人工知能：医薬品の新たな処方モデル

🔍 Artificial Intelligence: A New Pharmaceutical Prescription Model - 英語版

人工知能（AI）、より正確には大規模言語モデル（LLM）は、わずか数年のうちに現代における最も構造的な影響力をもつ技術のひとつとして定着しました。経済のあらゆる分野への影響はすでに広く記録されている一方で、医療実務への影響、とりわけ医薬品の処方モデルへの影響については、いまだ十分に分析されていません。本稿の目的はまさにそこにあります。AIがいかにして従来型より強力な新しい処方モデルを生み出しつつあるのか、そしてそれが製薬企業にとってもはや無視できない主権の根本的な問いをいかに提起しているのかを検討します。

この変化の規模を十分に把握するために、まずはAIが取って代わろうとしているモデルの構造的な脆弱性を検討する必要があります。

衰退する対面型の処方モデル

まず、医薬品の対面型処方モデルとは何を指すのかを明確にしておきましょう。それは、医師の処方頻度を高めることを目的として、対面での接触や物理的な資材を通じて医療用医薬品について医師に情報提供する一連の活動を指します。このモデルは、製薬企業内のいくつかの主要な機能に支えられています。

• 営業部門（MR）。医療従事者、病院、薬局を直接訪問します

• メディカルアフェアーズ。個別または集団で、とりわけ学会において医療従事者に科学的・医学的情報を提供し、研究をはじめとする臨床的・治療的プロジェクトを推進します

• マーケティング。コンテンツを制作し、エコシステム全体に向けたキャンペーンを展開します

このモデルの有効性は以前から疑問視されてきました。一例として、2010年にはすでに公表された科学文献のレビューが、体系的に実証された有効性の欠如を明らかにしています。

さらに、医師へのアクセスが継続的かつ増大的に制限されてきたことで、このモデルの有効性は低下し、同時にコストは増大しました。デジタルツールの急速な発展もこの傾向を反転させてはいません。新たな接点のチャネルこそもたらしたものの、モデルの有効性を回復させるには至らなかったのです。

こうした状況において、人工知能の登場はこのモデルを弱体化させるにとどまりません。根本的に異なる新しいモデルを生み出すことで、従来のモデルを時代遅れのものにしているのです。

AIはすでに医師と患者にとって主要な参照ツールとなっている

2022年11月30日のChatGPT 3.5の登場以来、これらのツールの普及は前例のない伸びを示しています。以下の図1がそれを示しています。

*図1：ChatGPT利用者数の推移、出典： *https://backlinko.com/chatgpt-stats

検索エンジンで起きたこととは異なり、生成AIのエコシステムは単一の支配的プレイヤーに収斂してはいません。ChatGPTが最も利用されているツールである一方で、数多くの他のソリューションが併存しており、そのうちのいくつかは医療分野に特化して設計されています。

入手可能なデータは、これらのツールが医療実務にすでに大きく浸透していることを裏づけています。

• Healthcare Data Instituteによる2023年のフランスの調査では、フランスの医師の41.47%が月に1回以上AIを利用しています

• AMA（米国医師会）が2026年3月12日に公表した米国の調査では、2026年に米国の医師の80%以上が人工知能ツールを利用しており、**2023年の38%**と比較して大幅に増加しています

• 患者に関しては、OpenAIは8億人の定期利用者のうち、4人に1人（25%）が毎週、健康に関するプロンプトを入力していると述べています

利用実態にとどまらず、最初の臨床研究はLLMの推奨が治療上の意思決定に実際に影響を及ぼすことを示しています。2025年にNature Medicineに掲載された米国の医師50人を対象とした研究では、GPT-4の推奨によって医師が当初の臨床判断を修正し、診断精度に測定可能な改善が見られました。

図2. 医師と患者にとっての主要なインフルエンサーかつ処方者としての人工知能

これまではDr. Googleの影響力が盛んに論じられてきましたが、いまやDr. AIが医療エコシステム全体で最も強力なインフルエンサーとなりました。この移行は単なるインターフェースの置き換えと受け取られるかもしれませんが、実際には本質的に異なる変化です。Googleが信頼性を評価することなくウェブページを参照するにとどまるのに対し、AIツールは検証済みの科学文献を優先しながら情報を統合し、序列づけます。医学的な問いに対して、Dr. AIは検索エンジンとしてではなく、医師として答えるのです。

Dr. AIの処方力は縦断データを伴う医学論文に直接結びついている

生成エンジン向けの最適化に用いられるGEO（Generative Engine Optimization）ツールを使えば、利用者の問いへの回答を生成する上で寄与している主要な情報源を特定できます。製薬業界に特化したツールも存在し、Aikka社が開発したPharmaGEOがその一例です。

この種のツールにより、人工知能エンジンごとに、あらゆる分子・あらゆる医薬品を研究した主要な医学論文を特定することが可能になります。

言い換えれば、学術誌に論文を発表する医師の科学コミュニティが、人工知能エンジンを、ひいてはすべての医師と患者を直接的に養っているのです。

しかし質の高い医学論文を生み出すには、量的に十分で、構造化され、均質で、縦断的かつ特定の治療領域に固有のデータコホートが必要です。そしてそうしたデータの最良の供給源は、間違いなく、治療期間を通じて患者を追跡するデジタルヘルスのアプリケーションです。

図3. デジタルヘルスのスタートアップは、科学論文にとって最良のリアルワールドデータ供給源である

実際、文献が示すところによれば、デジタルデータの価値が主に認められるのは、そのデータが明確に定義された疾患ないし適応、臨床アウトカム、そして治療上の意思決定と結びついている場合です。これは一般的な健康・ウェルネスアプリよりも、治療領域ごとに特化したソリューションに典型的に当てはまります。

必要な規模で患者にアクセスするために、これらのスタートアップは医療システムの主要な担い手の支援を必然的に必要とします。とりわけ病院内の医師、さらには患者団体や薬局です。

あわせて、Tiers-Lieux d'Expérimentation（実証拠点）の新しく特異な役割にも触れておきましょう。これはデジタルヘルスのスタートアップとともに病院内で実証を行えるようにするための、フランス政府による近年の取り組みです。現在フランスには37カ所ありますが、この新たな価値創出において不可欠な有用性をもつにもかかわらず、その将来はいまだ不透明です。

これらのスタートアップとそのデータの価値は、実のところ展開能力に正比例します。収集されるデータ量が大きいほど、その科学的・戦略的な有用性は高まります。

ところが、同一の専門領域や治療領域に多数のスタートアップが乱立し、どのソリューションを選ぶべきかの判断を難しくしている状況がしばしば見られます。以下で見るように、この段階は過渡的なものです。心臓病学、糖尿病学、腫瘍学など、治療領域ごとに個別に見れば、ごく少数の担い手だけが定着していくと予測できます。ただし、この集約は他のデジタル市場ほど速くも一様にも進みません。国ごとに大きく異なる規制、民間企業への依存に対する病院組織の抵抗、専門領域ごとの自然な分断は、いずれもこの過程を遅らせる制動要因です。だからこそ、地歩を固めたい製薬企業にとって待つ理由はなく、だからこそ第6節で検討するオープンな協働モデルが、こうした買収の成功にとって不可欠な条件となるのです。

ここに逆説的な状況が浮かび上がります。デジタルヘルスのスタートアップは処方の新しいバリューチェーンの中心にありながら、経済的には依然として脆弱なのです。この逆説がいかに解消されうるかを理解するうえで、ERPの歴史は示唆に富む視座を与えてくれます。

デジタルヘルスのスタートアップは医療システムのERPである

デジタルヘルスは、主要な国際機関によって長らく医療システム変革の根幹をなす手段と認識されてきました。世界保健総会はデジタルヘルスに関する決議を全会一致で採択し、WHOは医療システムを人間中心かつデジタルによって駆動されるものとすることを目指す世界戦略を定めています。

とはいえ、当のスタートアップは、成長し市場価値を確立できるだけの持続可能なビジネスモデルを見出すのに苦労しています。

実際、今日フランスにおけるデジタルヘルス・スタートアップの主なビジネスモデルは次のとおりです。

• 医師、病院、患者への直接販売

• 遠隔医療ソリューションの社会保険による償還

• デジタル治療の社会保険による償還

ドイツに続いて開始されたフランスにおける遠隔医療ソリューションおよびデジタル治療の償還は、一時期、デジタルヘルスの台頭を可能にする枠組みを与えるかに見えました。今日わかるのは、そうではないということです。償還の取得は長く複雑な手続きであり、しかも商業的成功を保証するものではありません。

だからこそ、人工知能によるこの新しい処方モデルの出現が、デジタルヘルスを発展させる真の触媒となりうるのです。

ERP（Enterprise Resource Planning）との類比は示唆的です。1990年代末以降あらゆる企業に導入されたこのソフトウェアは、組織ごとに収集すべき重要なデータを定義し、次いでその運営の全体像を示す一元的なダッシュボードを構築することを可能にしました。こうして企業は自らの変革を舵取りできるようになったのです。

この類比を用いれば、デジタルヘルスのソリューションが、治療領域ごとにデータを定義し、次いでそのデータを診療経路のあらゆる構成要素において収集することで、いかにして適切かつ均質なデータに基づく全体像をもたらすことになるのかを、よりよく理解できます。

結局のところ、これらのデータの価値が企業にとってのERPと同じくらい根本的であるならば、これらのスタートアップを支配する者が、明日には処方力の一端を握ることになります。まさにこれが買収競争の引き金となるのです。

デジタルヘルス・スタートアップの希少化：製薬企業にとっての好機

デジタル市場の経験からは、繰り返し現れる力学を見て取ることができます。最初の探索段階では多数の競合ソリューションが登場します。利用者は一般に最初に入手できたソリューションを採用し、複数を併用することにはある種の抵抗を示します。やがて選別が進みます。性能の劣るソリューションは姿を消し、最も広く普及したものがネットワーク効果に敏感な新規利用者を惹きつけます。この過程は市場の集約を加速させ、少数の担い手が市場の大半を分け合う寡占構造へと導きます。

この寡占的状況はスタートアップを有利な立場に置きます。相当の市場シェアを握る彼らは、アクセスを求める製薬企業に対して自らに有利な契約条件を課すことができ、それが評価額の上昇につながります。この力関係を前に、製薬企業がパートナーシップを確保するための戦略は二つあります。直接買収か、資本参加です。

すでにいくつかの案件がこの傾向を示しています。

• 2018年、ロシュによるFlatiron Healthの19億ドルでの買収

• 2019年、サノフィによるAetionとの提携および出資

さらに、これらのスタートアップのいずれかを買収する製薬企業は、希少かつ戦略的な資源の排他的支配を手にすることになります。担い手の数が減るにつれ、これらのプラットフォームの買収は真の好機を生み出すでしょう。データへのアクセスを支配しうる立場の企業は競合他社からそれを奪うことができ、意思決定を先送りした企業を犠牲にして持続的な競争優位を築くことになります。

図4. デジタルヘルス・スタートアップの買収は製薬企業にとって好機を生み出す

もっとも、この買収戦略にリスクがないわけではありません。製薬企業によるスタートアップの支配は、まさにそのスタートアップの価値を支えているエコシステムとの間に潜在的な緊張を生み出します。

オープンな協働アーキテクチャ：買収を持続させる条件

というのも、製薬企業の利害は、スタートアップの価値を養い、質の高いデータの産出を可能にしているエコシステムのすべての構成要素と完全に一致するとは限らないからです。

スタートアップを支配する側とそれを取り巻くエコシステムとの間には現実の緊張が生じうるのであり、それは対立へ、そしてスタートアップの拒絶へと至りかねません。

図5. 製薬企業と医療エコシステムとの間で生じうる緊張の図示

こうした買収が持続するためには、スタートアップを支配する製薬企業が、その価値を構成しているエコシステムに対して略奪者のように振る舞うことは許されません。三つの条件が不可欠です。第一に、共有された目標のもとで各者の利害を一致させるマルチステークホルダー・ガバナンス。第二に、データの産出に欠かせない貢献者すべて——医師、病院、患者団体、薬局——に利益をもたらす価値配分モデル。第三に、ソリューションの有用性を検証し、真の価値の証拠を生み出す、現場での具体的な実証能力。この三条件が、オープンな協働アーキテクチャと呼びうるものを定義します。

図6. 医療エコシステムの担い手の利害を一致させるコアリションを創出する必要がある

NextGen Coalition は、2020年以来Digital Pharma Labが共同設立し運営しており、今日フランスにおけるこの種のアーキテクチャの参照モデルとなっています。5年間で、病院、製薬企業、スタートアップ、公的機関など40を超える提携機関を共同ガバナンスのもとに結集し、350万ユーロを動員、デジタル診療経路、遠隔モニタリング、臨床医向けAIツールなど35を超える革新的プロジェクトを支援してきました。この枠組みで実証されたソリューションの恩恵をすでに10万人の患者が受けています。

薬局分野では、同じくDigital Pharma Labが牽引する Coalition IDEO が、同じ原理を異なるエコシステムに適用しています。ヘルスケア産業、薬局グループ、卸売事業者、デジタル専門家を共通の目標のもとに結集させるものです。すなわち、ワクチン接種、スクリーニング、服薬支援と薬剤師の職務が急速に多様化するなかで、薬局のデジタル導入を支援することです。毎年、全会員とともに6カ月の共同作業を通じて練り上げられる公募により、最も有望なソリューションが選定され、薬局と患者の実際のニーズが取り組みの中心に据えられることが担保されます。第1回の公募では42件の応募があり、うち11件がコアリションで発表され、4件のプロジェクトが選定されて現在、仕上げと展開の段階にあります。

この二つの事例は本質的な教訓を示しています。コアリションの価値は宣言によって生まれるのではなく、実証を通じて辛抱強く築き上げられるということです。これらのモデルを堅固にしているのは、まさに単一の担い手に支配されていないという点です。各々の関係者が現実の、測定可能な利益をそこに見出すからこそ機能するのです。デジタルヘルスのスタートアップを買収する製薬企業は、このモデルを再現し制度化しなければなりません。さもなければ、自らが手に入れようとしている価値そのものを破壊してしまうでしょう。

結論：AIはデジタルヘルスのスタートアップと真の協働システムを価値づける好循環を、すべての人の利益のために生み出す

人工知能は、医師にも患者にも検証済みの科学文献に基づく回答を提供することで、医薬品の処方モデルを根本から組み替えつつあります。この新しい構図のなかで、量的に十分で、構造化され、均質で、リアルタイムかつ縦断的で、特定の治療領域に固有のデータコホートを生み出すデジタルヘルスのスタートアップは、治療経路の全体的・定量的・代表的な把握に基づく科学論文の産出を可能にするでしょう。

自らの主権を確保し競争優位を固めるうえで、製薬企業にはこれらのスタートアップを買収ないし支配する十分な理由があります。しかしそのためには、この新しいバリューチェーンをめぐってエコシステムのあらゆる担い手の利害を一致させうる、真にオープンな協働アーキテクチャを構築しなければなりません。それこそが、業界全体の利益となる持続的なシステム変革の不可欠な条件なのです。

参考文献

Gagnon, M. A., & Lexchin, J. (2010). Information from pharmaceutical companies and the quality, quantity, and cost of physicians' prescribing: A systematic review. PLOS Medicine, 7(10), e1000352. https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1000352

Romanow, K. (2015, August 18). Crossing the threshold: More than half of physicians restrict access to sales reps. PR Newswire. https://www.prnewswire.com/news-releases/crossing-the-threshold-more-than-half-of-physicians-restrict-access-to-sales-reps-300136525.html

PR Newswire. (2016, July 14). As doctors keep closing doors on pharma reps, do digital communications provide a better solution? PR Newswire. https://www.prnewswire.com/news-releases/as-doctors-keep-closing-doors-on-pharma-reps-do-digital-communications-provide-a-better-solution-300317132.html

Healthcare Data Institute. (2023). Les Français, les professionnels de santé et l'intelligence artificielle. https://healthcaredatainstitute.com/wp-content/uploads/2024/01/etudes-hdi-day-2023_compressed_compressed-1.pdf

American Medical Association. (2026, March 12). More than 80% of physicians use AI professionally: AMA survey. https://www.ama-assn.org/practice-management/digital-health/more-80-physicians-use-ai-professionally-ama-survey

Fierce Healthcare. (2024). 40M people use ChatGPT to answer healthcare questions, OpenAI says. https://www.fiercehealthcare.com/ai-and-machine-learning/40m-people-use-chatgpt-answer-healthcare-questions-openai-says

Semigran, H. L., Linder, J. A., Gidengil, C., & Mehrotra, A. (2017). The effect of Dr Google on doctor–patient encounters in primary care: A quantitative, observational, cross-sectional study. BMC Family Practice. https://pmc.ncbi.nlm.nih.gov/articles/PMC6169945

Staudenmayer, K. L., et al. (2025). Physician clinical decision modification and bias assessment in a randomized controlled trial of AI assistance. Communications Medicine (Nature). https://www.nature.com/articles/s43856-025-00781-2

Wikimedia Foundation. (2024). Optimisation pour les moteurs génératifs. Wikipédia. https://fr.wikipedia.org/wiki/Optimisation_pour_les_moteurs_g%C3%A9n%C3%A9ratifs

Aikka.（年不詳）. PharmaGEO. https://www.aikka.ai/

Neves, A. L., et al. (2023). Digital health technology for real-world clinical outcome measurement using patient-generated data: Systematic scoping review. Journal of Medical Internet Research, 25, e46992. https://www.jmir.org/2023/1/e46992/

GNIUS - Espace Numérique de Santé. (2023). Les Tiers-Lieux d'Expérimentation en santé (TLE) - fiche acteur. https://gnius.esante.gouv.fr/fr/acteurs/fiches-acteur/tiers-lieux-dexperimentation-en-sante-tle

GNIUS - Espace Numérique de Santé. (2023). Les Tiers-Lieux d'Expérimentation en santé (TLE) - programmes nationaux. https://gnius.esante.gouv.fr/fr/programmes-nationaux/tiers-lieux-dexperimentation

Sinsky, C., et al. (2018). Digital health and health systems of the future. National Library of Medicine. https://pmc.ncbi.nlm.nih.gov/articles/PMC6203414/

Wikimedia Foundation. (2024). Thérapie numérique ou digitale. Wikipédia. https://fr.wikipedia.org/wiki/Th%C3%A9rapie_num%C3%A9rique

Wikimedia Foundation. (2024). Progiciel de gestion intégré. Wikipédia. https://fr.wikipedia.org/wiki/Progiciel_de_gestion_int%C3%A9gr%C3%A9

Digital Pharma Lab.（年不詳）. NextGen Coalition. digitalpharmalab.com/ecosysteme/nextgen-coalition

Digital Pharma Lab.（年不詳）. Coalition IDEO - Innovation Officine. digitalpharmalab.com/ecosysteme/coalition-ideo

Wikimedia Foundation. (2024). Grand modèle de langage. Wikipédia. https://fr.wikipedia.org/wiki/Grand_mod%C3%A8le_de_langage