2025年4月、米国食品医薬品局（FDA）は「前臨床安全性試験における動物実験削減に向けたロードマップ」を発表し、インシリコモデル、オルガノイド、その他の非動物代替法を含む新手法（NAMs）の推進への取り組みを概説した。このガイダンスは、治験薬申請（IND）のスポンサーに対し、動物実験に代わる科学的に信頼性の高い代替法の採用を促すものであり、規制当局への申請において、よりヒト関連性の高い人工知能（AI）統合プラットフォームへの移行を示すものである。
2025年1月、FDAは「医薬品および生物学的製剤の規制上の意思決定を支援するための人工知能（AI）の使用に関する考慮事項」と題する関連ガイダンス案を公表しました。このFDAガイダンスについてはこちらで詳細に議論しています： AI医薬品開発：FDAがガイダンス草案を公開.
要約すると、本ガイダンスは医薬品開発ライフサイクル全体におけるAIの活用に特に焦点を当てています。モデルの使用状況に基づくリスクベースの枠組みを紹介し、モデルアーキテクチャ、データガバナンス、ライフサイクル管理、潜在的な臨床的影響（特にモデルが患者の安全性や医薬品の品質に影響を与える場合）について開示すべき情報を概説しています。
現実世界の事例が増加していることから、AIを活用したNAM（神経モデル）が現実のものとなりつつあり、AIとライフサイエンスの統合が成功していることが実証されている。 特に、生理学的詳細を備えたシリコプラットフォームであるUVA/パドヴァ1型糖尿病シミュレーターは、既にFDAの承認を得て、持続血糖モニタリング（CGM）デバイスの規制承認を支援するために使用されている。これは、仮想生理学的システムがFDA承認の証拠基盤の一部を形成し得るという具体的な兆候である。
FDAが内部でAIを積極的に取り入れる姿勢は、規制当局としてのメッセージを強化するとともに、デジタルツールへの長期的な組織的取り組みを示している。特にFDAは、生成AIツール「エルサ」を含む内部業務向けAIツールの新規活用を公表した。FDAは2025年6月末までにこれらのツールを全庁的に広く導入する方針を示している。
これらのFDAの取り組みは、重要な進化を示すものである。AIやその他のインシリコプラットフォームは、今や許容されるだけでなく、規制審査とともに、前臨床および臨床の意思決定においてますます中心的な役割を担っている。この認識に伴い、スポンサーや開発者には、規制当局に対する信頼性の証明と、強固な知的財産戦略によるイノベーションの保護という二重の要請が生じている。NAMsは、プライバシーと機密性の懸念の両面において、企業のリスク露出を大幅に増加させる。
以下のセクションでは、企業が法的チームと連携し、戦略的に対応する方法を探る。具体的には、FDAの新規枠組みを活用し、AIモデリングにおけるイノベーションを保護し、データガバナンスの実践が規制目標と知的財産目標の両方に整合するよう確保する。
NAMとは何か？
NAMsとは、医薬品の安全性および有効性を評価するための非動物戦略を指す。これには、インシリコモデル、微小生理学的システム、オルガノイド、計算毒性学プラットフォーム、AI駆動型臨床シミュレーションなどが含まれる。NAMsは、スピード、コスト、倫理的妥当性において利点を提供すると同時に、ヒトの生物学により密接に整合する。
急速な進展にもかかわらず、FDAによるAIベースのNAMsの正式な受容は依然として限定的である。UVA/Padova 1型糖尿病シミュレーターは、FDA規制申請（特にCGMデバイスの評価において）で成功裏に使用されたインシリコモデルの唯一広く引用される事例であり続けている。その受容は、複雑な生理学的シミュレーターの規制経路の可能性を裏付けている。
しかし、NAMsのエコシステムは急速に拡大している。すべてがFDAの完全な認定を取得したわけではないが、有望なAIおよびデータ駆動型プラットフォームが複数検討されている：
- 臓器オンチップおよびオルガノイドモデル：患者由来オルガノイドと臓器オンチップシステムは、組織特異的反応をシミュレートするために検証が進められている。例えば、腸オルガノイドはT細胞療法における標的外毒性を予測することが示されている。
- AIベースの計算毒性学：大規模な毒性学データベースで訓練されたAIモデルが有害な結果を予測するために開発されており、FDAは共同検証プロジェクトを通じてこれを支援している。
- インシリコ臨床試験（ISCTs）：計算機による患者モデルが臨床試験結果のシミュレーションに試験導入されており、特に医療機器試験において、モデル検証と不確実性分析のための定義済みワークフローが用いられている。
- 生理学的薬物動態（PBPK）モデル：これらは薬物の分布と代謝をシミュレートし、薬物動態プロファイリングにおける動物試験の部分的な代替手段として検討されている。
- 合成対照群：AIによって生成された仮想患者コホートが、臨床試験におけるプラセボ群の代替として注目を集めており、実際の患者参加者の数を減らすのに役立っている。
- ウェアラブル統合型AI：デジタルヘルス技術（例：ウェアラブルデバイス）からのリアルタイムデータを分析するAIモデルが、患者モニタリング、エンドポイント判定、臨床試験管理における役割について検討されている。
NAMsとFDAリスクフレームワーク
2025年1月のガイダンスに基づき、FDAは二次元リスクフレームワークを採用している：
1. モデル影響リスク：AIモデルの出力結果が意思決定に与える影響の度合い。
2. 決定結果リスク：それらの決定が患者の安全またはデータの完全性に及ぼす可能性のある影響。
これにより、必要な文書化と開示の範囲が決定される。高リスクAIモデルには、トレーニングデータ、モデル性能、ガバナンスに関する詳細な提出物が必須となり、営業秘密保護との緊張関係を生み出し、特許保護の戦略的必要性を高める。FDAのAIベースNAMに対する姿勢の変化は、AI対応プラットフォームがまもなく規制申請の標準的構成要素となることを示唆している。したがって、開発者は以下B項およびC項で論じる知的財産権（IP）およびデータガバナンスの問題について、早期に計画を立てる必要がある。
知的財産戦略への示唆
FDAのガイダンスによれば、NAMsおよびAIモデルが臨床または製造上の意思決定に活用される場合、関係者はデータソース、モデル訓練手順、評価指標、保守プロトコルに関する開示を求められる可能性がある。こうした透明性要件が拡大するにつれ、営業秘密のみに依存することは現実的ではなくなり、特許保護またはハイブリッド知的財産戦略の重要性が増している。 NAMsおよびAIモデルに関連する具体的な技術革新をマッピングすることで、関係者は特許取得可能な発明を明確に特定できる。以下のフレームワークは、モデル自体を超えたNAMsおよびAIモデルに内在または関連する主要な技術的進歩をマッピングするための実践的なアプローチを提供する。
このモデルは、臨床的に活用可能な情報を新たな方法で生成または実現しますか？
新たな臨床情報の発見は、新たな方法ステップ（例：特定の投与経路）、製剤、投与量、異なる適応症や患者集団に対する治療法を示唆し得る。GLP-1受容体作動薬に関する我々の先行分析で論じた通り、新たに発見された作用機序自体は特許化できない場合もあるが、それらはしばしば新たな治療方法、投与計画、または製剤に関するクレームを可能にする。参照 GLP-1受容体作動薬と特許戦略：既存薬剤の新規用途に対する特許保護の確保参照。したがって、NAMの使用は、新たな患者集団、投与量、または製剤に基づく治療方法に関する特許請求を意味し得る。あるいは、NAMの使用は、患者転帰の予測や治療反応のモニタリングに関するワークフローを対象とした特許請求を意味し得る。
このモデルは治療レジメンや試験プロトコルの設計方法を変えるのか？
例えば、AIモデルは臨床試験に必要な管理や設計を変更する可能性がある。具体的には、対象基準や除外基準、あるいは分子サブタイプ、ゲノム、エピゲノムシグネチャに基づく患者層別化の新たな手法などが挙げられる。
さらに、動的なAIシステムは治療薬の投与間隔やタイミングを変更する可能性がある。
このモデルはデータ入力または統合に関して新たな要件を課すか？
AIモデルは、例えば画像データ、オミクスデータ、ウェアラブルデータを統合するなど、新たなマルチモーダルまたは縦断的統合を必要とする可能性がある。 AIモデルは、患者クラスターを特定するために疫学データを組み込む可能性があり、患者から得られた分子シグネチャ、ゲノム、エピゲノム、またはマルチオミクスデータの大規模データから得られる複雑なバイオマーカーシグネチャとの組み合わせが考えられる。したがって、このようなAIモデルの使用は、患者転帰の予測、患者集団の層別化、疾患発症の検出またはモニタリングを可能にする情報の流れに向けた特許取得可能なワークフローを意味する可能性がある。
AIモデルまたはそのデータ構造は、上流サンプルの収集方法や処理方法に影響を与えますか？
AIモデルは患者検体のワークフローを変更する可能性があり、特許取得可能な方法につながる恐れがある。変更点には、新たな生体試料保存プロトコルの導入、検体量や種類の要件変更、前処理工程の追加などが含まれる。こうしたワークフローの調整は、検体調製方法、AIと統合された自動化システム、または特別に処理された検体を用いた組成物に関する特許請求を裏付ける可能性がある。
要するに、AIモデルが臨床試験や動物実験に限定されていた役割を担うにつれ、医療上の意思決定、データ収集、規制上の結果に対するその影響は、より精緻で先見的な知的財産戦略を必要としている。 上記の枠組みは、モデル自体だけでなく、上流ワークフロー、治療パラダイム、ライフサイクル管理への影響に結びついたイノベーションを体系的に特定する手法を提供する。イノベーションリーダーや知的財産チームにとって、この枠組みはAIモデルの将来性を確保し、戦略的な保護を確実にする体系的な方法となる。
この戦略的視点は、同様に厳格なデータガバナンス手法の必要性も浮き彫りにしており、これについてはセクションCで検討する。
NAM時代におけるデータガバナンスと区画化
インシリコNAM（数値モデル）やAI搭載プラットフォームがFDA申請の核心となる中、データガバナンスは規制遵守と知的財産保護の両面で重要な戦略的基盤として浮上している。スポンサーは今や、データ品質やモデル性能だけでなく、データ開示が競争優位性とどう交差するかを計画しなければならない。
FDAガイダンスはライフサイクルの透明性を強調している：データ入力、トレーニングデータセット、テストコホート、モデル検証戦略、さらには将来の更新内容まで開示・監視が必要となる可能性がある。こうした開示は規制当局の信頼を促進する一方で、特にモデル性能が独自データセットやデータ準備パイプラインに大きく依存する場合、営業秘密や競争上の差別化に対するリスクも孕む。 多くのライフサイエンス企業はプライバシーの文脈における堅牢なデータガバナンスに精通しているが、規制遵守と知的財産保護のバランスを取る際の機密性管理や開示は、プライバシー考慮事項とは異なる。この相反する課題を解決するため、開発者は階層化されたデータガバナンス戦略を検討すべきであり、以下を重視する：
1. モデルコンポーネントのモジュール化と区画化
- モデル設計の要素（前処理パイプライン、モデルアーキテクチャ、デプロイ環境など）を分離することで、企業は特定の規制環境に関連する部分のみを開示できる。例えば、連携するAIモデルの「仮想ラボ」を設計することで、異なる機能やデータセットをモジュール化し、堅牢なデータガバナンス体制を構築しつつ、必要なデータ開示を制限することが可能となる。 例えば、異なる機能を持つAIモデルのグループで構成される「仮想ラボ」の新たな活用について、当社の過去の議論を参照されたい： AIエージェントの仮想ラボ：イノベーションの新たなフロンティア.
2. 提出データセットからの独自データの分離
- 根拠：大規模な内部データセットでトレーニングを行い、公開共有データセットまたはFDA承認データセットで検証することで、機密性の高い生データを開示することなくコンプライアンスを確保できる可能性がある。
- 例：モデルは独自のマルチオミクスデータで訓練されるが、規制審査のためにFDAが承認した検証データセットを用いて検証される。
3. バージョン管理とトレーサビリティのための設計段階からのガバナンス
- 根拠：AIモデルのライフサイクル管理（データドリフト、再トレーニング、再デプロイを含む）は、FDAに対して文書化および正当化されなければならない。変更を記録し、更新を正当化し、監査証跡を自動生成するガバナンスアーキテクチャは、ますます不可欠となっている。
- 例：新たな集団レベルのデータ傾向によりモデル重みが更新されたタイミングを示す自動ログ。再現性が保証されています。
これらの戦略は、FDAの進化する期待に沿うだけでなく、将来の知的財産権の主張（例：データパーティショニング、モデル保守ツール、規制統合パイプラインに関する特許出願）も支援します。同様に、FDA自身のAIツールの使用が増加するにつれ、企業はこれらのツールがどのように、どのデータに対して使用されているかについてオープンな対話を維持し、それに応じてデータガバナンスを洗練させるべきです。
結論：イノベーション、透明性、戦略の整合性
FDAが2025年1月に発表したAIガイダンス、2025年4月のNAMロードマップ、および内部AI活用におけるさらなるマイルストーンにより、AIベースの創薬と非動物試験法が規制の最前線に押し上げられた。UVA/Padovaシミュレータが示すように、インシリコモデルはFDA規制申請において承認されている。こうした進展には機会と義務の両方が伴う。 前述の通り、開発者はFDAガイダンスを精査し、拡張性・保護可能性・臨床的インパクトを備えたAIプラットフォーム構築戦略を策定すべきである。知的財産（IP）とデータガバナンスに関する戦略的思考は初日から開始する必要がある。IPとデータガバナンスを早期かつ体系的に検討することで、関係者は医薬品開発におけるAI駆動変革の最前線に立つことができる。
フォリーは、規制変更に伴う短期的・長期的な影響への対応を支援します。当社は、事業運営や業界固有の問題に関連するこれらの法的考慮事項やその他の重要な法的課題に対処するためのリソースを有しています。執筆者、担当のフォリー・リレーションシップ・パートナー、または当社の ヘルスケア・ライフサイエンス部門、または 革新的技術部門 までお問い合わせください。
