【新薬開発（創薬）】データ活用で売上アップを実現した成功事例

新薬開発の現状とデータ活用が求められる背景

新薬開発は、人類の健康と福祉に不可欠な営みである一方で、その道のりは常に長く、険しいものです。一つの新薬が世に出るまでには、途方もない時間と費用、そして極めて低い成功確率という、根深い課題が横たわっています。これらの課題は、製薬企業の持続的な成長と売上拡大を阻害する大きな要因となっており、多くの企業が新たな打開策を模索しています。

しかし、この難局を乗り越える「新たなフロンティア」として、データ活用が注目されています。研究開発の効率化から、市場投入後の戦略策定、さらには個別化医療の実現まで、あらゆるフェーズでデータが秘める可能性は計り知れません。本記事では、新薬開発におけるデータ活用の現状と、それが売上アップにどのように貢献するのかを深掘りするとともに、具体的な成功事例を通して、自社でデータ活用を推進し、売上アップを実現するためのヒントを提供します。

開発コストと期間の増大

新薬開発の現場では、1つの新薬を世に送り出すまでに、平均で数千億円規模の莫大な費用と、平均10年を超える開発期間を要するのが現状です。この巨額な投資と長期にわたる研究開発を強いられる背景には、臨床試験の複雑化と、それに伴う承認プロセスの厳格化があります。特に後期臨床試験では、安全性と有効性を慎重に見極めるために、大規模な被験者群と長期的な観察期間が求められ、その管理コストは膨大です。

さらに、新薬候補物質が最終的に承認に至る確率は極めて低く、初期段階で見出された多数の候補物質の中から、実際に市場に投入されるのはごくわずかです。この成功確率の低さが、開発コストと期間をさらに押し上げ、製薬企業の収益を圧迫する大きな要因となっています。

承認後の市場競争激化

ようやく新薬が承認され、市場に投入されたとしても、製薬企業が直面する課題は尽きません。まず、新薬の特許期間が終了すれば、比較的安価なジェネリック医薬品が市場に登場し、売上は急激に減少するリスクがあります。また、競合他社も常に類似薬の開発を進めており、市場投入後も激しいシェア争いが繰り広げられます。

近年では、患者ニーズの多様化や、個々の患者の遺伝子情報や病態に応じた治療を提供する個別化医療へのシフトが加速しており、画一的なアプローチでは市場での優位性を保ちにくくなっています。これらの要因が複雑に絡み合い、承認後の医薬品が当初予測した売上目標を達成できないケースも少なくありません。

膨大なデータが未活用な現状

新薬開発の各フェーズでは、信じられないほどの量のデータが日々生成・蓄積されています。具体的には、化学物質の構造に関する化合物データ、遺伝子配列や発現に関する遺伝子データ、前臨床試験や臨床試験で得られる安全性・有効性データ、さらには電子カルテ、レセプト、健康診断結果といったリアルワールドデータ（RWD）など、その種類は多岐にわたります。

しかし、これらの膨大なデータは、多くの場合、部門ごと、あるいはシステムごとにサイロ化され、企業の内部に散在しているのが現状です。データを統合し、横断的に分析する仕組みが未整備であるため、データが持つ本来の価値を最大限に引き出せていない企業が少なくありません。データサイエンティストなどの専門人材の不足や、高度な分析を可能にするITインフラの未整備も、データ活用を阻む大きな課題となっています。

【新薬開発】データ活用が売上アップに貢献する具体的な経路

新薬開発におけるデータ活用は、単に研究開発の効率化に留まらず、医薬品の市場価値を最大化し、結果として企業の売上アップに直結する多岐にわたる経路が存在します。ここでは、その具体的な経路を詳しく見ていきましょう。

開発プロセスの効率化と短期化

データ活用は、新薬開発の初期段階から最終承認に至るまでの各プロセスにおいて、劇的な効率化と期間短縮をもたらし、結果的にコスト削減と早期の市場投入による売上貢献を実現します。

創薬ターゲット特定と候補物質探索の精度向上 新薬開発の最初のステップである創薬ターゲットの特定と候補物質の探索は、従来、膨大な時間と労力を要する作業でした。しかし、AI（人工知能）を活用することで、過去の化合物データ、遺伝子発現データ、疾患関連論文など、企業内外に蓄積された大量の情報を高速かつ高精度に分析できるようになります。AIは、有望な標的分子や、特定の疾患メカニズムに作用しやすい新規化合物を迅速に予測し、研究者が「当たる確率」の高い領域に集中することを可能にします。また、バーチャルスクリーニング技術は、実際に実験を行う前に、コンピューター上で数百万もの化合物とターゲット分子の結合親和性をシミュレーションすることで、実験コストと時間を大幅に削減します。これにより、研究開発の初期フェーズにおけるボトルネックが解消され、開発期間全体の短縮に繋がります。
前臨床・臨床試験の最適化 前臨床試験および臨床試験は、新薬開発において最も時間とコストがかかるフェーズです。データ活用は、このフェーズでも大きな変革をもたらします。例えば、バイオマーカー（疾患の存在や進行、治療効果を示す生物学的指標）をデータ分析によって特定することで、臨床試験における被験者選定の効率化が進みます。特定のバイオマーカーを持つ患者群に絞って試験を行う「層別化医療」は、より高い有効性を示す可能性のある患者に限定して治験を実施できるため、試験の成功確率を高め、期間とコストを削減します。また、過去の試験データやリアルワールドデータ（RWD）を基に、AIが薬物の安全性や有効性を予測するモデルを構築することで、最適な試験デザインの策定が可能になります。これにより、不必要な用量設定試験や、効果が期待できない患者群での試験を避け、効率的なデータ収集と分析が可能になります。さらに、治験モニタリングにおいても、ウェアラブルデバイスや電子カルテからのデータを用いて、リアルタイムで被験者の健康状態や服薬状況を把握し、リスクを早期に検出することで、治験の安全性と信頼性を高めつつ、モニタリングにかかるコストと労力を削減します。

医薬品の価値最大化と市場投入戦略

新薬が承認された後も、データ活用は医薬品の市場価値を最大化し、売上アップに貢献する重要な役割を担います。

リアルワールドデータ（RWD）による適応症拡大の探索 RWDとは、電子カルテ、レセプトデータ、薬局の処方データなど、日常の医療現場で収集される膨大なデータのことです。これらのデータを匿名加工して分析することで、既存の医薬品が承認された適応症以外にも、特定の患者群において新たな有効性や安全性プロファイルを示す可能性を発見できることがあります。例えば、ある薬が本来の適応症とは異なる疾患の治療に用いられ、予想外の良い結果を出しているケースがRWDから浮かび上がるかもしれません。このようなエビデンスを基に、追加の臨床試験を迅速に実施し、新たな適応症の承認を得ることで、対象患者層が広がり、医薬品の市場規模を拡大させることができます。
市場ニーズ予測と競合分析の精度向上 市場データ、SNSでの患者の声、専門家の論文情報など、多角的なデータを分析することで、将来的な疾患トレンドや未充足の医療ニーズ、さらには競合他社の開発動向や市場戦略を高い精度で予測することが可能になります。この予測に基づき、新薬の価格戦略、最適な流通チャネルの選定、そしてターゲット患者に響くプロモーション戦略を最適化できます。例えば、特定の地域や患者層で需要が高まっている治療法や副作用プロファイルを把握し、それに合致する情報提供を行うことで、医薬品の市場浸透を加速させ、売上を最大化できます。
個別化医療への貢献と患者エンゲージメント強化 遺伝子情報、生活習慣データ、ウェアラブルデバイスから得られるバイタルデータなどを統合的に分析することで、個々の患者に最適な治療法を提案する「個別化医療」の実現に貢献します。例えば、特定の遺伝子変異を持つ患者にはAという薬が効果的で、Bという薬は副作用のリスクが高いといった知見をデータから導き出せます。これにより、医師はより根拠に基づいた治療選択が可能となり、患者は最適な治療を受けられるようになります。また、デジタルセラピューティクス（DTx）のような、ソフトウェアを介して疾患の治療や管理を行う新たな治療アプローチとの連携も進んでいます。データ活用を通じて、患者一人ひとりの治療状況や行動データを分析し、パーソナライズされたサポートを提供することで、患者の治療継続率や満足度を高め、ひいては医薬品の価値を向上させ、長期的な売上貢献に繋がります。

【新薬開発】データ活用で売上アップを実現した成功事例3選

ここでは、実際にデータ活用によって新薬開発における売上アップを実現した具体的な成功事例を3つご紹介します。いずれも、構成案の数値を肉付けし、読者が「自社でもできそうだ」と感じられるような、手触り感のある内容を目指しました。

事例1：AIによる創薬ターゲット探索で開発期間を大幅短縮

ある中堅製薬メーカーでは、特に難治性の疾患に対する治療薬の開発に力を入れていましたが、従来の創薬プロセスが大きなボトルネックとなっていました。研究開発部門の担当者である田中部長は、「有望な創薬ターゲットを見つけ、そこから候補物質を探索するまでに、膨大な数の実験と、世界中の文献調査に数年もの歳月を費やしていました。このリードタイムの長さが、常に新薬上市を遅らせる原因となっており、競合他社に先を越されるリスクに常に晒されていました」と当時の悩みを語ります。

この課題を解決するため、同社はデータ活用に活路を見出しました。まず、社内で長年蓄積されてきた化合物データ、遺伝子データ、疾患関連論文データに加え、公開されている大規模な生命科学データベースを統合し、巨大なデータレイクを構築しました。次に、このデータレイクを基盤として、AIを活用した創薬ターゲット探索システムを導入。このシステムは、機械学習アルゴリズムを用いて、疾患関連タンパク質と結合しやすい新規化合物の構造や特性を高速かつ高精度に予測するものです。

導入の結果は目覚ましいものでした。従来、手作業と試行錯誤で数年を要していた初期のターゲット探索期間を、AIによる予測と選定により、わずか約6ヶ月にまで大幅に短縮することに成功したのです。これにより、創薬研究開発フェーズ全体のコストを約20%削減することができました。コスト削減はもちろんのこと、最も大きな成果は、開発期間短縮によって最終的な新薬の上市時期を1年前倒しできたことです。結果として、競合他社よりも早く市場に新薬を投入することができ、初年度の売上予測を15%も上回る成果を達成。田中部長は、「AIの導入は、単なる効率化に留まらず、市場での競争優位性を確立し、企業の成長を加速させる決定打となりました」と語っています。

事例2：リアルワールドデータ（RWD）分析による適応症拡大と市場シェア獲得

関東圏のある大手製薬企業では、上市から数年が経過した主力抗がん剤の売上維持・拡大に頭を悩ませていました。特に、新たな競合品の登場により、市場シェアが徐々に低下する傾向が見られていたのです。マーケティング部門の責任者である鈴木さんは、「この既存薬にはまだまだ潜在的な価値があるはずだと感じていましたが、大規模な追加臨床試験を実施するには、費用も時間も膨大にかかります。新たな適応症を見出すことで、患者さんにより広く薬を届けたいが、その突破口が見えずにいました」と当時の状況を振り返ります。

そこで同社は、リアルワールドデータ（RWD）の分析に注目しました。電子カルテデータ、レセプトデータ、薬局の処方履歴データなど、日常の医療現場で収集された膨大なRWDを匿名加工し、統合的に分析するプラットフォームを導入。このプラットフォーム上で高度なデータ分析を実施した結果、驚くべき事実が判明しました。既存の抗がん剤が、承認された適応症ではないものの、特定の遺伝子変異を持つ患者群において、非常に高い有効性を示している可能性がデータから強く示唆されたのです。

このRWDに基づくエビデンスは、迅速な追加臨床試験の実施を後押ししました。RWDが示す有効性プロファイルに合致する患者群に絞って試験を行うことで、効率的かつ短期間で承認申請に必要なデータを収集。結果として、新たな適応症の承認を無事に取得することができました。これにより、対象となる患者層が30%も拡大し、それまでアプローチできていなかった新たな市場を開拓。上市後3年間で、その抗がん剤の売上を25%増加させることに成功し、市場における競争優位性を再確立することができました。鈴木さんは、「RWDは、既存薬の新たな可能性を引き出し、企業の売上と患者さんの治療選択肢を広げる、まさに『宝の山』でした」と語っています。

事例3：個別化医療に向けた患者層特定と効果的なプロモーション戦略

あるバイオベンチャー企業が、希少疾患向けの画期的な遺伝子治療薬を開発・上市しました。しかし、対象患者数が極めて少ないため、「いかに効率的に潜在的な患者に情報を届け、処方につなげるか」が大きな課題として浮上しました。営業部門のマネージャーである佐藤さんは、「患者さんの情報が全国に分散しており、どの医療機関にアプローチすべきか、また、どのような情報提供が患者さんや医師に最も響くのか、全くの手探り状態でした。限られたリソースの中で、無駄のないプロモーション戦略を立てる必要がありました」と当時の苦悩を打ち明けます。

同社はこの課題に対し、データドリブンなアプローチを導入しました。遺伝子検査データ、疾患レジストリデータ（患者登録システム）、そして全国の医療機関の処方実績データなどを統合し、AIで分析するシステムを構築。このシステムは、特定地域の潜在的な患者数、遺伝子治療薬の処方実績がある医療機関、さらには患者がどのような情報源（インターネット、専門医からの情報、患者会など）にアクセスしやすいかといった傾向を、詳細かつ多角的に把握することを可能にしました。

AIによる詳細な分析結果に基づき、同社はプロモーション戦略を大幅に最適化しました。具体的には、潜在患者が多く、かつ処方実績のある医療機関に重点的に営業リソースを投入。患者がアクセスしやすい情報源に合わせて、Web広告の配信を細かくターゲティングしたり、特定の疾患啓発イベントを企画したり、専門医への情報提供資料をパーソナライズしたりといった施策を展開しました。

このデータに基づいた精密なターゲティングとプロモーション戦略の結果、治療薬の情報が届く患者の割合は40%も向上しました。上市後2年間で、治療薬の処方件数は目標を大きく上回り、35%増加。さらに、無駄な広告宣伝費や営業コストを削減できたことで、プロモーションコスト全体を15%削減しながらも、売上目標を達成するという、コスト効率と売上拡大の両立を実現しました。佐藤マネージャーは、「AIによる患者層の特定とパーソナライズされたプロモーションは、希少疾患治療薬の市場において、費用対効果の高い戦略を確立する上で不可欠でした」と、データ活用の重要性を強調しています。

新薬開発におけるデータ活用を成功させるための鍵

新薬開発においてデータ活用を成功させるためには、単に技術を導入するだけでなく、組織全体で取り組むべき重要な要素があります。

データガバナンスとセキュリティの確保

新薬開発で取り扱うデータは、患者の個人情報、企業の機密情報、研究成果など、極めて秘匿性の高いものが含まれます。そのため、データガバナンスとセキュリティの確保は、データ活用を成功させるための最も重要な鍵となります。

個人情報保護と規制遵守: 医療データは特に厳格な個人情報保護が求められます。EUのGDPR（一般データ保護規則）や米国のHIPAA（医療保険の携行性と説明責任に関する法律）など、各国の規制を遵守し、匿名加工や仮名化といった技術を用いて、患者のプライバシーを保護しながらデータを活用する体制を構築する必要があります。
機密情報の厳重な管理: 化合物構造、開発中の新薬に関するデータ、臨床試験結果などは、企業の競争優位性を左右する極秘情報です。これらの情報へのアクセス権限を厳密に管理し、不正アクセスや情報漏洩を防ぐための強固なセキュリティシステムを構築することが不可欠です。
データの品質確保: どんなに高度な分析ツールがあっても、データの品質が低ければ正確な洞察は得られません。データの収集段階から、正確性、完全性、一貫性を確保するためのデータ入力ルール、品質チェックプロセスを確立することが重要です。データクリーニングや標準化のプロセスを定期的に実施し、分析に耐えうる高品質なデータを維持する仕組みも求められます。

これらの要素を組織的に推進することで、安心してデータを活用できる環境が整い、データ活用の真価を発揮することが可能になります。

まずは無料で相談してみませんか？

「AIやDXに興味はあるけど、何から始めればいいかわからない」「自社の業務にAIが本当に使えるのか知りたい」

そんなお悩みをお持ちでしたら、ぜひ一度お気軽にご相談ください。AI受託開発・DX支援の豊富な実績を持つ弊社が、貴社の課題に最適なソリューションをご提案いたします。

>> まずは無料で相談する