「AI×医薬品製造」セミナー2026│医薬品製造│製薬DX│AI活用│創薬│Mechanistic AI│Python

■本セミナーの受講形式（会場／Zoom両アイコンある場合は受講形式選択可）

zoom ……Zoomオンライン受講

見逃し視聴あり ……見逃し視聴選択可

◆DXとしてのMechanistic AI活用を、手法の使い分け、工程別の適用可能性、実プロジェクト事例から解説させていただきます。
◆Pythonによる演習を通じて、モデル構築からデザインスペース決定までの流れを体験頂く予定です！

講師

株式会社Auxilart　Chief Operating Officer（COO）　沖田　慧祐　氏

講師紹介

■略歴：
東京理科大学（理工学部応用生物科学科）、東京大学大学院（情報理工学系研究科知能機械情報学専攻）卒業。大学院在学時はBrain Machine Interfaceについて研究。
2013年、組織人事系コンサルティング会社の株式会社リンクアンドモチベーション入社。新規事業「モチベーションクラウド」を立上げ。マーケティング・ブランディング責任者として年間売上30億までを牽引。
2022年、営業生産性向上のSaaSを提供するスタートアップの株式会社ナレッジワーク入社。マーケティングチームリーダーなどを務める。
2024年より、株式会社AuxilartにてChief Operating Officerを務める。

■専門および得意な分野・研究：
製薬DX、Mechanistic Modeling（メカニスティックモデリング）、医薬品製造プロセス開発、モデリング・シミュレーションの事業実装、スタートアップ経営

日時・受講料・お申込みフォーム

●日時：2026年10月14日(水)　13:00-16:00　＊途中、小休憩を挟みます。

●受講料：
【オンライン受講（見逃し視聴なし）】：1名 40,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき29,700円

【オンライン受講（見逃し視聴あり）】：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。

＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
＊5名以上でのお申込の場合、更なる割引制度もございます。
　ご希望の方は、以下より別途お問い合わせ・お申込みください。
　req@*********（*********にはjohokiko.co.jpを入れてください）

■ セミナーお申込手順からセミナー当日の主な流れ　→

お申込みはこちらから

商品コード：AB2610E3

配布資料・講師への質問など

●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
　（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）

オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）

PC／タブレット／スマートフォンなど、Zoomが使用できるデバイスをご用意ください。

インターネット回線速度の目安（推奨）　下り：20Mbps以上

開催が近くなりましたら、Zoom入室URL、配布資料、当日の流れなどをメールでご連絡いたします。開催前日（営業日）の12：00までにメールが届かない場合は必ず弊社までご一報ください。

⇒よくある事例として「弊社ドメイン（johokiko.co.jp）のメールがスパム扱いとなっている」「メールアドレスのご記載ミス」などがございます。お申込み後にフォームへご記載いただいたメールアドレスへ自動返信メールを送信しますので、こちらのメールが受信できない場合、弊社からのZoom入室URLや配布資料のご案内メールもお届けすることができなくなってしまいます。予め受信できる設定にお願いいたします。
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）

受講者側のVPN、セキュリティ設定、通信帯域などのネットワーク環境ならびに使用デバイスの不具合については弊社では対応いたしかねますので予めご了承ください。

講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止いたします。また、申込者以外の受講・動画視聴は固くお断りいたします（代理受講ご希望の際は、開催前日までに弊社までご連絡お願いします）。

Zoom使用に関する注意事項（クリックして展開）

公式サイトから必ず事前のテストミーティングをお試しください。

→ 確認はこちら
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例

Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。

→参加方法はこちら
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティングをお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）

申込み時に（見逃し視聴あり）を選択された方は、見逃し視聴が可能です。（クリックして展開）

見逃し視聴ありでお申込みされた方は、セミナーの録画動画を一定期間視聴可能です。

セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。

原則、遅くとも開催4営業日後までに録画動画の配信を開始します（一部、編集加工します）。

視聴期間はセミナー開催日から4営業日後を起点に1週間となります。

ex）2/6（月）開催セミナー → 2/10（金）までに配信開始 → 2/17（金）まで視聴可能
→見逃し視聴について、こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」

＜見逃し視聴ご案内の流れ・配信期間詳細＞

メールにて視聴用URL・パスワードを配信します。配信開始日を過ぎてもメールが届かない場合は必ず弊社までご連絡ください。

準備出来しだい配信いたしますので開始日が早まる可能性もございます。その場合でも終了日は変わりません。上記例の2/6開催セミナーの場合、2/8から開始となっても2/17まで視聴可能です。

GWや年末年始・お盆期間などを挟む場合、それに応じて弊社の標準配信期間設定を延長します。

原則、配信期間の延長はいたしません。

万一、見逃し視聴の提供ができなくなった場合、（見逃し視聴あり）の方の受講料は（見逃し視聴なし）の受講料に準じますので、ご了承ください。

セミナーポイント

■はじめに
医薬品の製造プロセス開発は、長らく実験の試行錯誤に支えられてきました。バイオ医薬品の拡大とともに、1回の実験にかかるコストと期間は膨らみ、従来のやり方だけでは追いつかない場面が増えています。

ここで実用段階に入りつつあるのが、Mechanistic AIです。自然科学の法則に基づくメカニスティックモデルに、AIの柔軟性を融合させる。これにより、少量のデータから挙動を予測し、実験していない条件まで踏み込めるようになります。試行錯誤で条件を探す開発から、モデルで見通しを立ててから実験する開発へ。製造プロセス開発のやり方そのものが変わりつつあります。

本セミナーではまず、創薬から承認後まで、製薬DXの全体像と各フェーズの現在地を概観します。そのうえで、そのバリューチェーンの一つである製造プロセス開発に焦点を絞り、そこで起きているDXとしてのMechanistic AI活用を、手法の使い分け、工程別の適用可能性、実プロジェクト事例から解説します。最後にPythonによる演習を通じて、モデル構築からデザインスペース決定までの流れを体験いただきます。予備知識は不要です。

■講演中のキーワード：
Mechanistic AI、メカニスティックモデル、製薬DX、プロセス開発、スケールアップ、デザインスペース、DoE（実験計画法）、Python

■受講対象者：
・医薬品の製造プロセス開発、CMC、技術移転に携わっている方
・製造・品質部門で、シミュレーションやモデル活用の検討を始めた方
・CDMO・受託製造において、プロセス開発の効率化に課題を感じている方
・モデリングに興味はあるが、何から手を付けるべきかわからない方
・本テーマに興味のある方なら、どなたでも受講可能です

■必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど：
・特別な予備知識は必要ありません。高校卒業レベルの化学の知識があれば十分です。
・第３部の演習ではPythonを使用しますが、コードは配布し、書き換える箇所を指示しながら進めますので、プログラミング経験は問いません。
・経済産業省「バイオCMO/CDMOの強化について」（https://www.meti.go.jp/shingikai/sankoshin/shomu_ryutsu/bio/pdf/011_09_00.pdf）に目を通しておくと、第１部の市場動向の理解が深まります。
・経済産業省「バイオ医薬品及び再生医療等製品の製造体制の強化に向けた取組」（https://www8.cao.go.jp/iryou/ss_wg/agenda0226/siryo-3.pdf）は、国内の製造基盤やCDMOをめぐる政策動向の背景資料としてご参照いただけます。

■本セミナーで習得できること：
• 製薬DXの全体像と、医薬品製造プロセス開発の位置付け
• Mechanistic AIの基本的な考え方と、従来手法との違い
• 実プロジェクト事例から見えるMechanistic AIの可能性
• Pythonによるモデル構築からデザインスペース決定までの一連の流れ

セミナー内容

第１部　製薬DXの全体像と、製造プロセス開発の現在地
1. 製薬DXの全体像：創薬から承認後まで
　1.1 医薬品が患者に届くまでの6つのフェーズ
　1.2 各フェーズで何が変わろうとしているか
　1.3 創薬・非臨床におけるAI活用の到達点
　1.4 臨床開発におけるモデル活用と、規制当局に認められた事例
　1.5 製造プロセス開発・商業製造での実装
　1.6 承認後のリアルワールドデータ活用
　1.7 フェーズを超えた連携がもたらす次の変化
2. バリューチェーンの一つとしての製造プロセス開発
　2.1 製造プロセス開発とは何をする工程か
　2.2 開発が抱える本質的な課題
　2.3 スケールアップに伴うコストと期間
3. 製造プロセス開発に起きている3つの変化
　3.1 市場の変化：バイオ医薬品の需要拡大
　3.2 バイオ医薬品製造の特徴と不確実性
　3.3 技術の変化：化学品製造とバイオ医薬品製造の違い
　3.4 計算能力とPAT技術の発達がもたらしたもの
　3.5 規制の変化：モデル活用が国際的に位置付けられるまでの流れ
　3.6 3つの変化が揃った現在地

第２部　製造プロセス開発におけるDX：Mechanistic AIの活用
4. Mechanistic AIとは何か
　4.1 メカニスティックモデルの基本的な考え方
　4.2 Mechanistic AIという発想：理論の骨格とAIの柔軟性
　4.3 少ないデータで、実験していない条件を予測するということ
5. 手法の使い分け
　5.1 データ駆動型AIとの比較：必要データ量、外挿性、説明性
　5.2 DoE（実験計画法）との比較：補間と外挿、必要な前提知識
　5.3 開発フェーズに応じた使い分けの考え方
6. スケールアップへのアプローチ
　6.1 スケール依存の現象をどう捉えるか
　6.2 コンパートメントモデルと流体解析の組み合わせ
7. 工程別に見た適用可能性
　7.1 原薬製造の各工程における適用可能性
　7.2 製剤製造の各工程における適用可能性
　7.3 上流・下流・製剤・無菌それぞれで使われるモデルと最適化対象
　7.4 モダリティを超えた広がり（低分子・バイオ・細胞遺伝子治療）
8. 適用事例
　8.1 国内外の製造現場での実装例と成果
　8.2 プロジェクト事例の詳解：対象プロセスと直面していた課題
　8.3 なぜ既存のアプローチでは解決できなかったか
　8.4 モデルの設計と実装
　8.5 予測結果と、そこから見えてきた可能性
　8.6 適用にあたっての条件と限界

第３部　Pythonによるモデリング演習：モデル構築からデザインスペース決定まで
9. 演習の進め方
　9.1 問題設定：ある反応の運転条件を、最少の実験で決める
　9.2 前提知識：微分方程式と反応速度式
10. Step 1　基礎モデルの構築
　10.1 反応機構を考える
　10.2 モデル式を立て、コードに実装する
　10.3 実行し、実験データと比較する
11. Step 2　モデルの改善
　11.1 条件を変えると予測が外れる：何が起きているか
　11.2 仮説を立ててモデルを更新する
　11.3 複数条件に対応できるモデルへ
　11.4 「いいモデル」とは何か：パラメータ数、複雑さ、データ量、理論的裏付け
12. Step 3　モデルの活用
　12.1 実験していない条件の予測と比較
　12.2 デザインスペースの決定（等高線図の作成）
　12.3 モデル活用のメリットとデメリット
13. まとめと質疑応答