有害事象ナラティブの自動分類 --- AI活用の現状と課題

有害事象報告における「分類」とは何か

医薬品の市販後調査や治験において、患者や医療従事者から報告される有害事象は、 自然言語のナラティブ（叙述文）として記録されます。 「服用開始3日目から頭痛と吐き気が続いている」「投与後に全身の発疹が出現し、 呼吸困難も認められた」といった記述です。

これらのナラティブから安全性シグナルを検出し、規制当局に報告するためには、 自由記述のテキストを標準化された用語体系に変換する必要があります。 この変換作業が、ICSR（Individual Case Safety Report：個別症例安全性報告）におけるMedDRAコーディングです。

MedDRA（Medical Dictionary for Regulatory Activities）は、 ICH（日米EU医薬品規制調和国際会議）が管理する国際標準の医学用語辞書であり、 約8万語のPreferred Term（PT）を含む5階層の階層構造を持っています。 SOC（器官別大分類）からLLT（最下層用語）まで、報告された有害事象を 適切な階層にマッピングすることが、PVスペシャリストの中核業務の一つです。

ICSRの処理フロー全体のなかで、MedDRAコーディングは 「ナラティブの受領 → 情報抽出 → コーディング → 品質チェック → 規制当局報告」 という一連の工程の中間に位置します。ここでのコーディング品質が、 後続のシグナル検出や定期報告の信頼性を左右するため、 高い正確性と一貫性が求められます。

手作業によるコーディングの課題

現在、多くの製薬企業やCRO（開発業務受託機関）では、 MedDRAコーディングを経験豊富なPVスペシャリストが手作業で行っています。 この手作業には、いくつかの構造的な課題があります。

時間とコスト

1件のICSRに含まれるナラティブをすべてコーディングするには、 平均して30分から60分程度を要します。複雑な症例では、 複数の有害事象が連鎖的に記述されているため、 それぞれの事象を分離してPTにマッピングする作業だけで相当な時間がかかります。 大規模なCROでは月間数千件のICSRを処理するため、 コーディング工程だけで膨大な人件費が発生しています。

人的バラツキ（Inter-Rater Variability）

MedDRAコーディングにおいて最も見落とされがちな課題が、コーダー間のバラツキです。 同じナラティブを複数のスペシャリストがコーディングした場合、 必ずしも同一のPTが選択されるとは限りません。

たとえば「食欲がなくなった」という記述に対して、あるコーダーは 「食欲減退（Decreased appetite）」を選択し、別のコーダーは 「食欲不振（Anorexia）」を選択するかもしれません。 MedDRAではこれらは異なるPTとして定義されており、 どちらが適切かはナラティブの文脈や報告者の意図によって異なります。

このバラツキは、個人の経験、MedDRAのバージョンへの習熟度、 さらにはPTC（Points to Consider）規則の解釈の違いによって生じます。 結果として、同じ医薬品の安全性データベースの中に、 本来同一の事象が異なるPTで登録されてしまうリスクがあります。 これはシグナル検出の精度に直接影響を与える深刻な問題です。

PTC規則の複雑さ

ICHが定めるPTC（Points to Consider）v4.26には、 コーディングの判断基準が詳細に規定されています。 たとえば以下のような規則があります。

• 診断名と個別症状の関係（PTC 3.5.1）： 診断名が報告されている場合、その診断に含まれる個別症状は 別途コーディングしない。ただし、診断に通常含まれない症状は個別にコーディングする
• 既存疾患の変化（PTC 3.5.5 / 3.9）： 既存の疾患が悪化した場合はコーディング対象となるが、 安定している既存疾患はコーディング対象外
• 報告情報への忠実性（PTC 2.10）： 報告された情報はすべてコーディングするが、 報告されていない情報を推測して追加してはならない

これらの規則を毎回正確に適用することは、熟練したスペシャリストにとっても 認知的負荷が高い作業です。特に1日に何十件ものケースを処理する場合、 疲労による判断のブレが生じやすくなります。

なぜ今、AIなのか --- LLMの進化がもたらした転機

有害事象の自動分類という課題は、以前から取り組まれてきました。 しかし、従来のアプローチでは十分な実用性を達成できなかった理由があります。 それが近年のLLM（大規模言語モデル）の進化によって、 状況が大きく変わりつつあります。

第一に、日本語理解力の飛躍的向上です。 かつてのNLP（自然言語処理）モデルは、英語に比べて日本語の処理精度が 大幅に劣っていました。 特に医学用語と日常用語が混在するPVナラティブの解析は困難でした。 現在のLLMは、日本語の医学文献を含む膨大なデータで事前学習されており、 「ふらふらする」が「浮動性めまい」に対応し、 「息が苦しい」が「呼吸困難」に対応するといった、 文脈に依存した用語マッピングが可能になっています。

第二に、医学知識の事前学習です。 最新のLLMは、医学論文、診療ガイドライン、薬剤添付文書などを含む 大規模なコーパスで学習しているため、 疾患と症状の関係性や医薬品の副作用プロファイルについて 一定の知識基盤を持っています。 これにより、単なるキーワードマッチングではなく、 臨床的な文脈を考慮したコーディング提案が可能になりました。

第三に、指示追従能力の向上です。 PTC規則のような詳細なガイドラインを「指示」としてLLMに与えることで、 モデルがその規則に準拠した出力を生成できるようになりました。 たとえば「診断名が報告されている場合、個別症状は別途コーディングしない」という PTC 3.5.1の規則をプロンプトに含めることで、 モデルの出力をPTC準拠に近づけることができます。

AIによる自動分類の技術的アプローチ

有害事象ナラティブの自動分類には、大きく分けて3つの技術的アプローチがあります。 それぞれの特徴と限界を理解することは、適切なツール選定のために重要です。

ルールベースアプローチ

辞書と正規表現を組み合わせたキーワードマッチングによる分類です。 「頭痛」→「PT: 頭痛（Headache）」のように、 明確な1対1の対応がある場合は高い精度を発揮します。 しかし、日本語特有の表現の多様性 （「頭が痛い」「頭痛がする」「ズキズキする」など）や、 文脈によって意味が変わる記述 （「めまい」が浮動性か回転性か）には対応しきれません。 また、PTC規則のような条件分岐を含む複雑なロジックの実装は困難です。

従来の機械学習アプローチ

教師あり学習でナラティブとMedDRA PTの対応関係を学習させるアプローチです。 SVM（サポートベクターマシン）やBERT系モデルの微調整などが 試みられてきました。 ルールベースよりも表現の揺れに強い一方で、 MedDRAの約8万語のPTすべてをカバーする学習データを 用意することが現実的ではないという根本的な課題があります。 また、MedDRAのバージョンアップ（年2回）のたびに再学習が必要になります。

LLM（大規模言語モデル）アプローチ

事前学習済みの大規模言語モデルに、MedDRAの構造とPTC規則を プロンプトとして与え、ナラティブからPTを推論させるアプローチです。 膨大な学習データに基づく汎用的な言語理解と医学知識を活用できるため、 未知の表現やまれな有害事象にも対応できる柔軟性があります。

一方で、LLMには固有の課題もあります。 出力の再現性が完全ではないこと （同じ入力でも結果が微妙に異なる場合がある）、 ハルシネーション（存在しないMedDRA用語を生成してしまう）のリスク、 そして処理速度がルールベースに比べて遅いことです。 これらの課題に対処するための仕組みが、実用化においては不可欠です。

現時点では、LLMアプローチが最も有望ですが、 それは「LLMを単体で使えばよい」という意味ではありません。 ルールベースの確実性とLLMの柔軟性を組み合わせ、 さらにHuman-in-the-Loop（人間参加型）の検証プロセスを加えることで、 はじめて実用的な精度と信頼性が確保できると考えています。

精度と信頼性をどう確保するか

AIによる有害事象の自動分類を実務に導入するにあたって、 最も重要な問いは「精度をどう保証するか」です。 ファーマコビジランスの領域では、コーディングの誤りが シグナル検出の遅延や規制当局への不正確な報告につながるリスクがあるため、 AIの出力をそのまま最終結果として採用することは適切ではありません。

Human-in-the-Loop（人間参加型）

AIの出力はあくまで「提案（ドラフト）」であり、最終的なコーディング判断は 必ずPVスペシャリストが行います。 AIがゼロからの作業を不要にし、スペシャリストは 「承認」「修正」「却下」の判断に集中できるため、 品質を維持しながら処理速度を向上させることができます。 この考え方は、PMDAをはじめとする規制当局が求める 「人間による監督」の原則にも合致しています。

信頼度スコアの活用

各コーディング提案に対して信頼度スコア（Confidence Score）を付与することで、 レビューの優先順位付けが可能になります。 高信頼度の提案は迅速に承認し、低信頼度の提案に対しては より慎重なレビューを行うというワークフローです。 これにより、限られたスペシャリストのリソースを 本当に判断が必要なケースに集中させることができます。

PTC規則への準拠とデータの安全性

AIモデルにPTC v4.26の規則を組み込むことで、 人的バラツキの主要因であった「規則の解釈の違い」を低減できます。 AIは与えられた規則を一貫して適用するため、 「診断名があるときは個別症状をコーディングしない（PTC 3.5.1）」 「既存疾患の変化のみコーディングする（PTC 3.9）」といった判断を、 疲労や経験の差に関係なく、安定的に実行します。

もちろん、AIの規則適用が常に正しいとは限りません。 だからこそ、提案の根拠としてPTC規則の引用を表示し、 スペシャリストが判断の妥当性を検証できるようにすることが重要です。

製薬企業にとって、患者データの取り扱いは最重要の関心事です。 AI処理に外部のクラウドサービスを利用する場合、 データがどこで処理され、どこに保存されるかを明確にする必要があります。 Medimonでは、すべてのAI処理をAWS東京リージョン（ap-northeast-1）内で完結させています。 入力データが日本国外に転送されることはなく、 AIモデルの学習にユーザーデータが使用されることもありません。

実際のワークフロー --- ナラティブ入力からレビュー完了まで

AIを活用したMedDRAコーディングの実際のワークフローを、 具体的なステップで説明します。

• ステップ1：ナラティブの入力 --- 有害事象報告のナラティブ部分をそのまま入力します。 「投与開始5日目より悪心・嘔吐が出現。食事摂取量が低下し、 脱水傾向を認めたため補液を開始した」といった臨床記述です
• ステップ2：AIによる解析と提案 --- LLMがナラティブを解析し、PTC規則に基づいてMedDRA PTの候補を生成します。 各候補にはSOCからLLTまでの全階層、信頼度スコア、 および判断根拠（該当するPTC規則の引用）が付与されます
• ステップ3：スペシャリストによるレビュー --- PVスペシャリストがAIの提案を一つずつ確認します。 正しい提案は承認、不適切な提案は修正または却下します。 信頼度スコアが高い提案から順にレビューすることで、 効率的に作業を進められます
• ステップ4：最終確定と記録 --- レビュー済みのコーディング結果を確定し、 ICSRの次の処理工程（品質チェック、規制当局報告など）に引き渡します

このワークフローにおけるAIの役割は、 「ゼロからの作業」を「レビュー作業」に変換することです。 白紙の状態からPTを探す作業と、 提示された候補の妥当性を判断する作業では、 必要な認知負荷と所要時間が大きく異なります。

まとめ --- 完全自動化ではなく、専門家の判断を支援するAI

有害事象ナラティブの自動分類は、ファーマコビジランス業務の効率化において 大きな可能性を秘めています。しかし、現時点でAIがPVスペシャリストを 完全に代替できるわけではありません。

AIが得意なのは、大量のナラティブを一貫した基準で迅速に処理し、 妥当な候補を提案することです。 一方で、複雑な臨床状況の解釈、PTC規則の例外的な適用、 そして最終的な判断責任は、依然として人間の専門家に委ねられるべきです。 AIと人間のそれぞれの強みを活かした協業モデルの構築が、 コーディング品質の向上と業務効率化の両立を可能にします。

AIツールの導入は、Inter-Rater Variability（コーダー間のバラツキ）の 低減にも寄与します。 すべてのケースが同じルールセットで初期処理されるため、 スペシャリストのレビュー開始時点でのベースラインが統一されます。 これは、大規模な安全性データベースの一貫性維持という観点からも 意義のあるアプローチです。