CTD Module 3 CMC データのAI集約｜ICH Q8/Q9/Q10/Q11/Q12/Q14・QbD・Design Space・M4Q(R2) DMCS の実装ガイド

企業の開発データ成熟度で判定します。Enhanced（QbD ベースで Design Space を提示）は Post-Approval Change の柔軟性が増し ICH Q12 と連動しますが、DoE 等の開発データ投資が必要です。Traditional（工程パラメータ固定＋再現性確認）は開発初期や小規模品で選択されやすく、同一申請内でも項目によって混在可能です。AI は両者の判定支援を行い、最終判断は CMC チームが行います。

Q1E は shelf life 予測の許容範囲（2×最長観察期間など）を定めており、AI で線形外挿すると規則外の値を出す場合があります。プロンプトに Q1E 制約を事前埋込し、長期 12 か月＋加速 6 か月のデータから線形回帰・Arrhenius プロットの結果を提示するまでに役割を限定。最終 shelf life 決定は QA/CMC が行います。2025-04 の新 Q1 ドラフトでは QbD 連動が強化されています。

Q11 の 6 つの科学的判定基準（商業的入手可能性、構造的複雑性、化学変化の数、精製への関与、分析可能性、GMP 段階）に沿って評価します。AI は各基準への該当性マッピングを自動化できますが、「なぜこの物質か」の最終正当性は CMC 担当者が記述します。原薬出発物質の選定不備は PMDA/FDA/EMA 照会事項の典型パターンです。

AI からの直接書込は GxP データインテグリティリスクを生むため、読み取り専用スナップショット＋監査ログ＋バリデーション済み接続で設計します。ALCOA+（Attributable, Legible, Contemporaneous, Original, Accurate + Complete, Consistent, Enduring, Available）原則を遵守し、原データへの影響を一切与えない読み取り専用アーキテクチャが前提です。

EC 候補抽出（CPP/CQA から規制上必須の要素特定）、変更リスク分類（Reportable/Non-Reportable の判定支援）、PACMP ドラフト生成、地域別 EC 報告頻度の可視化に使います。Q12 採用で Post-Approval 変更の柔軟性が増し、ライフサイクル管理のコスト・期間が大幅に短縮されます。AI は提案と検証、最終判断は薬事・CMC・QA が協働で行います。