第1部 医薬品市場情報の収集、患者数予測の効率化とChatGPTの活用事例

(2026年3月16日 10:00〜12:00)

　医薬品市場情報の収集や患者数予測は、さまざまなデータの整理・解釈を必要とし、時間と労力を要する業務である。
　本講演では、生成AIであるChatGPTを活用することで、これらのプロセスをどのように効率化し、精度向上につなげられるかを解説する。データの構造化や前処理、仮説構築、計算補助などの実務で役立つ活用法を具体例とともに紹介し、患者数予測から市場・売上予測への展開方法、さらにAI活用時の留意点についても触れ、日々の分析業務にAIを効果的に取り入れるための実践的な視点を提供する。

1. 医薬品市場情報の収集とChatGPTの活用
   1. 市場情報収集における課題
      • 非構造データの多さ
      • 情報の分散
   2. ChatGPTによる情報整理・要約・比較の効率化
   3. エビデンスや定義の確認作業
2. 生成AI・ChatGPTの基礎と医薬品情報分析への応用
   1. 生成AIの特徴と従来型AIとの違い
   2. ChatGPTの解析支援機能
      • 仮説生成
      • 計算補助
      • 文章構造化など
   3. RWD、文献レビュー、業界情報の活用事例
3. ChatGPTによる患者数予測プロセスの効率化
   1. 患者数推計の基本的な考え方と必要なデータ項目
      • 罹患率
      • 人口統計
      • 治療対象定義など
   2. AIによるデータの構造化や前処理支援
   3. 欠損値、地域差、治療対象集団の設定の注意点
   4. ChatGPTを利用した簡易推計と仮説立案の方法
      • 例
        • 前提条件の比較
        • 感度分析
        • 補助計算
4. ChatGPTを用いた患者数予測プロンプト実践 (デモ)
   1. プロンプト設計の基本 (目的 → 前提 → 手順 → 出力形式)
   2. 入力例と出力例の比較で分かるプロンプトの改善ポイント
   3. ChatGPTの「補助的推計」の限界と留意点
5. マーケットアクセス・戦略立案への応用
• 質疑応答

第2部 生成AIを活用した文献の調査と情報整理

(2026年3月16日 13:00〜14:30)

　AIが持つ変革的な潜在力は、研究プロセスのあらゆる段階を根本的に再構築しつつあり、その影響は学術コミュニケーション全体に拡大しています。特に生成AIは、膨大な文献の探索・要約・比較を短時間で行うことで、研究者が本来注力すべき思考、分析、仮説構築といった高度な知的活動により多くの時間を割ける環境づくりに寄与しています。

1. 研究におけるAI活用の最新動向
2. エルゼビアのAIツール開発の取り組み
3. エルゼビアの最新AIツールの概要と活用シナリオ
4. 実演:文献検索・要約等の基本機能
5. 実演:Deep Researchの研究計画立案への活用
6. 実演:信頼を得るための取組み
7. リスク1:ハルシネーションへの対応
8. リスク2: バイアスや著作権などの留意点
9. 今後の展望
10. まとめ
• 質疑応答

第3部 生成AIによる売上予測・事業性評価モデルの構築

(2026年3月16日 14:45〜16:15)

　医薬品の新規ビジネスは、近年、希少疾患領域へシフトしてきている。医薬品企業にとって、希少疾患領域は、患者数が少ないことや、臨床知見・疫学データも限定的で、社内に専門人材も少なく、事業性評価を、自信をもって行うことが難しい。また、社内のベテランの定年退職などによる世代交代を進んでおり、自社が得意とする疾患領域においても、若い世代が知見を蓄積していくニーズは高い。
　このような状況下、これまでの事業性評価は、なんとか担当者が限られた時間で疾患知識を身につけた上で行なったり、大型品であれば外部のコンサルタントに委託したりすることも多かったが、最近は生成AIを活用して、短期に自社で領域知見を習得し、事業性評価を行おうという機運が高まっている。
　最近は、生成AIを使わずに1日を過ごすことはほぼない。しかしながら、その使い方はGoogle検索の高機能版のようなものがまだ多く、自社で事業性評価を行おうとしても、プロンプトも複雑になり、どのように進めていいかわからないことも多い。他方、生成AIには、多くの機能が存在し、使い方を覚えれば極めて効率的に、医薬品の売上予測や事業性評価を行うことが可能である。
　本講座では、医薬品ビジネスの事業性評価の方法論の基礎をおさらいした上で、特定の目的に合わせて生成AIのGPTをカスタムできるGPTsを用いてどのように事業性評価を行うかを紹介する。

1. 事業性評価の基礎 (おさらい)
   1. 売上予測:想定薬価と患者数
   2. マクロ環境の考慮
      • 競合製品、後発品の動向
      • 薬価改定
   3. 自社の製品戦略の考慮
2. 生成AIの基礎
   1. 基本的な仕組み
   2. ハルシネーション
   3. セキュリティ
   4. ユーザーが身につけるべきスキル
3. カスタム生成AI (GPTs) の使った事業性評価
   1. 使い方
   2. 事業性評価モデルの構築
   3. GPTsを使った事業性評価の例題
4. 生成された事業性評価結果の検証
   1. 生成AI評価の限界
   2. 人が判断すべき部分
5. 補足:生成AIを使った働き方の将来
• 質疑応答