株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
製薬会社の副作用個別症例評価をAIで効率化する方法｜ICSR処理からLLMが重篤性・因果関係の一次判定を支援
製薬会社のファーマコビジランス（PV：医薬品安全性監視）部門において、副作用の個別症例安全性報告（ICSR: Individual Case Safety Report）の処理・評価は、医薬品の安全性確保に不可欠な業務です。医療従事者や患者から報告された副作用情報を受付・入力し、重篤性の判定、既知/未知の判別、因果関係の評価を行う——この膨大な作業をAI・LLMで効率化するアプローチが2025年以降急速に普及しています。
業務の詳細フロー（現状の手作業）
ステップ1：副作用報告の受付
医療従事者、患者、文献、臨床試験等の多様なソースから副作用報告を受付します。報告は電話、FAX、メール、Webフォーム、MR（医薬情報担当者）経由等の様々なチャネルで届きます。
ステップ2：有効性の確認と情報入力
報告が有効なICSRの要件（報告者、患者、副作用、被疑薬の4要素が特定できること）を満たしているか確認します。安全性データベースに情報を入力し、MedDRA（医薬品規制用語集）のコーディングを行います。
ステップ3：重篤性の判定
報告された副作用が重篤（死亡、入院、障害等につながるもの）かどうかを判定します。重篤な場合は迅速報告（15日以内）の対象となるため、迅速な処理が求められます。
ステップ4：既知/未知の判別
報告された副作用が、添付文書やIB（治験薬概要書）に既に記載されている「既知」の副作用か、記載のない「未知」の副作用かを判別します。未知かつ重篤な場合は最も緊急度の高い報告対象です。
ステップ5：因果関係の評価
被疑薬と副作用の因果関係を評価します。時間的関連性、既知の薬理作用との整合性、代替原因の有無、投与中止後の回復、再投与時の再発等の要素を総合的に判断します。
課題・ペインポイント
- 報告件数の急増：グローバルに流通する医薬品の増加とSNS等からの情報収集の拡大により、ICSR件数が年々増加
- 迅速報告のタイムプレッシャー：重篤かつ未知の副作用は15日以内（臨床試験中は7日以内）に規制当局に報告する義務があり、常に時間に追われる
- MedDRAコーディングの負荷：副作用名をMedDRAの適切なコード（PT: Preferred Term）に変換する作業は専門知識を要する
- 因果関係評価の難度：報告情報が不完全な中での因果関係評価は判断が分かれやすい
- 多言語報告への対応：グローバル製品では各国から異なる言語で報告が届き、翻訳・処理が必要
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 副作用報告のテキスト：報告者からの原文テキスト（電話の書き起こし、メール、FAX画像のOCRテキスト等）
- 添付文書/IB：対象医薬品の添付文書またはIBの副作用セクション（既知/未知判別の参照データ）
- MedDRA辞書：MedDRAのコード体系（SOC→HLGT→HLT→PT→LLT）
- 過去のICSR：同一医薬品の過去のICSR処理結果（因果関係評価の参考として）
- 評価基準：自社の因果関係評価基準（Naranjoスケール、WHO-UMCシステム等）
処理パイプライン
- 報告テキストの自動構造化：LLMが報告テキストから患者情報、被疑薬、副作用名、時間経過、転帰等の情報を自動抽出・構造化（出典：IntuitionLabs "AI in Pharmacovigilance"）
- MedDRAコーディングの自動提案：LLMが報告された副作用名からMedDRAのPT（Preferred Term）を自動マッチング・提案
- 重篤性の自動判定：ICH E2Aの重篤性基準（死亡、入院、障害等）に基づき、LLMが重篤性を自動判定
- 既知/未知の自動判別：添付文書/IBの副作用セクションとのテキスト照合により、報告された副作用が既知か未知かを自動判別
- 因果関係の一次評価提案：LLMが時間的関連性、薬理学的妥当性、代替原因の有無等を分析し、因果関係の一次評価を提案（出典：PMC "AI in Pharmacovigilance"）
人間が判断すべきポイント
- 因果関係の最終判定：AIの一次評価はあくまで参考であり、最終的な因果関係の判定は安全性担当医師（QPPV/LPPV）が行う
- 未知の重篤副作用への対応：新たな安全性シグナルの可能性がある場合の追加調査・規制当局への報告判断
- 追加情報の収集判断：報告情報が不完全な場合の追跡調査（フォローアップ）の要否判断
- シグナル検出への連携：個別症例の蓄積からシグナル（安全性の懸念）を検出する定期的分析は人間の疫学的判断
他業種の類似事例
- 銀行のAML取引モニタリング：大量のアラートのAIスコアリング→一次スクリーニング自動化（本シリーズ参照）
- 保険会社の不正請求検知：請求データのAIパターン分析→不審フラグの自動検出（本シリーズ参照）
- 自治体の福祉相談記録：相談メモからLLMが構造化記録を自動生成（本シリーズ参照）
導入ステップと注意点
ステップ1：MedDRA自動コーディングの構築（4〜8週間）
報告テキストからMedDRA PTの自動マッチングを実装します。過去のコーディング結果を学習データとして精度を検証します。
ステップ2：重篤性・既知未知判別の自動化（4〜8週間）
ICH E2Aの重篤性基準と添付文書のテキストデータを用いて、自動判定ロジックを構築・検証します。
ステップ3：因果関係一次評価の自動化（8〜12週間）
過去のICSRの因果関係評価結果を学習データとして、LLMによる一次評価提案の精度を検証します。安全性担当医師のレビュー結果をフィードバックとして改善します。
注意点
- GVP（医薬品安全性監視の基準）への準拠：AIツールの使用は自社のPV SOPに記載し、バリデーションを実施すること
- データインテグリティ：AIが構造化したデータの正確性を人間が必ず確認する監査証跡の仕組みが必要
- 規制当局の期待：EMAはGVP Module VI Addendum IIでAI活用に関する期待を示しており、最新の規制動向を把握すること
Renue視点：専用ツールではなく汎用LLMで実現する理由
ICSR処理の本質は「報告テキストを読み→医学用語に変換し→基準に照らして判定する」という言語処理です。ArisGlobal、Oracle Argus等の専用PVシステムも自動化機能を提供していますが、汎用LLMに添付文書＋MedDRA辞書＋評価基準をRAGで参照させれば、同等の一次処理が可能です。特に多言語報告の翻訳・構造化はLLMの強みであり、グローバルPV業務の効率化に直結します。
まとめ
製薬会社の副作用個別症例評価は、報告テキストの自動構造化→MedDRA自動コーディング→重篤性/既知未知の自動判定→因果関係一次評価のパイプラインでLLMによる効率化が可能です。フランスANSMが2021年にAIをワクチン安全性監視に統合した事例など、規制当局自身もAI活用を進めています。ただし、因果関係の最終判定、未知重篤副作用への対応判断、シグナル検出は完全に安全性担当医師・PV専門家の専門性の領域です。