方が当面の基本になります。
FDAとEMAの10原則とリフレクションペーパー、利用目的の明確化という共通点
医薬品のライフサイクル全体については、EMAが2024年9月30日に医薬品ライフサイクルにおけるAI利用のリフレクションペーパー(EMA/CHMP/CVMP/83833/2023)を公開しています。創薬から市販後までの各段階を扱う文書です。
2026年1月14日には、EMAとFDAが医薬品開発におけるAIの10原則を共同で公表しました。初期研究・治験から製造・安全性監視までを対象に、人間中心の設計、リスクに応じた対応、明確な利用目的(コンテキスト・オブ・ユース)、データガバナンスと文書化、ライフサイクル管理などを挙げています。FDAは2025年1月にも、規制上の判断にAIを使う場合の信頼性評価をまとめたガイダンス案を出しました。
どの文書にも共通するのは「そのAIを何の判断に使うかを先に文書で決める」ことです。発注する側は、要件定義の最初に利用目的と、出力を誰がどう確認するかを書いておくと、後の当局対応の材料がそろいます。
製薬企業のAIがプログラム医療機器になる場合、診断支援や治療用アプリとの境目
製薬企業が患者向けのアプリや医師向けの診断支援を作る場合は、薬機法の医療機器プログラムに当たるかも確かめます。判断の拠り所はプログラムの医療機器該当性に関するガイドライン(令和5年3月31日一部改正が現行)で、個別の患者の疾病の可能性を示す機能は医療機器に該当する側です。該当する場合の承認区分と開発体制はプログラム医療機器の該当性と承認区分で解説しています。
製薬企業のAIで受託開発が担う範囲、RAG・監査証跡・データ基盤の作り込み
製薬企業の生成AIは、汎用のチャットを配るだけでは業務に入りません。根拠となる社内文書をどう引くか、出力と根拠をどう残すか、データをどこから集めるかの3点で、作り込みの量が決まります。
社内文書と申請資料を根拠にするRAG構成、出典表示と版管理の要件
PVのIF初稿の事例のように、製薬の文書作成は「承認された資料に書いてあること」から外れないことが条件です。そこで、社内の承認済み文書を検索して根拠として渡すRAGの構成をとります。仕組みと費用の考え方はRAGの仕組みとファインチューニングとの違いで整理しています。
製薬向けで追加になるのは、出力の各文がどの文書の何版のどこから来たかを表示する機能と、添付文書の改訂で古い版を検索対象から外す版管理です。添付文書は改訂が多いため、古い版を根拠にした下書きが混ざらないよう、文書管理システムの改訂日と連動させて索引を作り直す設計にします。
監査証跡とプロンプト・出力の記録、GxP業務の周辺で残すログ5項目
GxPの対象業務で生成AIの下書きを使うなら、後から「誰が何を入れ、AIが何を返し、誰が直したか」を追える記録が要ります。最低限、次の5項目を残す設計にしておきます。
- 入力したプロンプトと、RAGで渡した根拠文書の識別子と版
- 使ったモデルの名称とバージョン、設定値
- AIの出力の全文
- 確認者が修正した後の確定文と、確認者・日時
- 確定文を承認した担当者と、承認の電子署名
モデルのバージョンを残す理由は、クラウドの生成AIは提供側の更新で同じ入力でも出力が変わるためです。Annex 22草案が生成AIを重要用途から外した理由もここにあり、記録が残っていれば、出力の変化を後から説明できます。
生成AIに患者・医療従事者の情報を入れる前の確認、個人情報保護委員会の注意喚起
副作用の症例報告には患者の病歴が含まれ、要配慮個人情報に当たります。MRの訪問記録に含まれるのは、医師の氏名と所属です。個人情報保護委員会の生成AIサービスの利用に関する注意喚起等(令和5年6月2日)は、入力が利用目的の範囲内かを確かめること、入力データが機械学習に使われないかをサービス提供事業者に確認することを求めています。
実装上は、入力データを学習に使わない契約の法人向けプランやAPIを使い、氏名や症例番号を外してから渡す処理をシステム側に入れます。漏えいの経路と入力ルールの作り方は生成AIの情報漏洩の事例と5つの経路で解説しています。
複数システムからデータを集める基盤、安全性DB・CRM・文書管理の連携
製薬企業のデータは、安全性情報のデータベース、営業のCRM、文書管理システム、研究部門の実験記録に分かれています。AIに渡すにはこれらを取り出してそろえる基盤が先に必要で、費用の大半がここにかかる案件も珍しくありません。製薬を含む業種別の構成例はデータパイプラインの事例12選で比較しています。
製薬AIを個別開発すべき条件と見送る場面、既製品・PoC・本番化の分かれ目
ここまでの整理を踏まえ、どの領域で既製品を選び、どこから個別開発に進むかを条件付きで言い切ります。
既製品で足りる用途、営業支援と汎用の文書作成は製品比較から始める
営業・マーケティングのAIは既製品から始めるべきです。CRMやSFAの製品に付いた要約・提案の機能で足りることが多く、個別に作る理由が乏しい領域です。社内文書の要約や翻訳も、学習に使わない契約の法人向け生成AIで十分にこなせます。
創薬のモデルも、自社でゼロから作るより、公開されたモデルや創薬AIの専門企業の製品を試すほうが早く結果が出ます。
個別開発に進む条件、承認済み文書を根拠にする生成と監査証跡が要る業務
個別開発が合うのは、次の条件が2つ以上重なる場合です。
- 承認申請資料や添付文書など、社内の承認済み文書だけを根拠に文書を作る必要がある
- GxPの対象業務の周辺で使い、入力・出力・確認者の記録を残す必要がある
- 安全性DB・CRM・文書管理など、複数システムのデータを合わせてAIに渡す
- 患者や医療従事者の情報を外部に出さない構成が条件になっている
この場合も、生成AIの役割は担当者が確認する下書きと検索までにとどめ、判定や承認は人が行う設計にします。RAG・記録の仕組み・データ基盤を含めた開発は生成AI開発・AI受託開発で相談を受けています。
見送る場面、GxP該当性が社内で決まらない段階と検証担当者のいない体制
導入を見送るべき場面ははっきりしています。1つは、品質保証部門とAIの利用範囲を合意できておらず、GxPの該当性が決まらない段階です。この状態で開発を始めると、途中で対象業務と判定されたときにバリデーションを最初からやり直すことになります。
もう1つは、AIの出力を確かめる担当者を置けない体制です。IF初稿の事例でもQCは人が行っています。試行の段階で、確認にかかる時間が手作業より短くなるかを測り、短くならないなら本格導入はしない、と決めてから始めてください。精度目標と本番移行の判断はAI PoCの精度目標と本番移行の基準が参考になります。
製薬AIでよくある質問、GxP対応・費用・生成AIの社内利用ルール
製薬企業の研究・開発・安全性・営業の各部門から寄せられることの多い質問に、規制と実務の両面から答えます。
製薬企業で生成AIをGxP業務に使ってもよいですか?
国内には生成AIを一律に禁じる規制はありませんが、GxPの記録を作る業務では、コンピュータ化システムとしてのバリデーションと記録の信頼性が求められる前提は変わりません。欧州のAnnex 22草案は、製造の重要用途に生成AIとLLMを使うべきでないとしています。現実的なのは、担当者が確認して確定する下書きや、承認済み文書の検索に用途を限り、入力・出力・確認者の記録を残す使い方です。判定や承認を生成AIに任せる設計は避けてください。
製薬AIの導入費用はどれくらいかかりますか?
費用は領域と作り込みの範囲で大きく変わり、公的な相場はありません。営業支援や文書要約は既製品の利用料で始められますが、承認済み文書を根拠にするRAGや監査証跡の仕組みを作る場合は、データの取り出しと記録の設計に開発費の多くがかかります。見積りを取るときは、AIの部分と、データ連携・記録の部分を分けて出してもらうと比べやすくなります。
創薬AIは製薬企業が自社で開発するべきですか?
多くの企業では、モデル自体を自社で一から作る必要はありません。創薬向けの公開モデルや専門企業の製品を、自社の化合物データで試すほうが早く判断できます。自社で作り込む価値があるのは、実験記録や論文から学習・評価用のデータを整える前処理と、研究者が結果を見比べる画面の部分です。研究の初期段階はGxPの対象外なので、試行は小さく早く回せます。
MRの営業活動にAIを入れるとき、どんな点に気をつければよいですか?
GxPの対象外なので規制は軽い一方、医療従事者の個人情報と、販売情報提供活動のガイドラインへの適合の2点に注意します。訪問記録をクラウドの生成AIで要約するなら、入力データを学習に使わない契約を確認してください。AIが作った面談資料や案内文は、従来の資材と同じ社内審査を通してから使います。AIの提案はMRの判断材料にとどめ、提案文をそのまま医師へ送らない運用にしておくのが安全です。
海外当局のAI指針は日本の製薬企業にも関係しますか?
欧州や米国に製品を出す、または海外の治験データを申請に使う企業には直接関係します。EMAとFDAが2026年1月に公表した10原則は、医薬品開発の全段階でAIを使う開発者と承認申請者が対象です。国内だけで事業をする企業でも、利用目的を文書で決める、データとモデルの版を管理する、という考え方は国内のCSVの考え方と重なるため、社内基準を作るときの下敷きとして使えます。
関連記事
- 医療AIとは?画像診断支援・問診・文書作成の用途別整理と導入判断【2026年】:医療機関側から見たAIの用途と導入判断
- 金融AIの導入判断:不正検知・審査・生成AIの適用範囲と規制要件の整理:規制業種でAIの適用範囲を決める考え方の比較
- 工場のAIとは:外観検査・予知保全・生産計画・技能伝承の選び方と効果が出る条件:製造現場の判定AIの選び方