製薬会社の安全性（ファーマコビジランス）部門の業務内容｜副作用報告からシグナル検出まで徹底解説

製薬会社の安全性（ファーマコビジランス）部門の業務内容｜副作用報告からシグナル検出まで徹底解説

安全性（ファーマコビジランス：PV）部門は、医薬品の「安全を守り続ける」部門です。医薬品が市場に出た後も、副作用や有害事象の情報を継続的に収集・分析・評価し、医薬品のリスクとベネフィットのバランスを監視します。WHO（世界保健機関）はファーマコビジランスを「医薬品の有害な作用またはその他の医薬品関連の問題の検出、評価、理解及び防止に関する科学と活動」と定義しています。

本記事では、安全性部門の主要業務（個別症例安全性報告、シグナル検出、定期的安全性報告、リスク管理計画、安全対策の実施）を具体的に解説します。

安全性部門の主要業務

業務1：個別症例安全性報告（ICSR）の処理

業務の詳細

• 症例情報の収集：医療機関、患者、文献、治験からの副作用・有害事象の情報を収集
• 症例の評価：報告された事象について、医薬品との因果関係（関連あり/関連なし/評価不能）を評価（出典：CRAばんく "PVの仕事内容"）
• 重篤性の判定：死亡、入院、障害、先天異常等の重篤性基準への該当性を判定
• MedDRAコーディング：有害事象をMedDRA（国際医薬用語集）に基づいてコーディング
• 規制当局への報告：重篤かつ予測できない副作用は15日以内にPMDA/FDAへ迅速報告。その他は定期報告

この業務で人間にしかできないこと

• 因果関係の最終評価（複雑な症例における医薬品と有害事象の因果関係判断は医学的専門判断）
• 症例の臨床的重要性の判断（「この事象は新たなリスクシグナルの可能性があるか」の洞察）

業務2：シグナル検出・評価

業務の詳細

• 定量的シグナル検出：安全性データベースの統計的分析（比例報告比：PRR、報告オッズ比：ROR等）による新たなリスクシグナルの検出
• 定性的シグナル検出：個別症例の精査、文献調査、海外規制当局の安全性措置の情報から新たなシグナルを特定
• シグナルの評価：検出されたシグナルの臨床的重要性、因果関係の強さ、公衆衛生への影響を評価
• 安全性評価委員会の運営：社内の安全性評価委員会でシグナル評価結果を審議し、安全対策の要否を判断
• 海外規制情報の監視：FDA、EMA等の海外規制当局の安全性に関する措置（添付文書改訂、販売中止等）の情報収集

この業務で人間にしかできないこと

• シグナルの臨床的重要性判断（「この統計的シグナルは臨床的に意味があるか」の医学的判断）
• 安全対策の要否判断（シグナル検出から安全対策実施までの経営判断を伴う意思決定）

業務3：定期的安全性報告書の作成

業務の詳細

• PBRER（定期的ベネフィット・リスク評価報告）の作成：ICH E2Cガイドラインに基づく定期的なベネフィット・リスク評価の報告書を作成
• DSUR（開発安全性最新報告）の作成：開発中の医薬品に関する年次安全性報告書の作成
• 安全性定期報告の作成：日本の薬事法に基づく安全性定期報告書の作成・提出
• 再審査申請の安全性データ取りまとめ：新薬の再審査期間中の使用成績調査結果の安全性評価

この業務で人間にしかできないこと

• ベネフィット・リスクバランスの総合評価（「この薬のリスクはベネフィットに見合うか」の最終判断）
• 報告書の科学的考察（データの解釈と安全性プロファイルの変化に関する専門的考察）

業務4：リスク管理計画（RMP）の策定・運用

業務の詳細

• RMPの策定：医薬品の安全性検討事項（重要な特定されたリスク、重要な潜在的リスク、重要な不足情報）を整理し、リスク最小化活動と追加のPV活動を計画（出典：塩野義製薬 "PV職"）
• リスク最小化活動：適正使用のための資材作成、医療従事者向けガイドの作成、流通管理体制の構築
• 使用成績調査の計画・実施：市販後の使用実態と安全性を把握するための調査の計画と実施管理
• RMPの更新：新たな安全性情報に基づくRMPの定期的な見直し・更新

この業務で人間にしかできないこと

• リスク最小化策の設計（「どうすればこのリスクを現場で防げるか」の実践的な対策の発想）
• PMDAとのRMP協議（規制当局との安全対策に関する協議は対人コミュニケーション）

業務5：安全対策の実施

業務の詳細

• 添付文書の改訂：新たな安全性情報に基づく添付文書の改訂（警告、禁忌、副作用の追記等）
• 緊急安全性情報の発出：重大な安全性リスクが判明した場合の医療従事者への緊急通知
• 安全性に関する医療従事者への情報提供：適正使用に関する情報提供資材（ブルーレター、イエローレター等）の作成
• 回収判断：品質問題が発生した場合の自主回収の要否判断と対応

この業務で人間にしかできないこと

• 安全対策の緊急度判断（「今すぐ警告を出すべきか、さらにデータを集めてから判断するか」の判断）
• 回収の経営判断（患者安全・レピュテーション・コストを総合した経営的意思決定）

AI化の可能性と限界

AIで効率化できる業務

• ICSR処理の自動化：AIがメール・文献から副作用情報を自動抽出し、MedDRAコーディング・重篤性判定の一次スクリーニングを実施
• シグナル検出の高速化：AIが大量の安全性データから統計的シグナルを自動検出し、偽陽性を削減
• 文献スクリーニングの自動化：LLMが医学文献から副作用に関する記載を自動検出・抽出
• PBRER/DSURのドラフト生成：LLMが安全性データから定期報告書のドラフトを自動生成
• 重複症例の自動検出：AIが同一症例の重複報告を自動検出

人間にしかできない業務

• 因果関係の最終評価：複雑な症例の因果関係判断は医学的専門判断
• シグナルの臨床的重要性判断：統計的シグナルの臨床的意味の解釈
• ベネフィット・リスクバランスの総合評価：医薬品の存続に関わる最終判断
• 安全対策の緊急度判断：患者安全に直結する即時判断
• 規制当局との安全性協議：PMDAとの対面協議は人間にしかできない

2026年アップデート：PV領域におけるAI/LLM実装の規制・実測動向

① FAERS/EudraVigilance/VigiBase のスケールと ICSR-AI処理の現在地

2026年時点で、公的副作用データベースは次のスケールに達しています。

• FDA FAERS：累計3,100万件超、年間約200万件のICSRが新規に追加
• EMA EudraVigilance・WHO VigiBase：国際共有DBとして多言語ICSRを蓄積

ICSR処理におけるAI抽出性能は、近年の業界ベンチマークでF1スコア 0.52〜0.74のレンジ（報告妥当性検証、被疑薬同定、MedDRA PT抽出、重篤性判定）と報告されています。これは「AIだけで完結」ではなく、AIでドラフト抽出→人間PV専門家が最終判定する二層運用を前提とした水準です。出典：PMC "Artificial Intelligence: Applications in Pharmacovigilance Signal Management"、IntuitionLabs "AI in Pharmacovigilance"。

② FDA-EMA「Good AI Practice」共同原則とCIOMS WG XIV

2026年1月、FDAとEMAは「Guiding Principles of Good AI Practice in Drug Development」（10原則）を合同公表しました。対象ユースケースには個別症例安全性報告（ICSR）、薬剤疫学調査、レジストリ分析が含まれており、PV領域でのAI導入がガバナンス観点の中心論点に位置付けられています。EU側では「Principles for AI in medicine development」にもPVがユースケースとして組み込まれています。

並行して、CIOMS Working Group XIVではPV用AIに関する原則・ガイダンスの国際調和が検討されており、2025年5月には草案がPublic Consultationに出されました。日本国内でも厚生労働科学研究費「AIを用いた医療情報の医薬品安全への活用」（課題番号202324017A）で、国内実装に向けた指針作りが進行中です（出典：厚労科研 令和5年度報告書、CIOMS WG XIV Draft）。

③ ICH E2B(R3)電子化とシグナル検出の高度化

ICSRの国際交換フォーマットはE2B(R3)（XML-HL7ベース）への移行が進行中で、JPMA電子化情報部会が2024年4月に解説実務編を改訂しています（出典：JPMA "E2B(R3)解説"）。E2B(R3)はXML構造化データの粒度が細かく、シグナル検出アルゴリズム（PRR/ROR/IC/EBGM等）の機械可読化と親和性が高まっています。

シグナル検出の技術トレンドは次の3方向です。

1. 統計的不均衡分析 + MLチューニング：PRR/RORに加えて機械学習分類器で「臨床的に意味のあるシグナル」を優先度付け
2. 非構造データのLLM抽出：sequence model (LSTM/Transformer)・埋め込みベースセマンティック検索で、文献・社内症例narrative・ソーシャルメディアから潜在シグナルを抽出
3. 知識グラフ：drug-event networkを構築し、想定外の薬剤-事象関連を検出

④ renue独自視点：汎用LLM×PVワークフロー実装の3つの落とし穴

renueは医療/製薬クライアント向けに、openFDA（FAERS）連携・DrugCentral・UMN potential（毒性・副作用プロファイル）・市販後副作用配信機能などをエージェントSDK内で組み合わせた実装経験があります。そこから見えてきた、汎用LLM（Claude等）をPV業務に組み込む際の落とし穴は次の3点です。

1. F1 0.52-0.74は「人間レビュー免除」には遠い：ICSR抽出AIの業界ベンチマークは上位でもF1 0.74程度。とくに「重篤性判定」「因果関係評価」は法的責任を伴うため、誤って不確定を「非重篤」にすると患者安全を毀損する。AIは一次スクリーニング担当、PV専門家が確定判断の二層構造を崩さないこと。
2. PRR/RORのMLチューニングは「感度 vs 偽陽性」のトレードオフを組織で合意：シグナル検出の閾値を下げれば感度は上がるが、偽陽性が増えて専門家のレビュー工数が爆発する。「何を優先するか」の組織合意なしにAI導入すると、専門家の疲弊→シグナル見落としという逆効果になる。ここはAI選定より運用設計の論点。
3. LLM narrative要約はMedDRA PT（Preferred Term）への因果マッピングを誤りやすい：LLMは自然言語の副作用narrativeを流暢に要約するが、MedDRA LLT/PT/HLT/SOCの階層変換を誤る（例：「吐き気」→「Nausea(PT)」「Vomiting(PT)」「Gastrointestinal disorders(SOC)」の取り違え）。MedDRA公式階層をRAGで参照させる設計が必須。モデル内部知識に依存するとハルシネーションがそのまま規制報告に混入する。

PV領域は「AI専用SaaSを買う」より、汎用LLMを既存SOP・社内症例DB・MedDRA階層に接続し、COU単位で信頼性評価を回す方が、2026年のFDA-EMA GAiP原則にも整合した投資対効果の高い入り方になります。

まとめ

製薬会社の安全性部門は、ICSR処理、シグナル検出、定期的安全性報告書作成、RMP策定・運用、安全対策の実施の5つの業務で構成されています。AIはICSR処理の自動化やシグナル検出の高速化、定期報告書のドラフト生成で効率化に貢献しますが、因果関係の最終評価、シグナルの臨床的重要性判断、ベネフィット・リスクバランスの総合評価、安全対策の緊急度判断は完全に医薬品安全性専門家の判断力の領域です。

2026年は、FAERS等のデータ規模拡大・FDA-EMA GAiP原則・CIOMS WG XIV・E2B(R3)電子化が重なり、PV領域のAI導入は「ドラフトはAI、判定は人間」の二層運用をCOU単位で信頼性評価しながら設計する段階に入っています。

あわせて読みたい

• ペーパーレス化の進め方｜中小企業のための導入ステップとツール選定ガイド【2026年版】
• AI導入ROI測定とは？生成AIの投資対効果・PoC評価フレームワーク・企業のAI価値実証ガイド【2026年版】
• ハイブリッドワークとは？テレワークとの違い・導入課題・成功のポイント完全ガイド【2026年版】