FDAとEMAがAIで連携：創薬の新しい時代
製薬業界における画期的な動きとして、米国食品医薬品局（FDA：U.S. Food and Drug Administration）と欧州医薬品庁（EMA：European Medicines Agency）は、創薬（Drug Development）に特化した**良好なAIプラクティスのための10の基本原則（10 Guiding Principles for Good AI Practice）**の第一弾を共同で発表しました。2026年1月14日に発表されたこの連携は、2026年8月に欧州連合（EU）の包括的なAI法（AI Act）が全面的に施行されるわずか数ヶ月前に行われ、グローバルな規制の収束に向けた重要な一歩となります。
AI主導の製薬セクターの利害関係者にとって、この発表は単なるガイダンス以上のものです。それは戦略的なロードマップです。人工知能（AI）が、分子の発見からファーマコビジランス（医薬品安全性監視）に至るまで、医薬品のライフサイクルにますます組み込まれるようになる中で、調和のとれた規制枠組みの必要性はかつてないほど差し迫っています。この共同原則は、安全性、有効性、および品質が損なわれないことを保証しつつ、イノベーションを促進することを目指しています。
この進展は極めて重要なタイミングで訪れました。2026年8月2日に「ハイリスク」AIシステムに対する厳格な要件を課す**EU AI法（EU AI Act）**が施行されるのを控え、大西洋の両側で事業を展開する製薬会社は、進化する法的基準に自社の技術を適応させるという大きな圧力にさらされています。FDAとEMAの連携は、待望の緩衝材を提供し、開発者がテクノロジーと規制の複雑な交差点をナビゲートするのに役立つ共通の用語と期待事項を提示しています。
10の共同基本原則：詳細な内訳
FDAの医薬品評価研究センター（CDER）、バイオ医薬品評価研究センター（CBER）、およびEMAによって発表された10の原則は、医薬品のライフサイクル全体に適用されるように設計されています。これらは「リスクベース」かつ「人間中心」のアプローチを強調しており、規制当局が堅牢な監視なしに、重要な意思決定プロセスにおける「ブラックボックス」アルゴリズムを受け入れないことを示唆しています。
以下の表は、10の原則、その重点事項、および創薬開発者にとっての実務的な意味をまとめたものです。
表1：創薬（Drug Development）におけるAIのためのFDA-EMA 10の基本原則
| 原則名 | 重点事項 | 運用要件 |
|---|---|---|
| デザインによる人間中心 | 倫理的整合性と人間による監視 | AIは患者の利益に資するものでなければならない。重要なアウトプットには人間によるレビューが必須。 |
| リスクベースのアプローチ | 適切な検証と監視 | 検証の取り組みは、モデルのリスクレベルと患者への潜在的な危害に見合ったものでなければならない。 |
| 標準への準拠 | 規制および技術的なコンプライアンス | モデルはGxP、ISO規格、および関連する地域の法律（例：EU AI法）に従わなければならない。 |
| 明確な使用環境 | 定義された運用境界 | 開発者は、AIモデルをいつ、どこで、どのように使用すべきかを正確に特定しなければならない。 |
| 多角的な専門知識 | 部門横断的なコラボレーション | チームにはデータサイエンティスト、臨床医、規制の専門家を含める必要がある。 |
| データガバナンス（Data Governance）と文書化 | トレーサビリティと完全性 | データの系統、品質、およびバイアス管理を厳格に文書化しなければならない。 |
| モデルの設計と開発 | ソフトウェアエンジニアリングのベストプラクティス | コードは堅牢で再現可能であり、解釈可能性を考慮して設計されていなければならない。 |
| リスクベースのパフォーマンス評価 | 継続的なテスト指標 | 指標は統計的な精度だけでなく、現実世界の臨床リスクを反映していなければならない。 |
| ライフサイクル管理（Life Cycle Management） | 導入後のモニタリング | データのドリフトやパフォーマンスの低下を継続的に監視することが不可欠である。 |
| 明確かつ不可欠な情報 | エンドユーザーに対する透明性 | ユーザーは自分がAIと対話していることを知り、その限界を理解していなければならない。 |
主要なテーマの分析
人間中心性と倫理
最初の原則である「デザインによる人間中心」は、基本的な規制の立場を強調しています。すなわち、AIは医学における人間の判断を代替するものではなく、拡張するためのツールであるということです。治験の設計であれ、安全性データの分析であれ、最終的な責任は人間の専門家にあります。この原則は、アルゴリズムのバイアスや、患者の健康に影響を与える意思決定の自動化に伴う倫理的影響に関する懸念に直接応えるものです。
リスクベースのパラダイム
原則2と原則8（「リスクベースのアプローチ」と「リスクベースのパフォーマンス評価」）は、おそらく業界の運用において最も重要なものです。これらは、規制当局が「画一的な（one-size-fits-all）」立証責任を適用しないことを示唆しています。内部物流の最適化に使用される単純なAIツールは、治験のコントロールアーム（対照群）データを合成するために使用される生成AI（Generative AI）モデルよりも、はるかに少ない検証で済みます。この階層的なアプローチは柔軟性を可能にしますが、企業には高度な内部リスク分類フレームワークを持つことが求められます。
データの完全性とガバナンス
原則6において、当局は「ガーベジ・イン、ガーベジ・アウト（ゴミを入れればゴミが出てくる）」という教訓を改めて強調しています。**創薬（drug development）**の文脈において、これは極めて重要です。リアルワールドデータ（RWD）や過去の治験データには、隠れたバイアスや不一致が含まれていることがよくあります。堅牢なデータガバナンスの要件は、製薬会社が、生のソースから最終的なモデルのアウトプットに至るまでのトレーサビリティを保証するデータインフラストラクチャに多額の投資を行わなければならないことを意味します。
2026年8月の期限：EU AI法との関連性
FDA-EMAの原則は「ソフトロー」やガイダンスとして機能しますが、**EU AI法（EU AI Act）**は、不遵守に対して多額の罰則を伴う「ハードロー」を代表するものです。FDA-EMAの発表のタイミングは戦略的であり、2026年8月の同法の全面施行に向けた架け橋となっています。
2026年8月2日に、EU AI法の「ハイリスク」AIシステムに関するルールの大部分が適用開始となります。多くの製薬向けAIアプリケーションは、（特定のユースケースや医療機器の安全性コンポーネントと見なされるかどうかに応じて）厳格な「ハイリスク」の定義から外れる可能性がありますが、規制状況はより厳しい精査へと移行しています。
共同原則は、特に以下の点に関してEU AI法の要件と密接に一致しています。
- 透明性： 原則10は、同法の透明性義務（第50条）を反映しており、ユーザーがAIシステムと対話している場合にその旨を通知することを求めています。
- ガバナンス： 共同原則におけるライフサイクル管理とデータガバナンスの強調は、企業が同法の適合性評価に備えるのに役立ちます。
- 標準化： 今これらの原則を遵守することで、企業は今年後半に導入される拘束力のある要件に対して、自社のパイプラインを「フューチャープルーフ（将来耐性のあるもの）」にすることができます。
この整合性は市場の断片化を軽減します。グローバルな製薬会社は、FDAのエビデンス生成に関する期待と、新しい欧州の枠組みの下でのEMAの要件の両方を満たす治験用AIモデルを開発できるようになり、地域ごとのモデルの再トレーニングの必要性が減少します。
製薬業界への影響
製薬業界にとって、この発表はAI実験の「未開の地」時代の終わりを告げるものです。イノベーションは今や、厳格な文書化と検証を伴わなければなりません。
製薬会社の戦略的転換
- 統合されたコンプライアンスチーム： 「多角的な専門知識」の原則は、データサイエンティストがもはや孤立して作業することはできないと規定しています。薬事の専門家は、「使用環境」が正しく定義されていることを確認するために、初日からモデル開発プロセスに関与しなければなりません。
- MLOpsへの投資： 「ライフサイクル管理」（原則9）の要件は、堅牢な機械学習オペレーション（MLOps）インフラストラクチャを必要とします。企業には、現実世界の患者集団がトレーニングデータと異なり始めたとき（データのドリフト）を検出し、再トレーニングプロトコルを自動的に開始できるシステムが必要です。
- ベンダー管理： 多くの製薬会社はサードパーティのAIベンダーに依存しています。これらの原則は、スポンサーが採用するAIツールに対して責任を負うことを示唆しています。AIパートナーを選択するためのデューデリジェンスプロセスには、今後、ベンダーがこれら10の原則に準拠しているかどうかの監査を含める必要があります。
規制の調和の役割
CBER、CDER、およびEMAの間の協力は、業界にとってポジティブなシグナルです。規制の相違は、グローバルな医薬品開発プログラムにとって長年の懸案事項でした。共有された価値観のセットを確立することで、当局は、AIモデルの検証データの相互承認など、将来の潜在的な合意への道を切り開いています。
課題と今後の展望
これらの原則によって明確化されたものの、課題は残っています。「解釈可能性」（原則7）の解釈はしばしば主観的です。しばしば「ブラックボックス」と呼ばれるディープラーニングモデルは、説明が非常に難しいことで知られています。規制当局が、解釈不可能なモデルの高いパフォーマンスと、説明可能性の要件をどのようにバランスさせるかは、引き続き注目すべき重要な分野です。
さらに、生成AI（Generative AI）が進化し続ける中で、「データガバナンス」の原則は著作権や合成データの使用に関する試練に直面するでしょう。当局は、これらの原則が「第一歩」であり、技術が成熟するにつれて、より詳細なガイダンスが策定されることを認めています。
2026年の残りの期間に向けて、FDAとEMAは、ファーマコビジランスにおけるAIやAI主導のバイオマーカー探索など、特定のシナリオにこれらの原則がどのように適用されるかを示す具体的なケーススタディや「模擬」サンプルをリリースすることが予想されます。
結論
FDAとEMAの共同によるAI原則（AI principles）の発表は、創薬（drug development）における転換点です。これは、公衆衛生を保護するために必要なガードレールを確立しつつ、リスクの高い医学研究におけるAIの使用を正当化するものです。業界が2026年8月のEU AI法の施行に向けて突き進む中で、これらの原則は重要な指針となります。
Creati.aiおよびヘルスケアにおけるAIイノベーターのより広いコミュニティにとって、メッセージは明確です。未来は、安全性と透明性の厳格な基準を遵守しながら、大胆に革新できる人々のものです。製薬業界における規制されたAIの時代が、正式に到来しました。
