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。
製薬会社にはどんな部署がある？7部門の業務内容とAI活用を解説
製薬会社は「薬を作って売る会社」と思われがちですが、その組織は研究開発から安全性監視まで、高度に専門化された部署で構成されています。1つの新薬が患者に届くまでに10年以上、数百億〜数千億円のコストがかかるとされ、各部署はこの長大なバリューチェーンの一端を担っています。
本記事では、製薬会社に共通する主要7部署の業務内容を具体的に解説し、各部署におけるAI活用の可能性を分析します。中外製薬はAIを活用した抗体医薬品の創薬プラットフォーム「MALEXA」を開発しており（出典：中外製薬公式サイト）、製薬業界のAI活用は創薬の根幹にまで及んでいます。業界メディアDrug Target Reviewの2026年予測では、複数のAI創薬由来の候補薬がピボタル試験（承認申請に直結する後期臨床試験）に進んでおり、AI創薬は実験段階から臨床検証の段階に移行しつつあると報じています（出典：Drug Target Review "AI in drug discovery: predictions for 2026"）。
製薬会社の組織構造｜研究・開発・商業化の3フェーズ
製薬会社の部署は新薬のライフサイクルに沿って分類できます。
- 研究フェーズ：R&D部門が候補化合物を発見・最適化
- 開発フェーズ：臨床開発・薬事部門が治験を実施し、承認を取得
- 商業化・市販後フェーズ：MR・安全性・メディカルアフェアーズが情報提供と安全監視を担当
品質保証（QA）部門はこれら全フェーズを横断して品質を担保します。
製薬会社の主要7部署と業務内容
1. 研究開発部門（R&D）
業務内容
R&D部門は、新薬の種（シーズ）を発見し、非臨床試験で有効性・安全性を確認するまでを担当します。
- 標的分子の探索：疾患のメカニズムを解明し、薬が作用する標的（ターゲット）を特定
- 化合物スクリーニング：標的に対して有効な化合物を大量にテストし、リード化合物を選定
- 文献調査・サーベイ：PubMed等の学術論文データベースから関連研究を網羅的に調査
- 特許戦略の立案：研究成果の特許出願タイミングと範囲の決定
- 研究報告書の作成：実験結果の分析、考察、次ステップの提案
AI化の可能性
中外製薬はAIを活用した創薬プラットフォーム「MALEXA」を開発し、抗体医薬品の標的探索から分子設計までをAIで加速しています（出典：中外製薬公式サイト）。また、アステラス製薬・第一三共・小野薬品工業はNVIDIA DGX AIスーパーコンピューター「Tokyo-1」を活用してAI創薬モデルを構築しています（出典：NVIDIA公式ブログ）。
- 文献サーベイの自動化：PubMed等の大量論文をLLMが要約・分類・トレンド分析し、研究の方向性を支援
- 化合物設計の支援：標的分子の構造情報から、候補化合物の構造をAIが提案
- 研究報告書のドラフト生成：実験データを入力し、LLMが結果→考察→結論の構成で報告書を自動生成
2. 臨床開発部門
業務内容
臨床開発部門は、非臨床試験で安全性が確認された候補薬について、ヒトでの臨床試験（治験）を計画・実行し、承認申請に必要なデータを取得する部門です。
- 治験プロトコルの作成：試験デザイン（対象患者、投与量、評価項目、期間）を定義する文書
- CRF（症例報告書）の管理：治験に参加した患者のデータを収集・管理
- 統計解析計画書（SAP）の作成：治験データの統計的分析手法を事前に定義
- CSR（治験総括報告書）の作成：治験結果を網羅的にまとめた規制当局向けの公式報告書
- 治験施設の選定・管理：治験を実施する医療機関の選定と進捗管理
AI化の可能性
PMDAの論文（Kohno, 2025）では、日本における臨床試験へのAI活用と迅速な薬事審査の取り組みが報告されており、AI技術がプロトコル設計や患者選定、データ分析を効率化する可能性が示されています（出典：Clinical Pharmacology & Therapeutics, Kohno 2025）。
- プロトコルのドラフト自動生成：疾患領域+過去の類似治験情報からLLMがプロトコルの骨子を生成
- CSRの自動構成：統計解析結果+安全性データからLLMが報告書の各セクションをドラフト
- 治験施設の最適選定：患者登録実績、地理的分布、施設能力のデータからAIが最適な施設の組み合わせを提案
3. 薬事部門（レギュラトリーアフェアーズ）
業務内容
薬事部門は、新薬の承認申請から市販後の変更管理まで、規制当局（PMDA/FDA等）との対応を一手に担う部門です。
- 承認申請書類（CTD）の作成：品質・非臨床・臨床の3モジュールから構成されるCommon Technical Document
- 照会事項への回答：審査過程でPMDAから出される質問への回答書の作成
- GMP適合性調査への対応：製造所がGMP基準を満たしていることの証明
- 変更管理：承認後の製造方法、原料、規格の変更に関する届出・申請
AI化の可能性
FDAは2025〜2026年にかけてAIを用いた医薬品開発のガイドラインを整備しており、AIが発見した化合物の科学的根拠をAI自身が説明するプロセスが公的に認められ始めています（出典：Clinical Regulatory Partners）。
- CTDモジュールのドラフト生成：非臨床/臨床データをLLMに入力し、各モジュールの構成要素を自動生成
- 照会事項の回答支援：過去の照会事項回答データベースをRAGに格納し、類似の照会への回答案をLLMが提案
- 規制動向の自動モニタリング：各国規制当局のガイドライン更新をLLMが追跡・要約
4. 安全性部門（PV：ファーマコビジランス）
業務内容
PV部門は、医薬品の市販後の安全性を監視する部門です。副作用情報の収集・評価・報告が主要業務です。
- 個別症例安全性報告（ICSR）：医療機関や患者から報告された副作用情報の受付、評価、当局への報告
- 定期報告書（PBRER/PSUR）の作成：一定期間の安全性情報を集約した報告書の定期的な作成・提出
- シグナル検出：副作用データの統計的分析により、新たなリスクの兆候を早期に発見
- リスク管理計画（RMP）の更新：市販後に得られた安全性情報に基づくリスク管理措置の見直し
AI化の可能性
- 副作用報告の一次評価：症例情報の重篤性・因果関係・既知性をLLMが一次判定し、精査が必要な症例を絞り込む
- シグナル検出の高度化：副作用データベースとSNS・文献情報をAIが横断分析し、新たなリスクシグナルを早期検出
- 定期報告書のドラフト生成：安全性データの集計結果からLLMがPBRERの各セクションを自動構成
5. MR部門（医薬情報担当者）
業務内容
MR（Medical Representative）は、医師・薬剤師などの医療関係者に対して自社医薬品の有効性・安全性に関する情報を提供する営業職です。
- 学術資料の作成：臨床データに基づく製品の特長を解説する資料
- ディテーリング（情報提供活動）：医師への面談での製品情報提供と使用状況のヒアリング
- 講演会の企画：KOL（Key Opinion Leader）を招いた学術講演会の企画・運営
- 処方動向の分析：担当エリアの処方データを分析し、営業戦略に反映
AI化の可能性
- 学術資料のドラフト生成：最新の論文データ+製品情報からLLMがディテーリング用資料を自動作成
- ディテーリング準備の自動化：訪問先医師の専門領域、処方傾向、過去の面談記録からLLMが最適な提案シナリオを生成
- 処方動向レポートの自動作成：販売データと市場データからLLMが分析レポートを自動構成
6. 品質保証部門（QA）
業務内容
- GMP文書管理：製造所のGMP（医薬品製造管理基準）準拠に必要な文書体系の管理
- 逸脱処理報告書：製造工程で基準から外れた事象の原因調査と報告
- CAPA（是正措置・予防措置）管理：逸脱の根本原因に対する是正措置と予防措置の策定・実行・有効性確認
- バリデーション文書：製造プロセスが一貫した品質を保証できることの検証文書
AI化の可能性
- 逸脱報告書のドラフト生成：逸脱事象の記録からLLMが原因分析→是正措置→有効性確認計画のドラフトを自動作成
- CAPA文書の自動構成：過去のCAPA事例をRAGで参照し、類似事象への対応策をLLMが提案
- GMP監査準備の効率化：監査で求められる文書をLLMが事前チェックし、不備を検出
7. メディカルアフェアーズ部門
業務内容
メディカルアフェアーズ（MA）は、営業部門とは独立した立場で医学・科学的な情報活動を行う部門です。近年、製薬会社で急速に重要性が高まっています（出典：日本製薬医学会）。
- KOL（Key Opinion Leader）対応：疾患領域の専門医との学術的な関係構築
- メディカルレターの作成：医療関係者からの学術的な問い合わせに対する回答文書
- リアルワールドデータ（RWD）分析：実臨床での使用データを分析し、エビデンスを蓄積
- メディカルプランの策定：製品のライフサイクルに沿ったメディカル活動の戦略立案
AI化の可能性
- メディカルレターのドラフト生成：問い合わせ内容+関連文献+製品情報からLLMが回答ドラフトを自動作成
- RWD分析の支援：大量のリアルワールドデータからLLMがインサイトを抽出しレポートを構成
- 文献サーベイの自動化：疾患領域の最新論文をLLMが定期的に収集・要約し、MA部門に配信
製薬業界のAI活用｜業界全体の動向
製薬業界ではAI創薬が実用化段階に入り、日本の大手製薬企業もAI基盤への投資を加速しています。中外製薬、アステラス製薬、第一三共、武田薬品などがそれぞれ独自のAI創薬戦略を展開しています。
| 企業・機関 | 取り組み内容 | 効果 |
|---|---|---|
| 中外製薬 | AI創薬プラットフォーム「MALEXA」（出典：中外製薬公式） | 抗体医薬品の標的探索〜分子設計を加速 |
| アステラス/第一三共/小野薬品 | NVIDIA Tokyo-1でAI創薬モデル構築（出典：NVIDIA） | ソブリンAI基盤の共同活用 |
| 武田薬品 | TJIC（Japan Innovation Center）でAI活用を推進（出典：NVIDIA） | AI需要予測で医薬品サプライチェーン強化 |
部署別AI化ポテンシャル一覧
| 部署 | AI化ポテンシャル | 最も効果的なAI活用 | 導入の難易度 |
|---|---|---|---|
| 研究開発（R&D） | ★★★★★ | 文献サーベイ・化合物設計 | 中〜高 |
| 臨床開発 | ★★★★★ | プロトコル・CSRドラフト生成 | 中 |
| 薬事（RA） | ★★★★★ | CTDドラフト・照会事項回答 | 中 |
| 安全性（PV） | ★★★★ | 副作用一次評価・シグナル検出 | 中 |
| MR | ★★★★ | 学術資料・ディテーリング準備 | 低 |
| 品質保証（QA） | ★★★★ | 逸脱報告・CAPA文書 | 低〜中 |
| メディカルアフェアーズ | ★★★★ | メディカルレター・RWD分析 | 中 |
汎用LLMで製薬業務を変革する｜Renue視点
製薬業界のAI活用というと、「AI創薬」「分子シミュレーション」のような専門的・高度な領域が注目されがちです。しかし、製薬会社の業務時間の実態を見ると、承認申請書類の作成、治験報告書の執筆、副作用報告の処理、GMP文書の管理など、「規制文書を書く仕事」が業務の大部分を占めています。
これらの文書作成業務は、AI創薬のような専門モデルではなく、汎用LLMで十分に効率化できます。
- 規制文書のテンプレートを構造化する：CTDであれば「モジュール2.7: 臨床概要」の各セクション（背景、臨床薬理、有効性、安全性）を構成要素として定義
- データを入力として整理する：臨床試験データ、安全性データ、品質データをLLMに渡せる形式に構造化
- LLMがドラフトを生成し、専門家がレビューする：規制文書の初稿をLLMが作成し、薬事専門家・メディカルライターが精査・修正
製薬業界は規制要件が厳格であるため、「AIが書いたから正しい」とはならず、必ず専門家のレビューが必要です。しかし、ゼロからドラフトを書く場合と、AIドラフトをレビュー・修正する場合では、所要時間に大きな差が生まれます。あるAIコンサルティング企業では、FDA承認・臨床試験結果などの製薬関連ニュースをAIで自動検知・分析するプラットフォームを構築し、薬事・メディカルアフェアーズ部門の情報収集を支援しています。
まとめ
製薬会社は、R&Dからメディカルアフェアーズまで、7つの専門部署が新薬のライフサイクル全体を支えています。特にAI化のインパクトが大きいのは以下の3領域です。
- 研究開発：AI創薬プラットフォームによる標的探索・分子設計の加速（中外製薬「MALEXA」、NVIDIA Tokyo-1）
- 臨床開発：プロトコル・CSR作成のLLM活用による治験期間短縮
- 薬事：CTDモジュールのドラフト自動生成と照会事項回答のRAG活用
これらの部署における個別業務のAI化アプローチについては、今後の記事で掘り下げて解説します。