細胞製造業 A社様
細胞の良否判断が個人の経験則に依存し、技術承継に3年を要する教育コストと、毎朝の膨大な目視観察による業務負荷。
熟練培養士と同等の解析精度（誤差10%以内）を目指す姿勢と、現場のルーチン作業を増やさない運用フローの構築を最優先した提案
個人の経験則による判断を定量的に統一化されることによって、細胞製品の品質が均一化すること
AI画像解析による判断基準の標準化と、工程管理の効率化を目指して 再生医療・細胞製造の現場では、熟練した培養士の「目」による判断が不可欠です。しかし、その判断の標準化や技術承継には特有の難しさがあります。AI画像解析の導入によって、現場の課題にどう向き合い、どのような価値を見出そうとしているのか。現場管理者の視点からお話を伺いました。
判断の属人化と、それに伴う育成期間の長さが課題でした。 細胞の良否判断は、どうしても「形がいびつ」といった感覚的な要素に依存しがちで、手順書（SOP）だけで全てを言語化するには限界があります。一人前の培養士として判断を任せられるようになるまでには3年ほどかかり、人材の確保や技術の継承が悩みの１つでした。 また、毎朝数十件のフラスコをすべて目視で確認することもあり、１日の多くの時間を観察作業に費やしており、現場の業務負荷をいかに軽減するかも課題でした。
現場の判断を狂わせない「精度」と、作業を止めない「スムーズさ」です。 まず、AIの解析結果が、現場の培養士が許容できる誤差の範囲内に収まることが必須でした。現場が「これなら使える」と納得できる精度でなければ導入は難しいと考えています。 また、既存のルーチンを崩さないことも重要です。画像を移動させたり解析を待ったりする手間に数分かかるだけでも、積み重なれば大きな負担になります。今の運用フローの中に無理なく組み込めることが、現場に受け入れられるための条件でした。
判断の「ズレ」を可視化できたことに、大きな意義を感じています。 今回の取り組みで、これまで個人の感覚に頼っていた判断が一定の範囲内で数値化できることが示されました。判断の拠り所がシステムとして形になれば、属人化を抑え、教育にかかる負担を減らせる可能性があります。 将来的には、システムが一次的なチェックを行い、人間は確認が必要なものに注力するような形になれば、観察工程の効率化や人員配置の最適化にもつながると考えています。
変化の兆候を早期に捉え、先手のアクションにつなげることです。 単なる密度の計測だけでなく、細胞の形態から「数日後の成長の鈍化」などを予兆として検知できるようになれば、非常に価値が高いです。 製造工程の期限が厳密に決まっている中で、早めに状況を把握できれば、対策を打つための「時間的な猶予」が生まれます。こうした精度の高い工程管理こそが、安定した製造体制の構築に寄与するものと期待しています。
