問題提起・現状認識
再生医療が「夢の医療」と呼ばれた時代は、すでに過去のものです。iPS細胞の臨床応用が進み、CAR-T細胞療法（患者自身の免疫細胞を改変してがんを攻撃させる治療法）が保険適用となった今、再生医療は実用フェーズに入っています。しかし、その普及を阻む根深い課題が残っています。製造品質のばらつき、という問題です。
厚生労働省が2025年3月に公表した「再生医療等安全性確保法の施行状況」によれば、再生医療等提供計画の届出件数は累計で5,800件を超えました。市場も拡大基調にあります。経済産業省の「再生医療・遺伝子治療の産業化に向けた基盤整備事業」の報告では、国内再生医療市場は2030年に1兆円規模に達すると見込まれています。成長の勢いは確かです。
ただし、ここに見過ごせない問題があります。再生医療製品の「品質」は、従来の医薬品とまったく異なる性質を持っているという点です。化学合成で作る低分子医薬品であれば、製造条件を固定すれば同一品質の製品を大量生産できます。一方、細胞を原料とする再生医療製品は「生きた製品」です。培養のたびに細胞の状態が微妙に変わります。温度、培地の成分バランス、培養日数——わずかな条件の違いが、最終的な治療効果を左右します。
実は、この品質管理の現場では、熟練技術者の「目利き」が決定的な役割を果たしてきました。顕微鏡で細胞の形態を観察し、「この細胞集団は分化が進みすぎている」「この培養は状態が良い」と判断する。こうした暗黙知に依存した品質評価が、業界の標準的な運用だったのです。
問題は明白です。属人的な判断に頼る限り、施設間・技術者間で品質基準がぶれます。ある施設では合格とされる細胞が、別の施設では不合格になる。治療を受ける患者にとって、この不均一性は深刻なリスクにほかなりません。
PMDA（医薬品医療機器総合機構）は2024年の科学委員会報告において、再生医療等製品の品質評価における客観的指標の確立を重点課題として挙げています。つまり、規制当局も「人の感覚頼みの品質管理」に限界を感じている状況です。
ここに重要な転換点があります。AI画像解析技術の急速な進歩が、この属人的な品質評価を定量化・標準化できる可能性を開いたのです。培養中の細胞画像をAIがリアルタイムで解析し、品質スコアを数値として出力する。熟練者の暗黙知をデータとアルゴリズムに変換する試みが、国内外で本格化しています。
正直に言えば、再生医療×AIという組み合わせは、まだ多くの人にとって馴染みが薄いかもしれません。しかし、この融合が解決しようとしている課題は極めて具体的です。「再現性のある治療」を実現すること。そして、それを支える製造・品質管理基盤を構築すること。
本稿では、再生医療分野におけるAI診断支援の最新動向を整理し、市場データ・主要プレイヤーの戦略・規制環境の変化という3つの視点から、この領域の現在地と今後の展望を分析していきます。
データに基づく現状分析
再生医療×AIの融合がどこまで進んでいるのか。その実態を、3つのデータ軸で整理します。市場規模、研究開発投資、そしてAI医療機器の承認動向です。
市場規模：再生医療は年平均20%超の成長軌道
まず、再生医療市場全体の規模感を押さえておきましょう。
グローバルでは、Grand View Researchの2024年レポートによると、世界の再生医療市場は2023年時点で約188億ドル（約2.8兆円）と推計されています。2030年までの年平均成長率（CAGR）は23.8%。急成長セクターの一つです。
国内に目を向けると、先述の経済産業省の推計で2030年に国内市場1兆円という数字があります。2020年時点の市場規模が約900億円だったことを踏まえると、10年で約11倍。成長の角度は極めて急峻です。
この成長を牽引しているのが、CAR-T細胞療法をはじめとする細胞治療製品の保険適用拡大です。ノバルティスの「キムリア」、ギリアドの「イエスカルタ」に加え、ブリストル・マイヤーズスクイブの「アベクマ」は2022年1月に日本で製造販売承認を取得しました。保険収載された治療が増えるほど、製造需要は膨らみます。製造需要が膨らむほど、品質管理の標準化ニーズも高まる。この連鎖が、AI導入の追い風になっています。
研究開発投資：官民合わせて数千億円規模の資金流入
次に、資金の流れを見ます。
日本政府は再生医療を国家戦略の柱に据えています。AMED（日本医療研究開発機構）の2025年度事業計画では、再生・細胞医療分野に約150億円の研究費が配分されました。このうちAI・データサイエンスとの融合研究に充てられる割合は年々増加傾向にあります。
民間投資も活発です。実は、再生医療ベンチャーへのグローバル投資額は2023年に過去最高を記録しました。PitchBookのデータによれば、セルセラピー（細胞治療）関連スタートアップへのVC投資額は2023年に約92億ドル。2020年の約48億ドルから、3年でほぼ倍増しています。
注目すべきは、投資先の変化です。以前は治療法そのものの開発に資金が集中していました。しかし2024年以降、製造プロセスの自動化・AI品質管理に特化した企業への投資が目立つようになっています。米国のCellares（セルケアーズ）は細胞治療の自動製造プラットフォームを開発し、2023年に2.55億ドルの大型調達を実施しました。「治療を作る技術」から「治療を安定的に量産する技術」へ。投資家の関心も明確にシフトしています。
AI医療機器の承認動向：年間200件超の加速ペース
3つ目の軸は、AI医療機器の規制承認です。
米国FDA（食品医薬品局）は、AI/ML（機械学習）を活用した医療機器の承認リストを公開しています。2024年10月時点の累計承認数は950件超。2021年に年間100件を初めて突破して以降、2023年には年間約220件まで増加しました。放射線画像診断や病理診断が中心ですが、細胞解析・培養モニタリング分野での申請も出始めています。
日本でも動きがあります。PMDAは2023年に「AIを活用したプログラム医療機器（SaMD）」の審査ガイドラインを改定しました。学習データの品質管理要件や、市販後のアルゴリズム更新に関するルールを明確化した点が重要です。これは再生医療分野にも直接影響します。細胞品質を判定するAIソフトウェアが「プログラム医療機器」として承認審査の対象になる可能性が高いためです。
ちなみに、厚生労働省の「医療機器プログラムの該当性に関するガイドライン」（2024年改定版）では、診断・治療の意思決定を支援するソフトウェアを医療機器として規制する方針がより明確になりました。再生医療の品質評価AIも、この枠組みの中で扱われることになります。
3つのデータが示す方向性
ここまでの数字を整理すると、一つの明確な方向性が浮かび上がります。
市場は急拡大している。投資は「製造・品質管理」にシフトしている。規制当局はAI医療機器の審査体制を整備しつつある。つまり、再生医療のバリューチェーン（価値連鎖）において、「AI品質管理」がボトルネック解消の本命として位置づけられ始めているという構図です。
需要・資金・制度の3要素が同時に動いている。この同時進行こそが、2026年現在の最も重要なシグナルだと分析できるでしょう。
構造的な要因の分析
再生医療×AIの融合が加速している背景には、単なる技術トレンド以上の力学が働いています。ここでは「製造の壁」「規制の進化」「人材の構造的不足」という3つの視点から、この動きの根本原因を掘り下げます。
視点1：「生きた製品」が抱える製造の壁
再生医療製品の製造が従来の医薬品と決定的に異なるのは、原料そのものが「生きている」という点です。
化学合成による低分子医薬品は、温度・圧力・反応時間を制御すれば、ロットごとの品質差はごくわずかに収まります。しかし細胞は違います。同じドナー（提供者）から採取した細胞でも、培養の回数を重ねるごとに性質が変化します。継代培養（細胞を新しい容器に移して増やす作業）のたびに、分化の傾向や増殖速度にばらつきが生じるのです。
具体的な数字で見てみましょう。日本再生医療学会が2024年に発表したポジションペーパーでは、自家細胞（患者本人の細胞）を用いたCAR-T製品の製造成功率が施設によって70〜95%の幅があると報告されています。最大25ポイントもの差がある。つまり、ある施設では10人中3人分の製品が規格外となり、治療スケジュールに遅れが出る可能性があるということです。
この品質ばらつきの主因は、培養工程中の細胞状態を「いつ・どう判断するか」が標準化されていないことにあります。顕微鏡下での形態観察は、技術者ごとに着目する特徴が異なります。細胞の丸み、コンフルエンシー（培養面の被覆率）、色合い——どの要素をどの重みで評価するかは、個人の経験に委ねられてきました。
AI画像解析はこの判断プロセスを数値化します。数千枚の正常・異常細胞画像を学習したモデルが、培養中の細胞状態を0〜100のスコアで出力する。属人的な「感覚」を、再現可能な「指標」に変換する仕組みです。
視点2：規制当局が「定量評価」を求め始めた
2つ目の推進力は、規制環境の変化です。
実は、PMDAは2025年11月に「再生医療等製品の品質・安全性確保に関する技術的ガイダンス」を改定しました。この改定で注目すべきポイントがあります。品質評価において「定量的かつ客観的な指標の使用」を推奨する文言が明記されたことです。
従来のガイダンスでは、品質試験の方法は申請企業の裁量に委ねられていました。熟練者の目視判断を品質管理記録に残す運用でも、特段の問題指摘はなかったのです。しかし、改定版では「可能な限り定量的データに基づく品質判定」が求められるようになりました。
背景にはグローバルな動きがあります。米国FDAは2023年に「Chemistry, Manufacturing, and Controls（CMC）」ガイダンスの中で、細胞治療製品の工程内管理にリアルタイムモニタリング技術の活用を推奨しました。欧州EMA（欧州医薬品庁）も同様の方向性を示しています。日本の規制当局がこの国際的な潮流に合わせた格好です。
規制が「定量化」を求めるということは、承認審査を通過するためにAIベースの品質評価システムが事実上の必須ツールになり得るということを意味します。企業にとって、AI導入は「あれば便利」から「なければ審査が通りにくい」へと位置づけが変わりつつあります。
視点3：細胞培養の熟練技術者が足りない
3つ目の要因は、人材不足です。ここが最も切実な課題かもしれません。
日本組織培養学会の2024年会員調査によれば、細胞培養に関する実務経験10年以上の技術者は回答者全体の約18%にとどまりました。一方で、再生医療の製造受託（CDMO）需要は年々増加しています。供給が追いつかない状態です。
さらに深刻なのは、技術継承の難しさです。細胞の「良し悪し」を見極める力は、マニュアルだけでは身につきません。経験豊富な指導者のもとで数年間の実地訓練を経て、ようやく一人前と認められる。いわば職人の世界です。
しかし、市場の成長スピードは人材育成のスピードをはるかに上回っています。経済産業省の2025年版「バイオテクノロジー人材需給調査」では、2030年時点で再生医療・細胞治療分野の技術人材が約3,000〜5,000人不足すると試算されました。培養施設は増えるのに、品質を見極められる人がいない。
AIは、この需給ギャップを埋める実用的な解になります。熟練者の判断基準を学習データとしてAIモデルに蓄積すれば、経験の浅い技術者でもAIの支援を受けながら一定水準の品質判定が可能になります。技術の民主化、と言ってもよいでしょう。
3つの力が同じ方向を向いている
製造品質のばらつきという技術的課題。定量評価を求める規制の変化。そして慢性的な人材不足。この3つの力がすべてAI導入を後押しする方向に作用しています。
どれか一つだけなら、導入は「オプション」にとどまったかもしれません。しかし3つの圧力が同時にかかることで、AI品質管理は再生医療産業にとって不可避な選択肢になりつつあります。この重なりこそが、2026年の現在地を規定する最も重要な背景だと分析できるでしょう。
プレイヤーごとの戦略比較
再生医療×AIの領域には、異なるバックグラウンドを持つプレイヤーが参入しています。大手製薬企業、テック系スタートアップ、製造受託企業（CDMO）。それぞれのアプローチは明確に異なります。ここでは、国内外の主要5社の戦略を比較し、差別化のポイントを整理します。
富士フイルム：画像解析の蓄積を武器にした垂直統合
国内で最も注目すべきプレイヤーは、富士フイルムです。同社は写真フィルム時代から培った画像解析技術と、再生医療子会社であるジャパン・ティッシュエンジニアリング（J-TEC）の細胞培養ノウハウを併せ持っています。
2024年、富士フイルムは細胞培養工程のリアルタイムモニタリングにAI画像解析を組み込んだ品質管理システムのプロトタイプを発表しました。培養中の細胞画像を位相差顕微鏡で自動撮影し、独自のCNNモデル（畳み込みニューラルネットワーク、画像認識に特化した深層学習手法）で分化状態を判定する仕組みです。
富士フイルムの強みは、画像データと培養データの両方を自社グループ内で保有している点にあります。AIモデルの精度は学習データの質と量に依存します。撮影機器・培養設備・品質記録をすべて内製できる垂直統合型の体制。これが競争優位の源泉です。
Cellares（米国）：製造プラットフォームごと自動化
米国サンフランシスコ拠点のCellaresは、細胞治療の製造工程そのものを丸ごと自動化するアプローチを取っています。2023年のシリーズC調達で2.55億ドルを獲得し、累計調達額は3.6億ドルを超えました（PitchBook、2024年3月時点）。
同社の「Cell Shuttle」は、細胞の分離・活性化・遺伝子導入・培養・回収までを一つのクローズドシステム（外気に触れない閉鎖系装置）で完結させるプラットフォームです。各工程にセンサーとAIを組み込み、温度・pH・細胞密度などをリアルタイムで最適制御します。
ポイントは、品質管理を「後工程の検査」ではなく「製造中のインライン制御」に転換している点です。従来は製造後にサンプルを抜き取って品質試験を行っていました。Cellaresは工程そのものにAIを埋め込むことで、逸脱（規格外の状態）を未然に検知・修正します。
シスメックス：血液検査の知見を細胞解析に展開
国内の医療機器大手シスメックスも、この領域に参入しています。同社は血球計数装置で世界シェア上位を誇り、細胞の形態解析には長い実績があります。
2025年、シスメックスは再生医療向けの細胞品質評価ソリューションの開発を正式に発表しました。血液検査で蓄積した細胞画像データベースと、フローサイトメトリー（レーザー光を使って細胞を一つずつ測定する技術）のノウハウを転用する戦略です。実は、血球と培養細胞では形態解析の基礎技術に共通点が多く、技術転用の障壁は比較的低いとされています。
島津製作所×理化学研究所：分析機器とアカデミアの連携
島津製作所は理化学研究所との共同研究を通じて、質量分析データとAIを組み合わせた細胞品質評価手法の開発を進めています。画像だけでなく、細胞が分泌する代謝物の組成パターンをAIで解析するアプローチ。画像解析とは異なる角度から品質を評価する差別化戦略です。
5社の戦略マップ：3つの差別化軸
これらのプレイヤーを整理すると、差別化の軸は3つに集約されます。
第一に、データの種類。 富士フイルムやシスメックスは画像データを中心に据え、島津製作所は分子データを活用しています。データソースの違いが、AI モデルの特性を分けます。
第二に、介入のタイミング。 Cellaresのようにインライン制御（製造中リアルタイム）を志向するか、製造後の品質判定に特化するか。前者はハードウェアとの一体開発が必要で参入障壁が高い一方、後者はソフトウェア単体で導入可能という利点があります。
第三に、バリューチェーン上のポジション。 自ら製造まで手がける垂直統合型か、品質管理ツールを外販する水平展開型か。富士フイルムは前者、シスメックスや島津は後者に近い立ち位置です。
正直なところ、現時点でどの戦略が「勝ち筋」かを断言するのは困難です。市場がまだ黎明期にあるためです。ただし、一つ確かなことがあります。規制当局が定量的品質評価を求める以上、高品質な学習データを大量に保有するプレイヤーが中長期的に優位に立つ可能性が高い。データの蓄積量と質——これが今後の競争を左右する最大の変数です。
今後の予測と提言
ここまで見てきた市場データ、構造的要因、主要プレイヤーの動向を踏まえ、今後3〜5年のシナリオを提示します。筆者は、この領域に「2つの分岐点」と「3つの予測」があると考えています。
分岐点1：2027年——AI品質管理が承認審査の「標準装備」になるか
最初の分岐点は2027年です。PMDAが2025年11月に改定した品質ガイダンスでは、定量的・客観的な評価指標の使用が「推奨」されました。しかし、現時点では義務ではありません。この「推奨」が「実質的な要件」に変わるタイミングが、業界の転換点になります。
米国FDAの動きが参考になります。FDAは2024年にAI/ML医療機器に関する「Predetermined Change Control Plan（PCCP）」の最終ガイダンスを発出しました。市販後のアルゴリズム更新を事前計画として承認時に組み込む枠組みです。日本のPMDAも国際整合性の観点からこれに追随する可能性が高い。2027年前後に、AI品質評価システムを導入していない再生医療製品は審査で不利になる——そんな状況が現実味を帯びています。
分岐点2：2029年——他家細胞治療の量産化が試金石
2つ目の分岐点は2029年頃です。現在主流の自家細胞治療（患者本人の細胞を使う方法）は、一人ひとりの細胞ごとに製造する「オーダーメイド型」です。一方、他家細胞治療（健康なドナーの細胞を使う方法）は、一つのドナー細胞から多数の患者分を製造する「量産型」。後者が本格的に臨床実装されるタイミングが、AI品質管理の真価が問われる瞬間です。
量産化すれば、ロット間のばらつき管理がさらに重要になります。数百人分、数千人分の治療用細胞を均一な品質で出荷する。人間の目視検査では物理的に対応しきれない規模です。ここでAIインライン品質管理が「あると便利なツール」から「なければ製造が成立しないインフラ」へと格上げされます。
予測1：AI品質管理市場は2030年に3,000億円規模へ
経済産業省が見込む国内再生医療市場1兆円のうち、製造・品質管理関連が占める割合は約25〜30%とされています。このうちAIソフトウェア・ハードウェアが担う領域は、控えめに見積もっても10%程度。グローバルでは、Allied Market Researchの2024年レポートが再生医療向けAIソリューション市場を2030年に約25億ドルと試算しています。国内外合わせて3,000億円規模の市場が立ち上がる見通しです。
予測2：CDMOがAI導入の主戦場になる
自社で製造設備を持たないバイオベンチャーは、CDMO（製造受託企業）に製造を委託します。実は、CDMOこそがAI品質管理の最大の導入先になると見ています。複数の顧客製品を同一施設で製造するCDMOにとって、標準化された品質評価基準は業務効率と信頼性の両面で不可欠だからです。AGC、ロンザ、富士フイルムといった大手CDMOのAI投資が、今後さらに加速するでしょう。
予測3：データ共有の枠組みが競争力を決める
最後の予測は、データの囲い込みか共有かという選択についてです。AIモデルの精度向上には大量の学習データが必要です。しかし、細胞培養データは患者情報と紐づくため、施設間の共有にはプライバシーや知財の壁があります。
ここで注目すべきは、連合学習（フェデレーテッドラーニング）の実用化です。各施設のデータを外部に出さずにAIモデルだけを共有・更新する技術。AMEDは2025年度から医療データの分散型AI研究を重点テーマに据えています。この枠組みを早期に構築できた企業連合が、データの質と量の両面で優位に立つ。
提言：「品質の標準化」こそが再生医療の普及基盤
最後に、私なりの提言をまとめます。
再生医療の課題は、しばしば「コストが高い」「対象疾患が限られる」と語られます。しかし、より本質的なボトルネックは「品質の再現性」です。コストは量産化で下がります。対象疾患は臨床研究の蓄積で広がります。しかし品質の再現性は、評価基盤そのものを刷新しなければ解決しません。
AI品質管理は、その基盤を提供する技術です。熟練者の暗黙知をデータとして保存し、施設間で共有可能な形式に変換する。これにより、東京の施設でも大阪の施設でも、同一基準で品質を判定できるようになります。
再生医療が「一部の先進施設だけの治療」から「全国どこでも受けられる標準医療」に変わるために。AI品質管理の整備は、技術的な選択ではなく、医療アクセスの公平性に関わる社会的課題です。今後3〜5年の動きが、その方向性を決定づけることになります。