|
【講座の趣旨】
生成AIの進展により、医薬品の事業性評価は、情報収集や競合比較の効率化にとどまらず、仮説形成、論点抽出、評価解釈、リスク整理、意思決定支援まで大きく変わりつつあります。本セミナーでは、AIを活用して評価を速く・深く進める方法と、その出力を鵜呑みにせず安全に検証・解釈し、導入評価、研究企画、事業開発、投資判断などの実務判断へどうつなげるかを、評価フレームの再設計、判断材料の読み解き方、社内説明への落とし込みまで含めて実践的にわかりやすく解説します。
◆習得できる知識
1. 医薬品の事業性評価を構成する主要論点（疾患、市場、競争、科学性、開発リスク、経済性）の整理法
2. 生成AIを活用して情報収集・競合比較・初期スクリーニングを効率化する方法
3. AIを用いて仮説形成、論点抽出、事業シナリオ構築を深める考え方
4. AI出力に含まれる誤答、抜け漏れ、バイアスを見抜き、安全に検証する視点
5. AIの出力を事業性評価の判断材料として解釈し、意思決定につなげる方法
6. AI時代に対応した医薬品の事業性評価プロセスの再設計と実務への導入ポイント
【講座内容】
はじめに
第1章 なぜ今、医薬品の事業性評価にAIが必要なのか
1-1．医薬品の事業性評価を取り巻く環境変化
1-2．従来型評価の限界
1-3．AIがもたらす変化
1-4．本章のまとめ
第2章 医薬品の事業性評価をどう分解して捉えるか
2-1．「有望かどうか」という問いの曖昧さ
2-2．事業性評価を構成する主要要素
2-3．評価は「総合点」ではなく「複数軸の見立て」である
2-4．AI活用の前提として必要な「評価の型」
2-5．本章のまとめ
第3章 AIで「速く」行う――情報収集・整理・初期スクリーニングの効率化
3-1．AIが最も効果を発揮しやすい領域
3-2．AIでできること
3-3．実務での使い方
3-4．速さと引き換えに生じる注意点
3-5．速く進めるための基本原則
3-6．本章のまとめ
第4章 AIで「深く」行う――仮説形成・論点抽出・事業シナリオ構築
4-1．AIの真価は「思考支援」にある
4-2．early stage案件でこそAIが効く理由
4-3．TPP視点での活用
4-4．AIは正解装置ではなく、論点可視化装置である
4-5．本章のまとめ
第5章 AIを「安全に」使う――誤答、バイアス、過信をどう防ぐか
5-1．なぜ安全性の議論が必要なのか
5-2．医薬品分野で起こりやすい典型的リスク
5-3．安全に使うための基本原則
5-4．機密情報とガバナンス
5-5．「使わないリスク」も存在する
5-6．本章のまとめ
第6章 AIの出力をどう解釈し、意思決定につなげるか
6-1．本テーマの核心は「解釈」にある
6-2．抽象語を分解して読む
6-3．前提条件を見る
6-4．意思決定資料への翻訳
6-5．本章のまとめ
第7章 実務への落とし込み――AI時代の事業性評価プロセス再設計
7-1．個人技ではなく、プロセス設計として考える
7-2．実務フローの再設計例
7-3．部門ごとの使い分け
7-4．チームで使う場合のポイント
7-5．導入の進め方
7-6．AI時代に評価担当者へ求められる力
7-7．本章のまとめ
第8章 まとめ
実務での持ち帰りポイント
【質疑応答】
略歴
レナセラピューティクス株式会社 事業開発本部長／東京大学大学院医学系研究科 客員研究員／N.R.A.サービス代表
東京理科大学大学院工学研究科修士課程修了後、ライオン株式会社にてDrug Delivery
System研究に従事し、その成果により城西大学より薬学博士号を取得。1989年より久光製薬株式会社にて11年以上勤務し、その間7年間米国研究所に駐在。2001年に株式会社ジェノファンクションを創業し代表取締役を務めた後、複数のバイオベンチャーで経営・事業開発を担う。2012年からはサンファーマ株式会社にて日本事業の立ち上げに貢献し、2018年にはリベロセラ株式会社を共同創業し代表取締役に就任。2021年よりRepertoire
Genesis株式会社にて事業開発を推進した後、2024年11月より現職。
核酸医薬、遺伝子治療、細胞療法などを対象とした事業開発に幅広い経験を有し、資金調達、共同研究、知的財産・契約交渉、原薬事業、薬事、安全管理まで多岐にわたる実務を経験。加えて、個人事業「N.R.A.サービス」を通じて、業界動向調査やコンサルティングを提供している。
|
