PSUR/PBRER のAI作成とシグナル統合｜ICH E2C(R2)・PRR/ROR/IC・Benefit-Risk評価・RWE連動の実装ガイド

PSUR/PBRERのAI作成とシグナル統合とは

PSUR(Periodic Safety Update Report、定期的安全性最新報告)/PBRER(Periodic Benefit-Risk Evaluation Report、定期的ベネフィット・リスク評価報告)は、医薬品承認後のsafety-benefit lifecycle管理の中核報告書です。ICH E2C(R2) Guideline(2012年12月17日 Step 4 Final)がPBRERを導入し、既存のPSUR guidanceを置き換えて、safety onlyから benefit-risk balanceへシフト、ICH参加国で統一規格として運用されています(出典: ICH E2C(R2) Guideline公式、PMDA PBRERについて)。

日本ではMHLWの平成26年8月25日事務連絡で「PBRERに関するQ&A」が発出され、運用が明確化されました(出典: MHLW PBRER Q&A 平成26-08-25)。2012年以降、90以上の国・地域がPBRERをglobal standardとして受け入れており、company間でcumulative safety data、new signals、real-world findings、updated benefit-risk conclusionsを継続報告する仕組みが定着しています(出典: PharmUni PBRER 2026 Guide)。

PBRERの中核は Signal Detectionで、PRR(Proportional Reporting Ratio)、ROR(Reporting Odds Ratio)、IC(Information Component、Bayesian法)等のdisproportionalityメトリクスを継続モニタリング、新たなsafety signal発見時にbenefit-riskを再評価します。近年はRWE(Real-World Evidence)が積極的に取り込まれ、claims/EHR/registriesからのsignal validationが標準化しつつあります。renueでは、社内の規制対応・文書生成・統計連携・canonical辞書管理エージェントの実装経験を活かし、PSUR/PBRER AI作成・Signal統合・Benefit-Risk評価・RWE連動のAI支援パターンを提供します。本記事では、ICH E2C(R2)・PRR/ROR/IC・Benefit-Risk評価・RWE連動のAI実装ガイドを解説します。

PSURとPBRERの違い

• PSUR(旧): Safety focusedの定期safety update、ADR集計・literature review・evaluation中心、ICH E2C(1996年初版)で規定。
• PBRER(現行): ICH E2C(R2)で導入、Safety + Benefit + Benefit-Risk Balanceの統合報告。benefit-risk評価が特にrisk changes時に明示的に必要(出典: Pharma Times PBRER vs PSUR)。
• PBRER導入後: 2012年以降、既存PSUR guidanceは discontinued、PBRERが業界新標準。しかしregulator submissionでは "PSUR (PBRER format)" として呼称が継続使用される場合も。
• Submission frequency: 通常 承認後6ヶ月/1年/3年/5年の規定intervalで提出、ICH・EU・FDA・PMDA・NMPAで詳細timingが規定。
• ICH region acceptance: 日本・米国・EU・その他90+か国がPBRERを受け入れ。global single document from one data cutoffで効率化。
• PMDA 日本の特殊: 再審査制度(Re-examination)とPBRER integrationで、使用成績調査データをPBRERに統合する運用。

PBRERの主要構成(ICH E2C(R2)準拠)

1. Part 1. Title Page: 医薬品名、international birth date、data lock point、report number、reporting period、author等。
2. Part 2. Executive Summary: reporting periodの main findings、important new safety findings、benefit-risk conclusions summary。
3. Part 3. Table of Contents: Report全体のTOC。
4. Part 4. Introduction: 医薬品紹介、目的・範囲、前回PBRERからの変更点。
5. Part 5. Worldwide Marketing Approval Status: 各国承認状況、indications、doses。
6. Part 6. Actions Taken in Reporting Period for Safety Reasons: Recalls、保留、regulatory restrictions等。
7. Part 7. Changes to Reference Safety Information: IB/SmPC/PI等のSafety information改訂。
8. Part 8. Estimated Exposure and Use Patterns: 世界での患者曝露数、適応外使用等。
9. Part 9. Data in Summary Tabulations: Cumulative ICSR数、SAE tabulations、Interval summary、特別関心事象。
10. Part 10. Summaries of Significant Findings from Clinical Trials: 進行中/完了試験の safety findings。
11. Part 11. Findings from Non-Interventional Studies: Observational studies、Registries、pharmacoepi。
12. Part 12. Other Clinical Trial and Source of Information: Safety-related Compassionate Use、Named Patient Programs等。
13. Part 13. Non-Clinical Data: 新規非臨床findings。
14. Part 14. Literature: Published literature review。
15. Part 15. Other Periodic Reports: Other relevant periodic reports(Japan-specific usage-results surveys等)。
16. Part 16. Lack of Efficacy in Controlled Clinical Trials: 有効性の欠如に関連するsafety implications。
17. Part 17. Late-Breaking Information: Data lock point後の重要追加情報。
18. Part 18. Overview of Signals: New, Ongoing, or Closed: Signals managementの統合概要。
19. Part 19. Signal and Risk Evaluation: Signal評価、Risks characterization、Effectivenessof risk minimization、benefit-risk evaluation。
20. Part 20. Benefit-Risk Analysis Evaluation: Context of use、benefit evaluation、risk evaluation、benefit-risk analysis。
21. Part 21. Conclusions and Actions: 総括とfollowing期間のactions。

Disproportionality Analysis (PRR/ROR/IC)

• PRR(Proportional Reporting Ratio): (目的薬で特定AE発現割合) / (その他薬で同AE発現割合)。シンプルなdisproportionality指標、FDA/EMA で広く使用。Signal threshold: PRR ≥ 2、chi-squared ≥ 4、n ≥ 3 が定番(出典: PMC Signal Detection PV 2020)。
• ROR(Reporting Odds Ratio): Oddsベースの類似指標。PRR と類似だがstatistical propertiesでROR が推奨される場合あり。Signal threshold: ROR 95% CI lower bound ≥ 1。
• IC(Information Component): Bayesian法、WHO-UMC Vigibaseが使用。IC = log2(P(drug, event) / (P(drug) × P(event)))、-Infから +4の範囲。IC_0.025 > 0 が signal criterion。
• EBGM(Empirical Bayes Geometric Mean): FDA FAERSで使用、Bayesian shrinkage法。EB05 > 2 が typical signal threshold。
• MGPS(Multi-Item Gamma Poisson Shrinker): Biomedical signalのBayesian extensible法、複数 drug-event combinationsの同時分析。
• Cumulative limitations: Disproportionalityはassociationは検出できるがcausation は示さない、Reporting biasや channeling biasの影響、重大シグナルの早期detectionには確証データ追加が必須。

Benefit-Risk評価Framework

• Context of Use: 適応、対象集団、利用condition、代替治療選択肢の概観。
• Benefit evaluation: Efficacy evidence(RCTs、meta-analyses、RWE)、効果の大きさ、durability、patient preferences。
• Risk evaluation: Safety concernsの再評価、新Signal impact、特定population別risk。
• Benefit-Risk Frameworks: FDA Benefit-Risk Framework、EMA Benefit-Risk Framework(Effects Tables)、BRAT(Benefit-Risk Action Team) Frameworkなど。
• Multi-Criteria Decision Analysis(MCDA): Quantitative benefit-risk analysis、 decision analysis softwareでmulti-attribute value funcで集約。
• Qualitative judgment: 最終的benefit-risk判断は quantitative + qualitative両方、regulator/HCP/patient perspectiveの統合。

RWE(Real-World Evidence)連動

• Claims data: Medicare/Medicaid(US)、NHS(UK)、社保レセプト(JP)、MDV/JMDC等。対象広範、曝露/outcome identificationは coding qualityに依存。
• EHR data: OMOP CDM、Sentinel Initiative、等でEHR統合分析。Richなclinical data、臨床context理解可。
• Registries: 疾患別・製品別 patient registry、長期outcome追跡、特殊population情報。
• Literature surveillance: PubMed/EMBASE/Scopus continuous monitoring、case reports/series、pharmacoepi publications。
• Signal validation: Disproportionality signalをRWEで追加検証、PSUR/PBRER内でsignal evidence strengthening。
• Pregnancy registries: 妊娠曝露 outcomes、congenital anomalies長期follow-up。
• Benefit assessment: Real-world effectivenessの評価、RCT efficacyとRWE effectivenessのgap 分析。

業務フロー(AI化対象の9ステップ)

1. Data ingestion: Safety database(FAERS/EudraVigilance/PMDA SKW等)・clinical trials registries・literature・RWE sourcesの structured ingestion。
2. Disproportionality analyses: PRR/ROR/IC/EBGMを決定論的に実行、signal candidates抽出。
3. Signal triage: Pre-defined decision treeでsignal candidatesをclassification(Urgent/Important/Minor)、LLMはクエリ生成補助のみ。
4. Signal evaluation: 各signalに対する詳細evaluation narrative、RWE validation、biology plausibility評価。
5. Benefit-Risk Framework適用: FDA/EMA Framework準拠でstructured benefit-risk analysis。
6. Part 18-20 synthesis: Signals overview + Signal evaluation + Benefit-Risk Analysisを一貫narrative化。
7. Cross-region synchronization: Global PBRER → 各国local addendum(J-specific Japanese usage-results surveys、China-specific等)の integrated output。
8. PSUR Repository submission prep: EMA PSUR Repository format、FDA electronic submission format、PMDA submission prep。
9. QC・承認: PV Physician/Safety Scientist/Regulatory Affairs/Medical Affairs/Biostatisticianの多職種人間承認、LLM単独承認禁止。

AIエージェント構成例(Claude Code + RAG + 決定論的ツール)

• 規制要件RAG: ICH E2C(R2)、EU GVP Module VII、FDA 21 CFR 314.80、PMDA PBRER Q&A(平成26-08-25)、NMPA E2C(R2)中国適用公告をベクトル化。
• Safety Database Connectors: FAERS、EudraVigilance、PMDA SKW、WHO Vigibaseへのstructured access、LLM介在禁止の決定論的データ取得。
• Disproportionality Calculator(決定論): PRR/ROR/IC/EBGM/MGPSをstatistics package(R OpenVigilance、Python vigilancefield等)で決定論計算。
• Signal Triage Engine: Pre-specified rulesetでsignal classification、borderline casesはPV Physician escalation。
• RWE Connector: claims/EHR/registry queries(OMOP CDM、FDA Sentinel等)、structured schema で signal validation支援。
• Benefit-Risk Framework Engine: FDA/EMA/MCDAのstructured analysisを実行、qualitative judgmentは PV Physicianが手動入力。
• PBRER Template Authoring: ICH E2C(R2) 21-part structureに準拠、Section別template、cross-reference自動管理。
• 品質ゲート: PV Physician/Safety Scientist/Regulatory Affairs/Medical Affairs/Biostatisticianの多職種人間承認必須、LLM単独承認禁止。

2026年アップデート

① Continuous PV monitoring移行の定着

従来のbatched-PSUR submission approach から continuous PV monitoringへシフトが 2026年時点で定着。大手PV organizationsでは daily/weekly basisでのsignal検出 + quarterly evaluation + 定期PBRERへの統合が standard operating model化しています(出典: PharmUni 2026 Guide)。AI実装はcontinuous monitoring pipeline + PBRER generation の統合設計が現実解。

② RWE integration for Signal Validation

FDA Sentinel、EMA DARWIN EU、Japan MID-NET等の公的RWE infrastructureが成熟、PBRER内でのsignal validation にRWE evidenceを組み込む運用が拡大。特にchanneling bias/confounding factorの評価でRWEが決定的役割を担います(出典: 中国PBRER実施思考 2023)。

③ 中国NMPA E2C(R2) 適用深化

NMPAは 2020年7月に 「E2C(R2): PBRERの適用に関する公告」を発布、2026年時点で国内 PBRER運用が本格化。中国独自の PBRER 中文訳とICH原文との翻訳差を解説する学術論文も多数発出(出典: NMPA PBRER適用公告、中国CDR PBRER中文翻訳稿)。多極PBRER同時運用は AI support ほぼ必須。

renue独自視点: 規制対応・統計連携AI支援の実装から学んだ3つの落とし穴

renueでは、社内の規制対応・文書生成・統計連携・canonical辞書管理エージェント(A029/A030/A039/A040/A042/A044-A067の関連実装)を通じて、PSUR/PBRER AI作成で以下の落とし穴を経験しました。

1. Disproportionalityのfalse positiveをLLMが "clinically significant signal"と過剰解釈: PRR=2.5のような marginal disproportionalityを LLMが PBRER Narrative で "臨床的に重要なsignal" と表現すると、reg reviewers に過剰な懸念を伝えるrisk が発生。対策は、①Signal評価ステージを (a) Statistical signal(PRR ≥ 2、PRR 95% CI lower ≥ 1等) (b) Clinical signal(biology plausibility + expert judgment) (c) Confirmed signal(RWE validation済) の3段階canonical schemaで管理 + ②LLM narrativeは各signalの current stage を機械的に引用、自由な重要性判断禁止 + ③PV Physician review必須 + ④signal lifecycle stateをaudit trailで保持、の4段構えで signal interpretationの厳格化を行います。
2. Benefit-Risk conclusionsでLLMが"balance" "favorable" 等の曖昧表現を乱用: PBRER Part 20 conclusionsで LLMに自由にnarrativeさせると、"benefit-risk balance remains favorable" 等の defaultable表現が試験間 / 製品間でcopy-paste的に使われ、各PBRERの独自性・新情報反映が薄れます。対策は、①Benefit-Risk framework適用結果(効果量・safety data・特記事項)をstructured Effects Tableとして取り込み + ②LLMはTable内のspecific findings を reference する記述のみ、default conclusionsの即行採用禁止 + ③PBRER毎にnew information-specific reasoning を強制 + ④Medical Affairs Director承認、の4層ガードで PBRER narratives qualityを向上させます。
3. Cross-region PBRER差分管理でLLMがJ/EU/US固有 safety concerns を混同: Global PBRERからlocal addendum(PMDA PBRER Japan addendum、CFDA PBRER中国addendum等)を生成する際、LLMが J-specific 使用成績調査データを EU addendumに混入、あるいは FDA REMS活動をJ-PBRER で誤記載する等の混同が発生します。対策は、①Safety concerns/activities にregion tag(J-only/EU-only/US-only/common) を canonical schemaで厳格管理 + ②region tag filterを multi-region出力時に必須適用 + ③J-PBRER/EU-PBRER/FDA PADER version comparisonを機械的実行 + ④各地域 Reg Affairs承認、の4段構えで multi-region consistency を担保します。

まとめ

PSUR/PBRERのAI作成とシグナル統合は、「Disproportionality signalの 3-stage canonical classification」「Benefit-Risk conclusions の structured Effects Table 準拠」「Cross-region addendum の region tag 管理」の3軸を同時に満たす設計が核心です。LLM はPart narrative drafting・Signal evaluation text化・Benefit-Risk discussion drafting・Cross-region synchronizationに限定し、Disproportionality計算・Signal lifecycle management・Benefit-Risk Framework execution・Region tag filtering・PSUR Repository submission formatは決定論エンジンと人間QA(PV Physician/Safety Scientist/Regulatory Affairs/Medical Affairs/Biostatistician)で固めるのが現実解です。

renueでは、規制対応・文書生成・統計連携・canonical辞書管理・多極調整のパターンを、個別の治験依頼者/PV organization/Regulatory Affairsの運用文化に合わせてカスタマイズする支援を行っています。PSUR/PBRER作成高速化、Continuous PV monitoring統合、RWE signal validation、多極 PBRER localization をご検討の際は、お気軽にご相談ください。