FDA推進：AI主導の非臨床試験と動物実験代替法の未来

April 30, 2025

FDAの前臨床試験革命

米国食品医薬品局（FDA）は、前臨床試験をより正確で人間中心、そしてテクノロジー主導のアプローチへと進化させています。従来の動物実験への依存は、新たなアプローチ手法（NAM）へと徐々に移行しつつあります。NAMとは、臓器チップ、計算モデリング、人工知能（AI）を活用したシミュレーションといった最先端のイノベーションです。

様々なNAMが検討されていますが、本稿では、前臨床試験におけるAIと機械学習（ML）の変革的影響に焦点を当てます。業界とFDAが、AI駆動型シミュレーション、計算モデリング、そしてその他の今後のイノベーションに向けてどのように前進しているかを概観します。本稿の目的は、AI駆動型NAMの導入を先導することを目指す非臨床専門家や開発業務受託機関（CRO）に実用的な洞察を提供することです。

 

前臨床試験における動物実験代替法の必要性

高い失敗率：動物実験に合格した薬剤の90%以上が、薬理効果と毒性予測の不正確さのためにヒト臨床試験で失敗しています。

劣悪な模倣性：動物モデルはヒトの免疫反応をうまく模倣できず、誤った安全性保証につながります（例：TGN1412サイトカインストームのような悲劇的な事例）。

精度の向上：NAMベースのツールは予測精度を向上させる可能性があり、開発コストの削減と倫理的懸念への対処につながります。

 

FDAによるAI主導の医薬品安全性評価への大胆な取り組み

FDAは、法律および規制ガイダンスを通じて、AI主導の医薬品安全性評価の基盤を築いてきました。

• FDA近代化法0（2022年）は、治験薬（IND）申請における動物実験の要件を削除し、計算モデルとAIベースの評価を明示的に認可しました。
• FDA科学委員会勧告（2024年）は、承認プロセスを迅速化し、医薬品承認の信頼性を向上させるためのNAM主導の代替案を概説しました。規制当局の意思決定におけるNAMの利用を促進するため、NAM用の中央リポジトリの構築を推奨しています。
• ISTANDパイロットプログラムは、毒性データセットで学習した機械学習アルゴリズムなどのAIベースの予測モデルを評価し、従来の動物実験に代わる手法として活用しています。

「世論はこの移行を支持しており、調査対象となった米国市民の85%以上が、動物実験を段階的に廃止し、最新の手法を導入することを望んでいます。」

 

前臨床医薬品の安全性のための最先端AIツール

🔬 薬物毒性予測のためのAI – 機械学習アルゴリズムは、臨床試験前に数千もの分子構造を分析し、潜在的に有害な化合物を特定します。例えば、CATMoS（Collaborative Acute Toxicity Modeling Suite）は、AIを活用したパターン認識を用いて、過去のデータから毒性レベルを予測できます。

💻 生理学的薬物動態（PBPK）モデリング – AIを活用したPBPKモデルは、仮想ヒトシステムにおける薬物の吸収、分布、代謝、排泄をシミュレートします。FDAは、動物データに依存せずにヒト初回投与量決定を可能にするため、AI強化PBPKモデルを積極的に審査しています。これらのモデルは低分子医薬品開発に不可欠であり、生物製剤への適用も拡大しています。

🧬 免疫原性リスクのAIスクリーニング – AbImmPredなどの最新のAIツールは、抗体配列のディープラーニングを活用して免疫反応とオフターゲット効果を予測し、霊長類を用いた免疫原性試験の必要性を低減します。

🔍 定量システム薬理学（QSP）とAIシミュレーション – AIを活用したQSPモデルは、複雑な薬物相互作用とヒトの生物学的経路をシミュレートし、従来の動物実験よりも優れた副作用予測を提供します。

📊 バイオインフォマティクス主導のオフターゲットスクリーニング – AIアルゴリズムはプロテオームデータベースをスキャンし、ヒト組織との意図しない薬物相互作用を検出します。このアプローチは動物の受容体結合研究よりも優れた性能を発揮し、副作用の少ない正確​​なターゲティングを実現します。

🩸 サイトカイン放出予測のための AI – 悲劇的な TGN1412 臨床試験の失敗の後、ヒトの血液サンプルを使用して AI 駆動型サイトカイン放出アッセイ (CRA) が開発され、mAbs が危険な免疫反応を引き起こさないことが保証されました。

 

FDAのAI統合戦略計画

FDAの3カ年計画

📁 データ統合：CAMERA（規制申請のための代替法コレクション）などの国際的なヒト毒性データを含む、AIアクセス可能なデータベースの拡張。

🧪 ISTANDパイロットプログラム：製薬会社に対し、AI生成結果を従来のデータと併せて提出し、比較分析やAI駆動型NAMの検証を行うことを奨励。

📉 動物実験の削減：AIモデルはモノクローナル抗体の長期霊長類試験に取って代わり、コストと倫理的懸念を大幅に削減する。

🔬 国際連携：NIH、VA、ICCVAM*と提携し、毒性スクリーニングのための標準化されたAIベースモデルを開発。

「AI/MLコンポーネントを含む申請件数は、2016～2017年には年間1件だったのに対し、2021年には132件に急増しており、製薬企業とテクノロジー企業の連携拡大を示しています。

2021年までにCDERに提出された158件の申請のうち、88%は臨床医薬品開発に関するもので、残りは創薬（3%）、前臨床開発（5%）、市販後段階（4%）となっており、関心と機会の高まりを示しています。」

 

FDAの展望

FDAの5カ年ビジョン

FDAによると、検証済みのAIおよびMLシステムは、5年以内に従来の動物実験に代わり、毒性スクリーニングの標準手法となる可能性があります。

例外ではなくルール：FDAは、医薬品開発において動物実験をルールではなく例外にすることを目指しています。これは、スポンサーが、INDを可能にする前臨床試験でNAM（AI）を使用する計画の承認について、FDAとの会議やその他のコミュニケーションチャネルを通じてFDAに相談する必要があることを意味します。

規制への適応：AI技術の進歩に伴い、規制の枠組みはデータの透明性、検証、正確性を確保するために適応し、最終的には患者、研究者、そして医薬品イノベーションに利益をもたらします。FDA近代化法2.0とISTANDパイロットプログラムは、前臨床試験におけるAIベースのモデルの使用を促進する重要な取り組みです。

 

製薬業界における前臨床試験へのAI導入

製薬業界は、医薬品開発に革命を起こすため、AIを急速に導入しています。

投資の急増：2015年以降、投資家はAI主導の研究開発企業に500億ドル以上を投入しています。

効率性の向上：AIは研究開発全体のイノベーションと効率性を推進しており、生成型AIだけでも600億ドルから1,100億ドルの経済価値を生み出すと予測されています。

前臨床開発：AIは毒性スクリーニング、薬物動態モデリング、リアルタイムの有害事象モニタリングを最適化し、コストと期間を大幅に削減しています。

コラボレーションの強化：AIは、スポンサーとCRO間のリアルタイムデータ交換を促進し、コラボレーションを強化し、意思決定を迅速化します。この統合は、前臨床ワークフローの最適化と実験デザインの改善に不可欠です。

 

非臨床専門家とCROのための実践的な洞察

非臨床専門家と開発業務受託機関（CRO）にとって、前臨床ワークフローへのAIの統合にはいくつかのメリットがあります。

データ分析の強化：AIは膨大なデータセットを迅速に処理し、パターンを特定し、高精度な結果を予測できます。これにより、手作業によるデータ分析に必要な時間とリソースが削減されます。

実験設計の改善：AIを活用した実験設計により、プロトコルを最適化し、より信頼性と再現性の高い結果を得ることができます。

リアルタイムデータ交換：AIはスポンサーとCRO間のリアルタイムデータ交換を促進し、連携を強化し、意思決定を迅速化します。

自動化ラボ：前臨床研究の未来には、AIを活用した完全自動化ラボが含まれ、人的ミスを削減し、効率性を高めます。

 

非臨床専門家やCROSが考慮すべき課題をいくつか以下に挙げます。

初期コストの高さ：AIの導入とトレーニングには、多額の初期投資が必要です。

熟練した人材の必要性：AIの導入には、運用と保守に熟練した人材が必要です。

プライバシーとエネルギーに関する懸念：AIの利用は、データのプライバシーとバイアスに関する倫理的な懸念を引き起こします。さらに、大量のデータの生成と計算には多大なエネルギーが必要です。

 

🚀 ご質問がございましたら、お気軽にお問い合わせください！

 

 

規制に関する最新ニュースや業界のベスト プラクティスについては、当社のニュースレターを購読してください。

免責事項：このニュースレターは情報提供のみを目的としており、法的または規制上のアドバイスを構成するものではありません。詳細な推奨事項については、FDAの公式ガイダンス文書を参照してください。

References:

1. 📄 Roadmap to Reducing Animal Testing in Preclinical Safety Studies
   • 📄 FDA Science Board Report (2024): FDA NAM Recommendations
   • 📄 FDA Modernization Act 2.0 (2022): Congress.gov Bill
   • 📄 ICCVAM NAM Initiatives: NAM Working Group Report
2. 📄 Clinical Research News on AI Adoption
3. 📄 McKinsey Report on AI in Clinical Trials
4. 📄Baylor University on AI Ethics
5. 📄 Deciphex AI in Preclinical Safety
6. 📄Digital Transformation in Preclinical CROs