BE Health Ventures
投資・臨床戦略担当 副総経理 沈信緯
AI SaMDスタートアップが最も陥りやすい落とし穴は、アルゴリズムの性能そのものではなく、審査ルートの選択ミスやPredicateの誤設定にあります。これらを誤ると、その影響は単なる追加資料の提出では収まりません。上市までのスケジュールが半年以上遅延し、資金消費は急激に悪化、最悪の場合には次回の資金調達前に資金を使い切ってしまい、当初想定していなかったDe Novoルートへの転換を余儀なくされるケースも少なくありません。
本編では、FDAの審査実務に基づき、510(k)とDe Novoの選択を社内で再現可能な意思決定フレームワークとして整理します。分類判断から始まり、Predicate選定に内在するリスク、誤選定時の影響、さらに実務上のリカバリー戦略までを体系的に解説し、最後にそのまま活用できるPredicate選定メモのテンプレートを提示します。
- まず前提として、510(k)とDe Novoの本質的な違いを整理します。
510(k)は、既に合法的に上市されている医療機器（Predicate device）との実質的同等性を証明する制度です。適応用途（Intended Use）が一致していること、技術的特性が同等または比較可能であること、そして安全性および有効性が同等以上であることを示すことで、市場投入が可能となります。
このルートの最大の特徴は、スケジュールの予見性が比較的高い点にあります。公式な審査目標は90日とされていますが、実務上は追加資料要求への対応などにより、概ね4〜6か月程度での着地が一般的です。AI/MLを用いたSaMDにおいても、現時点では大半が510(k)を選択しているのが実態です。
De Novoは、適切なPredicateが存在しない場合に用いられるルートであり、対象は低〜中リスク（Class IまたはClass II）の製品に限られます。このプロセスでは、新たな製品分類とプロダクトコードを設定し、さらにFDAが受け入れ可能な特別管理要件を提案しながら、安全性と有効性を自ら立証していく必要があります。
そのため、求められるエビデンスの水準は高く、審査期間も長期化しやすい傾向があります。公式には150〜180日とされていますが、実務上は7〜9か月、場合によっては1年程度に及ぶこともあります。本質的には、既存の基準に依拠するのではなく、自らが基準となって安全性・有効性を証明するプロセスであり、臨床データやリアルワールドデータ、リスク・ベネフィット分析、さらには変更管理計画など、包括的なエビデンスと統制の設計が求められます。
- どのルートを選択すべきかについては、三つの判断軸に整理することで大きく外すリスクを下げることができます。
判断ポイント１：適応用途が既承認製品と文言レベルで一致しているのか。
510(k)において最も重要なのは性能の優劣ではなく、この適応用途の一致です。一見似ているように見えても、定義がわずかに異なるだけで実質的同等性の前提が成立しなくなり、いくら性能データを積み上げても510(k)として成立しなくなる可能性があります。判断ポイント２：防御可能なPredicateは存在するのか。
ここでいう防御可能とは、単にK番号が存在することではなく、審査上論理的に成立させられるかどうかを意味します。適応用途の整合性に加え、技術的特性の比較可能性、公開情報に基づく性能の基準設定、既知の安全性リスクの有無など、複数の条件を満たして初めて実務上有効なPredicateとなります。判断ポイント３：技術的差異が新たな安全性または有効性上の問題を生じさせないか。
差異そのものが問題ではなく、それによって新たなリスクが生じるかが評価されます。例えば出力形式の違い、使用環境の違い、評価指標の非互換性などにより新たな懸念があると判断されると、追加資料要求や非実質的同等といった判断につながり、結果としてルート変更を余儀なくされる可能性があります。
- Predicateの選定については、候補の抽出と絞り込みの二段階で考えると整理しやすくなります。
Step1: 候補の抽出
FDAの510(k)データベースや医療機器データベース、AI/ML関連の公開リストなどを活用し、プロダクトコードとキーワードを組み合わせて探索範囲を絞り込みます。
実務上は、直近2〜3年以内に承認された製品を優先的に確認することで、現行の審査基準との乖離を避けることが重要です。Step2 : 候補の絞り込み
直近2年以内に承認された製品であること、既知の安全性問題がないこと、性能が一定程度実証されていること、重大な設計上の問題がないこと、といった点が重要な判断基準となります。
なお、Predicateは必ずしもAIである必要はなく、臨床的な同等性が説明可能であれば従来型のソフトウェアも選択肢となります。一方で、複数のPredicateを組み合わせる手法は論理が不安定になりやすく、実務上は単一のPredicateに基づく構成が望まれます。
- Predicate選定を誤った場合の影響は大きく、単なる差し戻しにとどまりません。
AI SaMD領域ではPredicateに関する論点が頻繁に発生しており、非実質的同等と判断される割合も無視できない水準にあります。
まず審査の遅延が発生し、追加資料対応の往復により数か月単位でスケジュールが後ろ倒しになります。次に、追加試験やデータ補完によるコスト増加が発生し、数万ドル規模の追加負担となることもあります。そして最も影響が大きいのが、ルート変更です。再提出やDe Novoへの移行が必要となり、それまでの投資が実質的に無効化されるケースもあります。
- 3段階のリカバリー戦略
本対応の目的は、状況の悪化を抑えつつ、実質的同等性（Substantial Equivalence）の論証を安定的に立て直すことにあります。まず第一に、代替となるPredicateの活用です。あらかじめ第二候補を準備している場合には、この段階で速やかに切り替えることで、不適切なPredicateに対して追加資料の提出を重ねるリスクを回避することが可能です。
第二に、エビデンスの階層構造を意識した補強を行います。FDAのガイダンス、関連するコンセンサス規格、査読付き文献などを基にベースラインを整理した上で、ゴールドスタンダードとの比較試験を実施し、同等性の主張を定量的に裏付けていきます。
第三に、技術的差異の整理です。差異を単に列挙するのではなく、検証可能なクレームとして再定義することで、審査の論点を自社がコントロール可能な評価項目（エンドポイント）へと適切に引き戻すことが重要となります。
- De Novoは「より難しい510(k)」ではなく、異なるエビデンス戦略である
Predicateが存在しない場合には、より包括的なデータと管理措置に基づき、安全性および有効性を独立して証明する必要があり、そのうえで特別管理要件（Special Controls）を自ら提案することが求められます。
De Novoにおけるエビデンスパッケージは、一般的により充実した臨床データ、あるいは多施設から得られるリアルワールドデータ（RWE）、さらに独立性と定量性を備えたリスク・ベネフィット分析（risk-benefit）などで構成されます。加えて、製品特性に応じた特別管理要件の設計・提示も重要な要素となります。
特にAI/MLを用いた製品においては、PCCP（Predetermined Change Control Plan）が重要な位置づけを持ちます。これは将来的なモデル変更が適切に管理されることを示すための枠組みであり、製品の継続的なアップデートが規制上の不確実性、いわゆる「ブラックボックス化」を招かないよう担保する役割を果たします。
- そのまま活用できるPredicate選定メモのテンプレート
以下のメモテンプレートをチーム内で共有することで、口頭での議論に比べて迅速に認識を揃えることができ、さらにQ-Submissionや510(k)申請書類への転用もしやすくなります。
第一に、デバイスの概要を整理します。
ここでは、製品名、適応用途（Intended UseまたはIndication）のドラフト、臨床現場におけるワークフローの三点を簡潔に記載します。特に、入力データ、アルゴリズムの出力、医師の意思決定が介在するポイントの関係性を明確に示すことが重要です。
第二、候補となるPredicateの一覧を整理します。少なくとも三つの候補を挙げ、それぞれについて評価を行います。まずは適応用途の整合性を確認し、文言レベルでの一致が可能か、対象となる解剖部位や患者集団、想定ユーザーが一致しているかを検証します。そのうえで技術的な比較可能性を確認し、出力形式が一致しているか、例えばヒートマップやトリアージといった表示方法の違いが問題にならないかを検討するとともに、感度、特異度、AUCなどの性能指標が比較可能であるかを確認します。さらに、実務上重要となる観点として、直近数年以内の承認であるか、有害事象データベースにおいて重大な問題が報告されていないか、性能を裏付ける公開情報が存在するか、設計上の重大な懸念がないかといった点を総合的に評価します。加えて、リスクに関する注記も明確に記載します。例えば、論証の成立に複数のPredicateを必要とする場合は高リスクと判断し、またAIではないPredicateを採用する場合には、どのように同等性を説明するか、そのための比較試験の設計方針まで具体的に整理しておくことが求められます。
第三として、バックアップ戦略を明確にします。主たるPredicateと代替となるPredicateを定義したうえで、両者との間に存在する差異を一覧化し、それぞれに対応する検証計画を整理します。あわせて、エビデンスの階層を踏まえた補強計画を示し、公開情報が不足する場合にどの文献や規格、既存データを用いて基準を構築するのかを具体的に記載します。
第四として、Q-Submissionの計画を策定します。提出時期は通常、正式申請の1〜2か月前を目安とし、そのうえでFDAから得たい結論を明確に言語化しておくことが重要です。例えば、選定したPredicateの妥当性、分類の適切性、試験計画の受容性といった論点について、どのような回答を期待するのかを事前に整理しておきます。
最後に、必要となるリソースおよびスケジュール上のリスクを明確にします。追加試験、データ取得、外部の臨床支援や統計解析支援などにかかるコストを見積もるとともに、最悪のシナリオについても具体的に想定しておくことが重要です。例えば、非実質的同等（NSE）と判断されDe Novoへ移行する場合には、市場投入までの期間が6〜9か月延長される可能性があり、それが資金消費や資金調達計画にどのような影響を与えるかまで踏み込んで評価しておく必要があります。
結論（投資家の視点）
投資および事業運営の観点から見ると、510(k)とDe Novoの選択は、本質的にはマイルストーン設計とキャッシュフロー管理の問題です。
510(k)におけるスピードの優位性は、二つの前提に依存しています。すなわち、適応用途（Intended Use）が文言レベルで整合していること、そして実質的同等性（Substantial Equivalence）が定量的なエビデンスによって確実に裏付けられていることです。いずれかが崩れると、追加資料対応が長期化し、審査スケジュールの不確実性は直ちにバーンレート、事業提携の交渉、さらには資金調達時のバリュエーションに影響を及ぼします。場合によっては、次回の資金調達前にランウェイが限界に達するリスクも現実的に生じます。
一方で、De Novoの価値は「より難しい」あるいは「先進的である」という点にはありません。むしろ、自らプロダクトコードおよび特別管理要件（Special Controls）を定義し、当該領域におけるルールメイキングに関与できる点にあります。ただし、その対価として求められるのは、より高密度なエビデンスと、厳格なリスクマネジメント体制です。特にAI/ML製品においては、PCCPおよび継続的なモニタリング体制が、実装可能であることに加え、監査可能な形で設計されていることが不可欠となります。
実務的な観点から最も合理的なアプローチは、不確実性をできる限り前倒しで解消することです。具体的には、Q-Submissionを活用し、申請前の段階で分類およびPredicateの方向性を明確化しておくことが重要です。これにより、限られたリソースを、承認および収益化につながる確度の高いエビデンス構築に集中させることが可能となります。審査の途中で方針転換を余儀なくされる事態を避けることは、製品開発のみならず、資本政策全体の安定性を維持するうえでも極めて重要です。
詳細については、Joseph.Shen@behealthventures.com までお問い合わせください。
