株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
製薬会社の承認申請書類（CTD）作成をAIで効率化する方法｜非臨床・臨床データをLLMが各モジュールに構造化
製薬会社の薬事部門において、CTD（コモン・テクニカル・ドキュメント：国際共通化資料）の作成は、新薬承認取得に向けた最も労力を要する業務です。非臨床試験データ、臨床試験データ、品質データを5つのモジュールに構造化し、PMDA・FDA・EMA等の規制当局が審査できる形式に整える——この一連のプロセスをLLMで効率化する動きが急速に進んでいます。Amgen社はLLMでモジュール2.3（品質に関する概括資料）のドラフト作成時間を約2週間から1時間未満に短縮した事例を公表しています。
業務の詳細フロー（現状の手作業）
ステップ1：データの収集・整理
非臨床試験（薬理試験、毒性試験）、臨床試験（Phase I〜III）、品質データ（原薬・製剤の規格試験、安定性試験）の膨大なデータを収集し、申請に必要なデータセットに整理します。
ステップ2：モジュール3（品質）の作成
原薬の製造方法、管理戦略、規格及び試験方法、安定性データ等をモジュール3に記載します。製造プロセスの詳細な記述と、規格値の設定根拠の説明が必要です。
ステップ3：モジュール4（非臨床試験報告書）の作成
薬理試験報告書、薬物動態試験報告書、毒性試験報告書をモジュール4に構成します。各試験の目的、方法、結果、考察を統一されたフォーマットで記述します。
ステップ4：モジュール5（臨床試験報告書）の作成
臨床薬理試験、用量反応試験、比較対照試験等の臨床試験報告書（CSR）をモジュール5に構成します。有効性・安全性のデータを網羅的に整理します。
ステップ5：モジュール2（概括資料）の作成
モジュール2は、モジュール3〜5の膨大なデータを要約・統合した概括資料です。品質に関する概括資料（2.3）、非臨床に関する概括資料（2.4-2.6）、臨床に関する概括資料（2.5, 2.7）を作成します。この「要約力」が最も高度な専門スキルを要します。
課題・ペインポイント
- 膨大なデータ量：1つの新薬のCTDは数万〜数十万ページに及び、データの整理・構造化だけで数ヶ月を要する
- 整合性の確保：モジュール2（概括資料）とモジュール3〜5（個別データ）の間の整合性を厳密に確保する必要がある
- 規制要件の多様性：日本（PMDA）、米国（FDA）、欧州（EMA）で求められる記載内容に差異があり、地域ごとのカスタマイズが必要
- 定型的な記述の反復：試験方法の記述、統計解析手法の記述等、複数の報告書で類似の定型文が繰り返される
- 専門人材の不足：CTD作成の専門知識（薬事、メディカルライティング）を持つ人材が不足
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 試験データ：非臨床・臨床試験の結果データ（構造化データ＋試験報告書テキスト）
- 過去のCTD：自社の過去の承認取得済みCTD（文体・構成の参考としてRAGで参照）
- ICHガイドライン：ICH M4（CTDの構造と内容に関するガイドライン）の条文
- PMDA/FDA照会事項：過去の審査で受けた照会事項と回答（よく指摘される点の学習）
- CTDテンプレート：モジュールごとの記載項目・構成の標準テンプレート
LLMへの指示（プロンプト設計の考え方）
- 役割設定：「あなたは製薬会社のメディカルライターです。以下の試験データに基づき、CTDの指定モジュールのドラフトを作成してください」
- モジュール2.5（臨床概括評価）の生成例：「以下のPhase III臨床試験報告書（モジュール5.3に含まれるCSR）のデータを要約し、有効性の概括評価のドラフトを作成してください。主要評価項目と副次評価項目の結果を中心に、プラセボとの比較データを含めて記述してください」（出典：IntuitionLabs "Agentic AI for Pharma Regulatory"）
- 整合性チェック：「モジュール2（概括資料）の記述がモジュール3〜5のデータと整合しているか確認し、不整合箇所があれば指摘してください」
- 地域差対応：「PMDAとFDAで記載要件が異なる箇所を特定し、地域ごとのカスタマイズ案を提示してください」
人間が判断すべきポイント
- 科学的判断：データの解釈（「この有効性データは臨床的に意味のある差と言えるか」）は医学・薬学の専門判断
- ベネフィット・リスク評価：医薬品のベネフィットとリスクの総合評価は規制当局との対話を踏まえた高度な判断
- 照会事項への対応：PMDA/FDAからの照会事項（質問）への回答は、科学的根拠に基づく論理的な説明が必要で人間が担当
- 最終承認：CTDの最終版の承認は、薬事担当役員が法的責任を持って行う
他業種の類似事例
- 保険会社の約款作成：既存約款＋法令DBからLLMが約款ドラフトを生成（本シリーズ参照）
- 建設業の建築確認申請：BIMデータ＋法令DBからLLMが申請書類を補助（本シリーズ参照）
- 法律事務所の法的意見書：判例・法令からLLMが意見書ドラフトを生成
導入ステップと注意点
ステップ1：定型記述の自動化から開始（4〜8週間）
まず定型的な記述（試験方法の記述、統計解析手法の記述等）のLLM自動生成から開始します。過去のCTDから定型文のテンプレートDBを構築します。
ステップ2：モジュール2（概括資料）のドラフト生成（8〜12週間）
モジュール3〜5のデータからモジュール2の概括資料のドラフトを自動生成するパイプラインを構築します。過去のCTDの文体・構成をRAGで参照させます（出典：JAPAN AI "製薬業界AI導入ハンドブック"）。
ステップ3：整合性チェックの自動化（4〜8週間）
モジュール間の整合性（数値の一致、記述の矛盾がないか等）をLLMが自動チェックする機能を実装します。
注意点
- GxP対応：CTD作成に使用するAIツールは、GxP（GMP/GCP/GLP）のコンピュータバリデーション要件に準拠する必要がある
- データインテグリティ：ALCOA+原則（帰属性、判読性、同時性、原本性、正確性）に基づくデータ管理が必須
- ハルシネーション対策：LLMが存在しないデータや引用を生成するリスクに対し、原データとの突合チェックを必ず実施
- FDA/PMDAの動向把握：FDAは2025年1月にAI活用のドラフトガイダンスを発出。規制当局のAIに対するスタンスの最新情報を把握すること
Renue視点：専用ツールではなく汎用LLMで実現する理由
CTD作成の多くの工程は「試験データを読み→規制要件に沿って構造化し→適切な文章で記述する」という言語処理です。IntuitionLabsやNarrativa等の専用規制AI ツールも存在しますが、汎用LLMにICHガイドライン＋過去のCTDをRAGで参照させれば、自社のライティングスタイルに合致したドラフト生成が可能です。特にモジュール2の概括資料——膨大なデータを要約・統合する作業——はLLMの最も得意とする領域です。
まとめ
製薬会社のCTD作成は、試験データ→定型記述の自動化→モジュール2概括資料のドラフト生成→モジュール間整合性チェックのパイプラインでLLMによる大幅な効率化が可能です。FDAは2025年にAI活用のガイダンスを発出し、業界でのAI導入が加速しています（出典：FDA "AI for Drug Development"）。ただし、科学的判断、ベネフィット・リスク評価、照会事項への対応、最終承認は完全にメディカルライター・薬事担当者の専門性の領域です。