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。
ICH E22「General Considerations for Patient Preference Studies」（患者選好研究の一般指針）は、Patient Preference Study（PPS）の Use・Design・Conduct・Analysis・Submission を国際調和する新設 ICH Guideline。ICH Assembly は 2025 年 11 月に Step 2b Draft を採択（ICH E22 Draft Guideline PDF）、EMA が 2025-12-12〜2026-04-04 に Scientific Guideline として Public Consultation（EMA ICH E22）、FDA は 2026-02-06 Federal Register で Draft Guidance 公布し 2026-04-07 コメント締切。中国 NMPA/CDE は 2026-04-06 コメント締切で並行公開。PPS は Drug Development・Regulatory Submission・Approval・Post-market Maintenance の意思決定プロセスに患者選好を体系的に組込み、Efficacy・Safety データと合わせた Benefit-Risk Assessment を強化。Scope は Stated-preference Methods（Discrete Choice Experiment、DCE・Best-Worst Scaling・Survey・Interview）に限定、Attribute（Drug 特性）の相対重要度を定量測定。Benefit-Risk Assessment（FDA BRA Framework・EMA PBRER）での活用を規定。Caregiver Input も Industry 要望で拡張検討中。FDA 2016 Patient Preference Guidance（医療機器向け）・PFDD Guidance Series との連動。日本は FDA PFDD Guidance 同様に Patient Voice・Patient Engagement Plan と統合検討中。本記事では、ICH E22 の AI 支援を、Stated-preference Methods・DCE・Benefit-Risk 統合・多地域対応の観点で玄人目線で詳述する。
E22 の Scope と範囲外
| 区分 | 内容 |
|---|---|
| Scope 内 | Stated-preference Methods（DCE・Best-Worst Scaling・TTO・Standard Gamble 等） |
| Scope 内 | Pre/Post-marketing PPS |
| Scope 内 | Benefit-Risk Assessment 連動 |
| 範囲外 | Revealed Preference（実購買行動等） |
| 範囲外 | Caregiver Input（現 Draft、拡張検討中） |
| 範囲外 | 医療従事者の選好 |
| 対象疾患 | 全疾患領域（希少疾患・がん・小児等特に有用） |
Stated-preference Methods の主要手法
- DCE（Discrete Choice Experiment）：Attribute Bundle 比較で相対効用測定
- Best-Worst Scaling（BWS）：最良・最悪 Attribute 選択
- Threshold Technique：許容可能 Risk 水準特定
- Time Trade-off（TTO）：時間軸での価値評価
- Standard Gamble（SG）：確率的 Outcome 比較
- Direct Rating / Ranking
- Willingness to Pay（WTP）
- Willingness to Accept Risk（WTAR）
地域別 PPS 制度
| 地域 | 制度 |
|---|---|
| FDA | Patient Preference Information Guidance（2016 Device）・PFDD Guidance 4 Series・E22 Draft 2026-02 |
| EMA | Patient Preference Study Recommendation・E22 Consultation 2025-12〜2026-04 |
| PMDA | Patient Voice・PFDD 議論・E22 検討 |
| NMPA/CDE | 以患者为中心药物临床试验 3 GL（2023-07-27）+ E22 2026-04 コメント |
| IMI PREFER | EU 研究プロジェクト、PPS 方法論開発 |
| IMDRF | Patient Preference Good Practice（医療機器） |
| ISPOR | Good Practice Guidelines |
PPS の Study Design 要素
- Research Question 明確化
- Target Population（疾患・Severity・Demographics）
- Sample Size（DCE は通常 200-500）
- Attribute Selection（Qualitative Phase）
- Level Definition（各 Attribute の水準）
- Experimental Design（D-efficient・Orthogonal）
- Recruitment Strategy
- Pilot Testing
- Statistical Analysis（Multinomial Logit・Mixed Logit・Hierarchical Bayes）
- Sensitivity Analysis
AI 支援の 8 領域
1. Attribute Identification
文献・RWD・患者 Interview から重要 Attribute を AI で抽出。Qualitative Analysis 自動化。
2. Experimental Design
DCE の D-efficient Design を AI で最適化。Level 組合せ・Block 設計・Sample Size 計算。
3. Survey Platform 運用
Online Survey・Mobile App での DCE 実施を AI 統合。Cognitive Debriefing 支援。
4. Statistical Analysis
Multinomial Logit・Mixed Logit・Hierarchical Bayes 推定を AI で実行。Heterogeneity 分析。
5. Benefit-Risk Integration
PPS 結果を FDA BRA Framework・EMA PBRER に AI で統合。Quantitative Benefit-Risk。
6. Regulatory Submission
PPS Study Report を CTD Module・Benefit-Risk Dossier に AI で統合。Stated-preference Methods 明示。
7. Multi-region 整合
FDA・EMA・PMDA・NMPA の PPS 要件差を AI で統合管理。文化差調整。
8. Longitudinal PPS
Pre-market → Post-market の Patient Preference 変化を AI で継続追跡。Policy Update。
DCE の構造
| 要素 | 例（仮想的 がん治療薬） |
|---|---|
| Attribute 1 | 生存期間延長（3 水準：+3 か月・+6 か月・+12 か月） |
| Attribute 2 | 重度副作用発生率（3 水準：5%・15%・30%） |
| Attribute 3 | 投与頻度（3 水準：週 1 回・月 1 回・3 か月毎） |
| Attribute 4 | 投与経路（3 水準：経口・皮下注射・静脈注射） |
| Attribute 5 | 月額費用（3 水準） |
| Choice Set | 通常 8-16 Choice Task、各 Task で 2-3 Alternative |
AI パイプライン
- Step 1: Research Question 定義
- Step 2: Qualitative Interview（Attribute 候補）
- Step 3: Attribute Refinement
- Step 4: Experimental Design
- Step 5: Pilot Test
- Step 6: Main Survey
- Step 7: Statistical Analysis
- Step 8: Benefit-Risk Integration
- Step 9: Study Report
- Step 10: Regulatory Submission
PPS の Regulatory 活用例
- FDA 医療機器承認：Sapien 3（経カテーテル大動脈弁）
- 肥満手術デバイス：Maestro System
- Parkinson's 深部脳刺激
- HIV 予防薬の投与形態選好
- がん治療の副作用許容度
- Pediatric 剤形選好
- Rare Disease の Unmet Need 定量
- Accelerated Approval Surrogate Endpoint 妥当性
失敗パターンと回避策
落とし穴1：Attribute 選定バイアス
Sponsor Perspective で重要属性決定すると Patient Voice 反映不足。Qualitative Interview 徹底・AI Theme Saturation 判定。
落とし穴2：Sample Size 不足
DCE で 200 未満では Precision 低。AI で事前 Power Analysis。
落とし穴3：Hypothetical Bias
Stated 選好と Revealed 行動の乖離。Real-world Context を AI で再現。
落とし穴4：Heterogeneity 無視
患者 Subgroup で選好異なるのに Mean のみ報告。Hierarchical Bayes で Latent Class。
落とし穴5：Multi-region 文化差
PPS 結果の国際 Transferability 限定的。AI で文化補正・各国別実施。
KPI 設計の観点
- Attribute Coverage
- Response Rate
- Internal Consistency
- Heterogeneity Detection
- Benefit-Risk Integration
- Regulatory Acceptance
- Multi-region 同期
まとめ：ICH E22 PPS AI 支援の設計指針
- ICH E22 Step 2b Draft（2025-11）・FDA 2026-02-06・EMA 2025-12〜2026-04・NMPA 2026-04 コメント
- Stated-preference Methods（DCE 中心）の体系実装
- Attribute Identification + Experimental Design の AI 統合
- FDA BRA Framework・EMA PBRER との Benefit-Risk 統合
- FDA PFDD 4 Guidance Series との連動
- IMI PREFER・ISPOR Good Practice 参照
- Pre/Post-marketing の Longitudinal PPS
- Caregiver Input 拡張検討への対応
- Multi-region 文化差調整
- AI は Attribute・Design・解析・BRA 統合、最終判断は Medical・Regulatory・Biostatistician・Patient Advocacy
ICH E22 は 2025-11-19 Step 2b Draft 採択・2026 年 Public Consultation 完了見込みで医薬品開発への患者選好組込みを国際標準化。Stated-preference Methods・DCE・Benefit-Risk Assessment 統合を AI で効率化し Patient Voice を Regulatory Decision-Making へ体系的に反映。判断の人間主導と反復的 Attribute 抽出・Design・解析・BRA 統合の AI 自動化が、2026 年以降のグローバル Patient-centric 医薬品開発の競争力を決定づける。