GMP逸脱管理のAI活用|使える3工程と規制の注意点2026

GMP逸脱管理のAI活用|使える3工程と規制の注意点2026

記事の要約

  • GMPの逸脱管理は、逸脱の記録と影響調査、重大な逸脱の原因究明と是正措置・予防措置(CAPA)までを含む、GMP省令第15条が定める一連の業務です。
  • AIを入れやすいのは、逸脱の分類、過去の類似事例の検索、逸脱報告書やCAPA計画の下書きの3工程で、重大度や出荷可否は品質保証の責任者が判断します。
  • 欧州委員会とPIC/Sが2025年に示したAnnex 22案は、生成AIを重要なGMP用途に使わず、それ以外でも有資格者が出力を確認するよう求めています。

「逸脱報告書の期限が守れない」「CAPAを立てたのに、似た逸脱が別の設備でまた起きた」。逸脱の件数が増えるほど記録の検索と文書作成に追われ、原因究明が手薄になりがちです。

本記事では、GMP逸脱管理の流れを省令とICH Q10(=品質システムの国際指針)に沿って整理し、AIを入れられる工程と入れるべきでない工程を区別し、規制上の注意点と事例も紹介します。

東京大学松尾研発のAIスタートアップとして製薬の品質保証向けAIを開発する弊社の経験も踏まえて解説します。読み終えたときには、どの工程から試し、何を準備すべきかを判断できるはずです。

GMPの逸脱管理とは?検知からCAPA・有効性確認までの流れ

GMPの逸脱管理とは?検知からCAPA・有効性確認までの流れの解説図

GMPの逸脱管理とは、製造手順等から外れた事象を記録し、影響を調べ、再発を防ぐまでの一連の業務です。GMP省令第15条は、逸脱が生じた場合に、あらかじめ指定した者が手順書等に基づいてこの業務を行うよう定めています。

省令は、すべての逸脱に記録・影響調査・品質保証部門への文書報告を求め、重大な逸脱には原因の究明とCAPA(=是正措置と予防措置)を加えて求めています。

工程主な業務根拠・関連
1. 検知現場で逸脱を見つけ、初期対応をとる各社の手順書
2. 報告記録と影響調査を行い、品質保証部門へ文書で報告するGMP省令第15条第1項第1号
3. 原因調査重大な逸脱では原因を究明する同第2号ロ
4. CAPA是正措置・予防措置を立案し、実施する同第2号ハ
5. 有効性確認取った措置が有効だったかを評価するICH Q10 3.2.2・表Ⅱ

有効性確認は第15条に明記されていませんが、ICH Q10は商業生産の段階で、取られた措置の有効性を評価しなければならないとしています。

この流れで詰まりやすいのは、判断そのものより過去記録の検索と報告書の作成です。PMDAの指摘事例では、手順で1週間以内に作成すると定めた逸脱報告書が恒常的に2〜3か月遅れ、CAPAを講じていない逸脱も多数見つかりました。

別の事例では、設備共通の手順書改訂を計画したCAPAが、逸脱した設備の手順書だけを改訂して完了扱いになっていました。CAPAの計画と実施結果の突き合わせが漏れると、遅延と再発の両方が起こり得ます。

原因究明が手薄になると、CAPAは逸脱した設備だけを直す狭い範囲にとどまり、似た逸脱が別の設備でまた起きやすくなります。

したがってAIの導入も、判断する人は変えずに、判断の前後にある検索・照合・文書化の負担を減らす設計が現実的です。

参照元:e-Gov法令検索「医薬品及び医薬部外品の製造管理及び品質管理の基準に関する省令」/独立行政法人医薬品医療機器総合機構「GMP指摘事例速報(オレンジレター)No.18」(2025年1月)/PMDA「ICH Q10 医薬品品質システムに関するガイドライン」(2010年2月)

GMP逸脱管理でAIが役立つ3つの工程

GMP逸脱管理でAIが役立つ3つの工程の解説図

AIを入れやすいのは、大量の記録を読み、候補を示し、文章の下書きを作る工程です。逆に、重大度の確定、出荷可否、CAPAの承認は品質保証の責任者が判断する工程として残します。

前者はいずれも、逸脱の件数に比例して読む量と書く量が増える作業です。判断は人に残したまま作業量だけを減らせるため、AIを入れやすくなります。

1. 逸脱の分類と重大度の一次振り分け

逸脱の記述文から、工程・設備・原因区分などのカテゴリをAIが候補として付ける使い方です。分類がそろうと同じ設備や原因区分の逸脱を傾向として集計でき、ICH Q10がCAPAの情報源に挙げる「傾向」を把握しやすくなります。

人だけで分類すると、同じ原因の逸脱でも担当者ごとに別の区分に入り、傾向が見えなくなります。AIは同じ基準で候補を付けるため、この散らばりを減らせます。

重大度は、AIの候補を参考に担当者が手順書の基準で確定します。候補が外れた件数を記録すれば、運用の中で精度を確かめる材料になります。

CAPAを閉じた後も同じ区分で集計を続ければ、同じ設備・原因の逸脱の再発を件数の推移で追えます。有効性は人が判定し、この推移をICH Q10が求める評価の材料にします。

2. 類似事例の検索と根本原因の仮説出し

過去の逸脱報告書やCAPA記録から、似た事象・同じ設備・同じ原因区分の事例を並べて示す使い方です。キーワード検索では、同じ事象が担当者ごとに別の言葉で記録されていると拾えず、照合は記憶に頼りがちです。

AIは検索語が違っても意味の近い記録を拾えるため、担当者の記憶だけに頼らずに照合しやすくなります。似た逸脱を見落とすと、CAPAの対象が目の前の逸脱に狭まり、別の設備での再発を防げません。

根本原因分析では、AIが仮説を挙げ、担当者がなぜなぜ分析などで検証します。仮説の採否と根拠は人が記録することで、調査の妥当性を説明できます。

3. 逸脱報告書とCAPA計画の下書き作成

記録した事実と調査結果から、逸脱報告書やCAPA計画の下書きをAIが作成する使い方です。担当者は白紙から書く代わりに、下書きの事実関係を確かめて直す作業に時間を振り向けられます。

白紙からの作成を続けると、前述のPMDAの事例のように報告書が遅れ、原因究明とCAPAが後回しになりがちです。

あわせて逸脱報告書と手順書、製造記録をAIに照合させると、計画と実施の不一致に気づきやすくなります。GMP省令第20条も、手順書等と記録の内容に不整合がないよう継続的に管理することを求めています。

AIで作成するGMP文書全般の進め方は「GMP文書とは?AIで作成・管理を効率化する製薬品質保証の新しい方法」で解説しています。

GMP逸脱管理にAIを使うときの規制上の注意点

GMP逸脱管理にAIを使うときの規制上の注意点の解説図

AIを逸脱管理に使う際の注意点は、記録の信頼性、システムの検証、人の判断の位置づけの3点です。いずれも既存のGMPの考え方をAIに当てはめたもので、新しい規制の確定を待たずに準備できます。

3点のどれかが欠けると、AIの出力が正しくても査察で根拠を示せません。企画段階で、品質保証部門と情報システム部門が一緒に確認します。

データインテグリティ:AIの入出力と修正履歴を残す

データインテグリティ(=データが完全・正確で改ざんがない状態)の観点では、AIへの入力と出力、人が直した箇所を追跡できることが前提です。修正履歴が残らないと、報告書のどこが人の判断かを査察で説明できません。

GMP省令第20条は記録の欠落・不正確・不整合を防ぐ業務を求めています。AIを使う場合も、正式な記録にする前の確認手順と、変更の履歴を残す監査証跡を設計に含めます。

原則の詳細は「データインテグリティとは?意味・ALCOA+原則・製薬GMPでの対応方法を解説」で整理しています。

バリデーション:用途の重要度で検証の深さを決める

AIを組み込んだシステムも、GMPで使う以上は意図した用途どおりに動くことを検証する必要があります。国内では厚生労働省の「コンピュータ化システム適正管理ガイドライン」が基本的な考え方を示しています。

検証の深さは用途で変わり、分類の候補表示と出荷判定に使う重大度の確定では、検証の範囲が大きく異なります。候補表示では担当者の確認が間に挟まるため、AIが誤ってもそこで止まります。

重大度の確定をAIに任せると、誤りがそのまま出荷判定に届くため、検証すべき範囲が広がります。候補表示から始めれば、検証の負担を抑えて運用を始められます。

人の判断:生成AIは補助用途にとどめる

欧州委員会とPIC/Sが2025年7月に意見公募したAnnex 22(=GMPでのAI利用を定める付属書)案は、生成AIと大規模言語モデル(=文章生成AIの中核技術)を重要なGMP用途に使うべきでないとしています。重要な用途とは、患者の安全、製品品質、データインテグリティに直接影響するものです。

重要でない用途でも、資格と訓練を備えた担当者が出力の適否に責任を持つ「ヒューマン・イン・ザ・ループ」を求めています。2026年11月時点で、最終版の公表は確認できていません。

それでも方向性は明確で、逸脱報告書の下書きや類似事例の提示は人が確認して確定する補助用途として設計するのが安全です。AIに重大度や出荷可否を決めさせる設計は、検証の負担と査察での説明責任が大きくなります。

参照元:PIC/S「Chapter 4・Annex 11 改訂と Annex 22(AI)新設の共同意見公募」(2025年7月)

逸脱管理・CAPAへのAI活用事例

逸脱管理・CAPAへのAI活用事例の解説図

海外のQMS(=品質マネジメントシステム)製品では、逸脱やCAPAの記録にAI機能を組み込んだ製品が出ています。国内でも製薬企業が逸脱処理へのAI活用を検証しています。

ここでは公式情報と報道で確認できた3件を、AIが逸脱対応のどの工程を担っているかに注目して紹介します。数値を公表していない事例は機能だけを記します。

1. Veeva Systems「Vault QMS」:調査とCAPA計画の要約を生成

Veeva SystemsのVault QMSでは、Deviation Agentが逸脱の調査やCAPA計画の要約文を生成します。調査・根本原因・CAPA措置の記録から要約を作り、AIチャットで逸脱記録について質問もできます。

要約は担当者が確認して保存したときに初めて記録されます。Veevaはデータがそろう後半の段階での生成を推奨しており、入力記録の完成度が出力の質を左右することがうかがえます。

2. MasterControl「Deviations Analyzer」:逸脱データの傾向分析

MasterControlのDeviations Analyzerは、逸脱データにふだんの言葉で質問し、部門をまたぐパターンを探すAIツールです。同社は2026年5月のブログで、一般提供版の焦点をパターン分析、根本原因の特定、部門横断の傾向把握としています。

分析結果は元データにリンクし、根拠を確かめられる設計です。過去データに基づく是正措置の推奨は今後の機能とされ、現時点の主な用途は傾向の可視化と調査の補助と読み取れます。

3. アステラス製薬:逸脱処理のマルチエージェントPoC

アステラス製薬は、医薬品生産時の逸脱処理を効率化するマルチエージェントのPoC(=複数のAIを連携させる方式の、本番前の小規模な技術検証)を進めています。2026年3月のMicrosoft AI Tour Tokyoで紹介され、4月に報じられた事例です。

背景は、膨大な過去記録からの類似事例の検索と一次整理を熟練者に頼っていたことです。汎用の生成AIでは網羅性と正確性が足りず、検索・要約・批評などの役割を分けたエージェントを組み合わせました。

報告では、引用の網羅率69%、正確性81%、工数削減の見込み67%です。正確性は単一エージェントと同程度で網羅率が大きく向上しており、詰まっていたのは判断ではなく検索の網羅性だったと読み取れます。

どの型から試すかは、過去記録の状態で分かれます。記録が電子化され分類もそろっていれば、Veevaやアステラスのような検索・要約の型から始められます。

分類がばらついているなら、分類の候補付けと傾向の可視化(MasterControlの型)が先です。区分がばらついたままでは、同じ原因の事例を並べても漏れが出るためです。

このように、各社のAIは判断そのものではなく、判断の材料づくりを担っています。弊社も同じ考え方で、品質保証文書を作成・点検するAIを開発してきました。

万協製薬株式会社とは、変更申請書の草案を自動生成する実証実験に取り組みました。QAI Generatorの製品ページでは、万協製薬の導入事例として、変更申請書を含むGMP文書で70%の業務効率化を紹介しています。

手順書などの食い違いの確認には、複数の品質保証文書から段落単位で齟齬を検出する「QAI Checker」をご検討ください。CAPAに伴う変更申請書や逸脱報告書などの下書きには「QAI Generator」(2週間無料トライアルあり)が使えます。

参照元:Veeva Systems「Using the Deviation Agent (QMS)」(2026年7月更新)/MasterControl「How AI Transforms Deviation Management」(2026年5月)/マイナビニュース TECH+「アステラス製薬、医薬品製造の「逸脱」対応支援にマルチエージェントAI」(2026年4月)/株式会社EQUES「製薬における品質保証業務効率化AIの実証実験プロジェクト」

GMP逸脱管理のAI活用に関するよくある質問

GMP逸脱管理のAI活用に関するよくある質問

Q. 逸脱とCAPAの違いは何ですか?

逸脱は製造手順等から外れた事象で、CAPAはその原因への是正措置と予防措置です。重大な逸脱以外でCAPAを取るかは、社内手順とリスク評価で判断します。

Q. 生成AIが作った逸脱報告書を、そのまま正式な記録にできますか?

そのまま正式な記録にするのは避けるべきです。担当者が事実と結論を確かめて修正し、承認した版を修正履歴とともに残します。

Q. AIはどの工程から試すのがよいですか?

過去記録の分類がそろっていれば、類似事例の検索から始めるのが現実的です。出力が候補の提示にとどまり判断への影響が小さいため、検証の負担を抑えられます。

Q. 社外のクラウドAIに逸脱情報を入力しても問題ありませんか?

逸脱記録には製品名や設備などの機密情報が含まれます。AIの学習への利用の有無、保存場所、アクセス権を契約と設定で確認します。社外に出せない場合は、ローカルLLM(=社内環境で動かす生成AI)も選択肢です。

まとめ

まとめ

GMP逸脱管理へのAI活用は、判断をAIに任せるのではなく、検索・照合・文書化の負担を減らして原因究明に時間を回す手段です。補助用途から小さく始めるのが現実的です。

  • 逸脱管理は記録・影響調査・原因究明・CAPA・有効性確認の順に進み、記録の検索と報告書作成で詰まりやすい
  • AIが役立つのは分類・類似事例検索・下書き作成の3工程で、重大度や出荷可否の判断は人が担う
  • データインテグリティ、用途に応じたバリデーション、人による確認の3点を設計に含める

自社の逸脱対応のどこからAIを試すべきか迷う段階でも、お気軽にご相談ください。最後までお読みいただき、ありがとうございました。

逸脱報告書やCAPA文書の作成を、AIで支えませんか

QAI Generatorは2週間の無料トライアルが可能です。変更申請書や逸脱報告書の下書き作成からお試しください。

一覧に戻る

まずはお気軽にご相談ください

お問い合わせはこちら