AIと非動物モデルに関するFDAのガイダンス案について：医薬品開発におけるイノベーションの保護

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を減らすためのロードマップ」と題する画期的なガイダンスを発表した。前臨床安全性試験における動物実験を減らすためのロードマップと題する画期的なガイダンスを発表した。このガイダンスでは、インシリコモデル、オルガノイド、その他の非動物実験を含む新しいアプローチ方法論（NAMs）を推進するためのFDAのコミットメントが概説されている。このガイダンスは、治験薬（IND）申請のスポンサーに対し、動物実験に代わる科学的に信頼できる代替法を採用することを奨励するもので、規制当局への申請において、よりヒトに関連した、人工知能（AI）を統合したプラットフォームへのシフトを示すものである。

これに先立つ2025年1月、FDAは"Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products "と題するガイダンス草案を発表した。このFDAガイダンスについては、こちらで詳述した： AI医薬品開発：FDAがガイダンス草案を発表.

簡単に説明すると、このガイダンスは、医薬品開発ライフサイクルにおけるAIの使用に特に焦点を当てている。このガイダンスでは、モデルの使用状況に基づいたリスクベースのフレームワークを導入し、モデルのアーキテクチャ、データガバナンス、ライフサイクルのメンテナンス、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の概要を示している。

AIを活用したNAM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を示す実例が増えている。特に、生理学的に詳細なシリコ・プラットフォームであるUVA/Padova 1型糖尿病シミュレータは、すでにFDAに受け入れられ、持続グルコースモニタリング（CGM）装置の規制クリアランスをサポートするために使用されている。これは、バーチャルな生理学的システムが、FDA承認のための証拠資料の一部を形成できるようになったという具体的なシグナルである。

FDA内部でのAIの受け入れは、その規制メッセージを強化し、デジタルツールに対する長期的な組織のコミットメントを示すものである。特にFDAは、ジェネレーティブAIツール "Elsa "を含む、内部業務におけるAIツールの新たな使用を公表した。FDAは、2025年6月末までにこれらのツールを庁内全体に広く取り入れることを示唆した。

FDAのこれらの取り組みは、共に重要な進化を示している：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、規制当局の審査とともに、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存在となっている。この認識により、スポンサーと開発者は、規制当局に信頼性を示し、強固な知的財産戦略でイノベーションを保護することが二重の義務となる。NAMは、プライバシーと守秘義務の両方に関する企業のリスクエクスポージャーを著しく増大させる。

以下のセクションでは、FDAの新たなフレームワークを活用し、AIモデリングのイノベーションを保護し、データガバナンスの実践を規制と知財の両方の目的に合致させることによって、企業とその法務チームが戦略的に対応する方法を探る。

NAMとは何か？

NAMとは、医薬品の安全性と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による臨床シミュレーションなどが含まれる。NAMは、スピード、コスト、倫理的健全性においてメリットがあり、同時にヒト生物学により近い。

急速な進展にもかかわらず、FDAによるAIベースのNAMの正式な受け入れは依然として限定的である。UVA/Padovaの1型糖尿病シミュレータは、FDAの規制当局への申請（特にCGM装置の評価）に成功したインシリコモデルの唯一の広く引用された例である。その受け入れは、複雑な生理学的シミュレータの規制経路の可能性を強調している。

しかし、NAMのエコシステムは急速に拡大している。すべてがまだFDAの認定を完全に取得しているわけではないが、いくつかの有望なAIおよびデータ駆動型プラットフォームが検討されている：

• 臓器チップとオルガノイドモデル：患者由来のオルガノイドやオルガノオンチップシステムは、組織特異的な反応をシミュレートするために検証されている。例えば、腸管オルガノイドはT細胞療法の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：大規模な毒物学データベースで学習されたAIモデルは、有害結果を予測するために開発されており、共同検証プロジェクトを通じてFDAの支援を受けている。
• インシリコ臨床試験（ISCT）：計算による患者モデルは、特に機器試験のための臨床試験結果をシミュレートするために試験的に導入されており、モデルの妥当性確認と不確実性解析のためのワークフローが定義されている。
• 生理学的薬物動態（PBPK）モデル：薬物の分布と代謝をシミュレートするもので、薬物動態プロファイリングにおける動物実験の一部代替として検討されている。
• 合成対照群：AIが作り出した仮想患者コホートは、臨床試験におけるプラセボ群の代わりとして支持を集めており、実際の患者参加者数を減らすのに役立っている。
• ウェアラブル統合AI：デジタルヘルス技術（ウェアラブルなど）からのリアルタイムデータを分析するAIモデルは、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。

NAMとFDAリスクフレームワーク

2025年1月のガイダンスでは、FDAは2次元のリスクフレームワークを使用している：

1.モデルの影響リスク：AIモデルの出力が意思決定に与える影響度。

2.意思決定結果リスク（Decision Consequence Risk）：意思決定が患者の安全性またはデータの完全性に及ぼしうる影響。

これにより、必要とされる文書化と開示の範囲が決まる。リスクの高い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書類を含める必要があり、企業秘密保護との緊張関係が生じ、特許適用の戦略的必要性が高まる。AIベースのNAMに対するFDAの進化した姿勢は、AI対応プラットフォームが近い将来、規制当局への提出書類の標準的な構成要素になることを示唆している。そのため、開発者は、後述のセクションBとCで説明するように、IPとデータガバナンスの問題を早期に計画する必要がある。 

知財戦略への影響

FDAのガイダンスによれば、NAMやAIモデルが臨床や製造の意思決定に採用される場合、関係者はデータソース、モデルのトレーニング手順、評価指標、メンテナンスプロトコルに関する情報開示を求められる可能性がある。このような透明性要件が拡大するにつれ、企業秘密のみに頼ることは現実的でなくなり、特許保護やハイブリッド知財戦略がますます重要になる。NAMやAIモデルに関連する特定のイノベーションをマッピングすることで、関係者は特許可能な発明を明確に特定することができる。以下のフレームワークは、NAMやAIモデルに関連する主要な技術的進歩を、モデルそのものを超えてマッピングするための実用的なアプローチを提供するものである。

そのモデルは、臨床的に実用的な情報を新しい方法で生成するか、あるいは可能にするか？

新たな臨床情報の発見は、新たな方法手順（例えば、特定の投与経路）、製剤、投与量、異なる適応症や患者集団の治療を示唆する可能性がある。GLP-1受容体作動薬に関する先行分析で述べたように、新たに発見されたメカニズムはそれ自体特許にならないかもしれないが、新たな治療方法、投与レジメン、製剤に関するクレームを可能にすることが多い。参照GLP-1受容体作動薬と特許戦略：GLP-1受容体作動薬と特許戦略：旧薬の新たな使用に対する特許保護の確保」を参照。 したがって、NAMの使用は、新たな患者集団、投与量、製剤に基づく治療方法に関する特許請求の範囲を示唆する可能性がある。あるいは、NAMの使用は、患者の転帰を予測したり、治療反応を監視したりするためのワークフローに関する特許請求の範囲を示唆する可能性がある。

このモデルは、治療レジメンや臨床試験プロトコルの設計方法を変えるか？

AIモデルは、例えば、組み入れ基準や除外基準といった臨床試験に必要なコントロールやデザイン、あるいは分子サブタイプやゲノム、エピゲノムシグネチャーによって患者を層別化する新しい方法を変えるかもしれない。 

さらに、 ダイナミックAIシステムは、治療薬を投与する間隔やタイミングを変えることができる。 

そのモデルは、データの入力や統合に新たな要件を課すか。

AIモデルは、例えば画像、オミックス、ウェアラブルデータを組み合わせることにより、新規のマルチモーダルまたは縦断的統合を必要とする場合がある。AIモデルは、患者クラスターを決定するための疫学的データ、および患者から得られた分子シグネチャー、ゲノム、エピゲノム、またはマルチオミクスデータに関する大規模データからの複雑なバイオマーカーシグネチャーとの組み合わせを組み込むことができる。したがって、このようなAIモデルの使用は、患者の転帰の予測、患者集団の層別化、疾患の検出、または疾患の発症のモニタリングを可能にする情報フローに向けられた特許可能なワークフローを意味する可能性がある。 

AIモデルやそのデータ構造は、上流サンプルの収集方法や処理方法を変えるか？

このAIモデルは、患者サンプルのワークフローを変更し、特許可能な方法につながる可能性がある。変更には、新たな生物試料の保存プロトコール、試料の量や種類の要件の変更、前処理工程の追加などが含まれる。このようなワークフローの調整は、試料調製法、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試料を含む組成物のクレームをサポートする可能性がある。

まとめると、AIモデルがかつては臨床試験や動物実験に限定されていた役割を担うようになると、医療上の意思決定、データ収集、規制上の結果に影響を及ぼすようになるため、より微妙で先見性のある知財戦略が求められるようになる。上記のフレームワークは、モデルそのものだけでなく、上流のワークフロー、治療パラダイム、ライフサイクル管理への影響と結びついたイノベーションを特定する構造的な方法を提供する。イノベーションリーダーや知財チームにとって、上記のフレームワークは、AIモデルを将来にわたって保護し、戦略的保護を確保するための体系的な方法を提供します。

この戦略的レンズはまた、同様に厳格なデータガバナンスアプローチの必要性を浮き彫りにする。

NAM時代のデータガバナンスとコンパートメント化

インシリコNAMとAI対応プラットフォームがFDA申請の中心になるにつれ、データガバナンスは、規制遵守とIP保護の両面から、重要な戦略的柱として浮上している。スポンサーは現在、データ品質とモデル性能だけでなく、データ開示が競争上の優位性とどのように交差するかについても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。データインプット、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、さらには将来のアップデートまで開示し、監視する必要があるかもしれない。このような情報開示は、規制当局の信頼を促進する一方で、企業秘密や競争上の差別化、特にモデルの性能が独自の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には、リスクをもたらす。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強固なデータガバナンスに精通しているが、プライバシーの考慮は、規制遵守と知的財産保護のバランスをとる際の機密性と開示の管理とは異なる。このような緊張関係に対処するために、開発者は段階的なデータガバナンス戦略を検討する必要がある：

1.モデル構成要素のモジュール化とコンパートメント化

• モデル設計の要素（例えば、前処理パイプライン、モデルアーキテクチャー、展開環境）を分離することで、企業は与えられた規制の文脈に関連する部分のみを開示することができる。例えば、AIモデルを連携させた「バーチャルラボ」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、疲弊したデータガバナンスシステムを促進し、必要なデータ開示を制限することができる。例えば、異なる機能を持つAIモデルのグループによって形成される「バーチャル・ラボ」の新たな利用法については、以前の議論を参照されたい： AIエージェントのバーチャルラボ：イノベーションの新たなフロンティア.

2.サブミッションセットから専有データを切り離す

• 理由：大規模な社内データセットでトレーニングしながら、一般に共有されているデータセットやFDAが承認した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遵守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学習されるが、規制当局の審査のためにFDAが承認したチャレンジデータセットに対して検証される。

3.バージョン管理とトレーサビリティのためのガバナンス・バイ・デザイン

• 理由データドリフト、再トレーニング、再デプロイメントを含むAIモデルのライフサイクルメンテナンスは、文書化され、FDAに対して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・アーキテクチャーは、ますます不可欠になっている。
• 例再現性が保証された、新しい母集団レベルのデータ傾向によりモデルの重みが更新されたことを示す自動ログ。

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IPアサーション（データ分割、モデルメンテナンスツール、規制統合パイプラインに関する特許出願など）をサポートする。同様に、FDA自身によるAIツールの使用が増加するにつれて、企業はこれらのツールがどのように使用され、どのような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改善できるようにすべきである。

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AIガイダンスを発表したこと、2025年4月にNAMロードマップを発表したこと、さらにAIを社内で使用するマイルストーンが発表されたことで、AIを用いた医薬品開発と非動物実験法が規制当局の最前線に登場した。UVA/Padovaシミュレータに代表されるように、インシリコモデルがFDAの規制当局への申請に受け入れられている。このような進歩には、チャンスと義務の両方が伴う。上記のように、開発者はFDAのガイダンスを注意深く検討し、拡張性があり、保護可能で、臨床的にインパクトのあるAIプラットフォームを構築するための戦略を決定すべきである。知的財産とデータガバナンスに関する戦略的思考は、初日から始めるべきである。知財とデータガバナンスについて早期に体系的に考えることで、関係者は医薬品開発におけるAIを活用した変革の最前線に立つことができる。

フォーリーは、規制変更に伴う短期的および長期的な影響に対処するお手伝いをいたします。フォーリーには、事業運営や業界特有の問題に関連する、これらおよびその他の重要な法的検討事項をナビゲートするためのリソースがあります。フォーリーのリレーションシップ・パートナーである著者にご連絡ください。 ヘルスケア・ライフサイエンス部門または イノベーティブ・テクノロジー・セクターまでお問い合わせください。