search.noResults

search.searching

saml.title
dataCollection.invalidEmail
note.createNoteMessage

search.noResults

search.searching

orderForm.title

orderForm.productCode
orderForm.description
orderForm.quantity
orderForm.itemPrice
orderForm.price
orderForm.totalPrice
orderForm.deliveryDetails.billingAddress
orderForm.deliveryDetails.deliveryAddress
orderForm.noItems
トレンドテクノロジー 79 を特定できます。


した気候の敏感肌に適している」「40 歳以 など、


このレベルの詳細さは、 や


サポートできます。 3. バイアスの削減 ‐ AI ツールは、


「乾燥


上の女性を対象とした調査でしわが 20% 減 少した」


されていれば、文献のスクリーニングにおいて 公平となります。


示できます。


AI は利用可能な証拠をより客観的に提 これにより、


規制当局や消費者に


提示されるクレームの実証がより堅牢で信頼 性のあるものになります。 4. リアルタイム更新 ‐ AI ツールは新しい出版 物を継続的にスキャンし、


的発見を把握できるようにします。 は急速に変化していますが、


これによりブラン


ドは自社の主張を裏付ける最新のデータを入 手でき、


ィング戦略や処方を転換できます。


科学文献スクリーニングにおける AI ツール の短所 1. データの品質と研究の限界 ‐ AI ツールは、 訓練されたデータの品質に依存します。 可能な科学文献が貧弱、 定的でない場合、


利用 偏りがある、 これは、 または決


裏付けとなる証拠としてフラグ付けする可能 性があります。


AI はこれらの研究を誤って クレームが臨床効果の


高水準を満たす必要がある化粧品では問題に なる可能性があります。 2. 微妙な結果を見落とす ‐ AI はパターンの 識別に優れていますが、


人間の専門家が提供 新たな証拠が出てきた場合にマーケテ


企業が最新の科学 化粧品業界


非常に具体的な製品クレームを 適切に設計


無意識のうちに製品のクレー


ムを裏付ける研究を好む人間の研究者とは異 なり、


できる微妙な解釈を見落とす可能性がありま す。


たとえば、 科学論文では、 成分が特定の濃


度や pH レベルなどの特定の条件下でのみ 有効であると示されている場合があります。 は、


これらの重要な微妙な違いを捉えずに有 効性を示唆する結果を抽出し、


多くの場合、 AI 過度に一般化


された主張につながる可能性があります。 3. 規制と倫理上の懸念 ‐ 規制機関当局は、


がサポートするクレームの妥当性を評価する ために、 す。


AI は、 人間による検証を求めま


基準を満たしていない関連した研究を特定す る可能性があります。 過度に依存すると、


FDA や EMA などの当局の厳格な 人間の監視なしに AI に


コンプライアンスの問題や


誤解を招く広告への告訴につながる可能性が あります。 4. 透明性の問題 ‐ 文献のスクリーニングに AI を使用すると、 ます。 クス」


AI アルゴリズムは複雑で として動作することがあり、


透明性に関する懸念が生じ 「ブラックボッ 規制機関当局


や社内のチームにとり結論がどのように導き出 されたかを理解するのが困難なのです。


企業は


AI が生成したクレームの背後にある理由を説 明できなければなりませんが、


リズムではそれが困難になることがあります。 5. 非デジタル データが除外される可能性 ‐ AI ツールは主にデジタル データ ソースに依 存しているため、


い古い研究や地域で公開された研究を見落と す可能性があります。 除外により、


デジタル形式では入手できな この非デジタル データ


ブランドは化粧品のクレームの実


証に影響を与える重要な洞察を見逃す可能性 があります。


不透明なアルゴ AI


クレームコンプライアンスのための AI 規制 製品クレームの作成に AI がますます使用さ れるようになり、


スを確保することがますます複雑になっていま す。


ブランドがクレームを立証し、 を遵守し、


広告規制へのコンプライアン ガイドライン


誤解を招く広告を回避するのをサポ


ートすることを目的とした規制 AI ツールも登 場しています。 これらのツールはまだ開発中ですが、 高め、


次のものがあります。 透明性を クレームが証拠に裏付けられていること


を保証する上で大きな可能性を秘めています。 化粧品の規制コンプライアンスのための現在 の AI ツールには、


1. AI 駆動型クレーム検証プラットフォーム AI 駆動型クレーム検証ツールは、 ら消費者レビューまで、 分析して、


評価します。


言語処理 (NLP) と機械学習アルゴリズムを 使用して、


的証拠と相互参照し、 12 臨床研究か


マーケティング クレームの信憑性を これらのプラットフォームは、


膨大なデータセットを 自然


製品パフォーマンス クレームを科学 規制基準を満たしてい


ることを確認します。 ■ Rephine Compliance Tools ‐ 製品のク レームに関する臨床データを評価し、


ステ


ートメントが規制要件に準拠していることを確 認する AI ベースのソリューション。


ールは医薬品と化粧品に重点を置いており、 ランドが臨床試験、


実際のデータ、


これらのツ 消費者の結


果に基づいてクレームを実証するのに役立ち ます。 ■ ClearForMe ‐ 成分表示の透明性に重点





www.personalcaremagazine.com


2025年5月 PERSONAL CARE


Page 1  |  Page 2  |  Page 3  |  Page 4  |  Page 5  |  Page 6  |  Page 7  |  Page 8  |  Page 9  |  Page 10  |  Page 11  |  Page 12  |  Page 13  |  Page 14  |  Page 15  |  Page 16  |  Page 17  |  Page 18  |  Page 19  |  Page 20  |  Page 21  |  Page 22  |  Page 23  |  Page 24  |  Page 25  |  Page 26  |  Page 27  |  Page 28  |  Page 29  |  Page 30  |  Page 31  |  Page 32  |  Page 33  |  Page 34  |  Page 35  |  Page 36  |  Page 37  |  Page 38  |  Page 39  |  Page 40  |  Page 41  |  Page 42  |  Page 43  |  Page 44  |  Page 45  |  Page 46  |  Page 47  |  Page 48  |  Page 49  |  Page 50  |  Page 51  |  Page 52  |  Page 53  |  Page 54  |  Page 55  |  Page 56  |  Page 57  |  Page 58  |  Page 59  |  Page 60  |  Page 61  |  Page 62  |  Page 63  |  Page 64  |  Page 65  |  Page 66  |  Page 67  |  Page 68  |  Page 69  |  Page 70  |  Page 71  |  Page 72  |  Page 73  |  Page 74  |  Page 75  |  Page 76  |  Page 77  |  Page 78  |  Page 79  |  Page 80  |  Page 81  |  Page 82  |  Page 83  |  Page 84  |  Page 85  |  Page 86  |  Page 87  |  Page 88  |  Page 89  |  Page 90  |  Page 91  |  Page 92  |  Page 93  |  Page 94  |  Page 95  |  Page 96