RWD/RWE 薬事活用のAI支援｜Target Trial Emulation×外部対照群×Causal Inference×ICH M14/E23×PMDA MID-NETの実装ガイド

RWD/RWE 薬事活用のAI支援とは

RWD(Real-World Data、リアルワールドデータ)/RWE(Real-World Evidence、リアルワールドエビデンス)は、日常臨床で得られる診療データから医薬品の safety + effectiveness evidenceを生成し、 regulatory decision-makingに活用する フレームワークです。2025年9月にICH M14 guideline(非介入試験 RWD安全性評価) が Step 4 finalize、 FDA + EMA + PMDA + Health Canada等 20以上の global authorities collaborationで実装段階に進行(出典: IntuitionLabs Regulatory-Grade RWE Platforms、Wiley PMDA RWD/RWE Perspective)。

Target Trial Emulation(TTE、目標試験模擬)は、 observational studyを "hypothetical randomized trial" として explicit designして causal inferenceを実現する modern framework で、 eligibility/treatment strategies/follow-up/outcomes を pre-specifiedにすることで RWD の causal evidence generation quality を 大幅向上させます(出典: IntuitionLabs TTE Framework、Frontiers TTE External Comparator)。

PMDA MID-NET は約8M patients の national distributed medical information network で、 EHR + claims + DPC data + laboratory test results 統合、 Japanese population での薬事用途が拡大中。日本ではJPMAがRWDの承認申請活用に関する複数提言(2020、2021、2022)を発出、 "3つの要件と7つの提案" で sponsor実務ガイド構築(出典: JPMA RWD承認申請3要件7提案 2021-04、JPMA 外部対照RWD 2022-07)。

FDAは2025年12月に medical devices向け updated guidance で de-identified RWD 使用 barriers を除去、 drugs/biologicsへの拡大 flexibility も検討中。 NMPAは2020年1月に "真实世界证据支持药物研发与审评的指导原则(試行)"(2020年第1号)発出以降、 医療器械・儿童薬物・医薬品各 segmentで guideline 段階的整備(出典: FDA RWE Guidance 2025-12、NMPA 2020年第1号RWE指導原則)。renueでは、 社内の規制対応・統計連携・canonical辞書管理・多極調整エージェントの実装経験を活かし、 RWD/RWE薬事活用AI支援・Target Trial Emulation・外部対照群・Causal Inference・ICH M14/E23・PMDA MID-NETのAI支援パターンを提供します。本記事では、 Target Trial Emulation・外部対照群・Causal Inference・ICH M14/E23・PMDA MID-NETのAI実装ガイドを解説します。

Target Trial Emulation(TTE)の枠組み

• TTE core principle: Observational study を hypothetical randomized trial として explicitly design、 "specify + emulate" 2-step process で causal inference 実現。
• Protocol specification: (1)Eligibility criteria、 (2)Treatment strategies、 (3)Assignment procedures (emulated via g-methods)、 (4)Follow-up period、 (5)Outcome、 (6)Causal contrast、 (7)Analysis plan の 7-component trial specification。
• Emulation step: RWD data に specification を apply、 time zero alignment、 treatment-aligned cohort construction、 appropriate statistical methods(IPTW、 G-computation、 Doubly Robust等)。
• Immortal time bias avoidance: TTE で明示的に time zero alignment することで "immortal time bias" を structurally 防止。
• Selection bias handling: Eligibility criteria明示 + Inverse Probability Weighting で selection bias adjustment。
• Confounding handling: Covariates balance check、 propensity score matching、 g-methods、 negative control outcomes。

外部対照群(External Control Group)

• External Controls種類: Historical external controls(過去 completed studies/registriesから)、 Concurrent external controls (single-arm試験と同時期 RWD)、 Synthetic control arm(statistical reconstruction)。
• 適用 scenarios: 希少疾病(rare disease、 placeho control ethically problematic)、 Pediatric studies(recruitment difficulty)、 Oncology rare indications、 Emergency use authorization。
• Data source quality: Registry-based(高 quality、 disease-specific cohorts)、 EHR-based(broad but heterogeneous)、 Claims-based(large scale、 limited clinical detail)。
• Comparability assessment: Baseline characteristics balance(age、 sex、 disease severity、 prior treatments)、 Prognostic factors comparability、 Calendar time alignment。
• Statistical matching: Propensity score matching、 Mahalanobis distance matching、 Exact matching、 Coarsened exact matching。
• Synthetic controls: Weighted combination of historical controls、 balance weighting methods、 data source diversity utilization。

Causal Inference Methods

• IPTW(Inverse Probability of Treatment Weighting): Propensity score推定、 inverse weighting by 1/PS (treated) or 1/(1-PS) (untreated)、 double robust with outcome model。
• G-computation: Outcome model fitting + marginal causal effect via standardization、 time-varying exposures accommodation。
• G-estimation: Structural nested failure time models、 time-varying exposures + time-varying confounders。
• Doubly Robust estimators: AIPW(Augmented IPW)、 TMLE(Targeted Maximum Likelihood Estimation)、 consistent estimators when either propensity or outcome model correct。
• Instrumental Variables: Unmeasured confounding、 Mendelian randomization, quasi-experimental instrumental analyses。
• Regression Discontinuity + Difference-in-Differences: Policy change evaluation、 non-randomized quasi-experimental designs。
• Sensitivity Analyses: Unmeasured confounding E-value、 Negative control outcomes、 Tipping-point analyses、 Multiple imputation for missing data。

ICH M14 + E23 Guidelines

• ICH M14(2025-09 Step 4): "General principles for the planning and conduct of pharmaco-epidemiological studies using RWD for the safety assessment of medicines" — 非介入試験 RWD safety study の initial global harmonized standard(出典: IntuitionLabs ICH M14 2025)。
• ICH M14 scope: Planning + Design + Analysis + Reporting of non-interventional safety studies、 data source selection guidance、 protocol finalization、 statistical analysis plans、 reporting standards。
• ICH E23(forthcoming): "Framework for Real-World Data and Evidence" - effectiveness focus、 Phase 2/3 level comparative effectiveness、 regulatory decision-support evidence generation。
• Implementation timeline: ICH M14 は late 2025-2026年 implementation phase、 各極 national guidance integration 進行。
• EU TARGET-EU consortium: 10 emulated trials across European datasets、 2026年6月完了 planned、 Practical guidance for TTE+regulatory estimand frameworks(出典: Becaris TTE 2026)。
• FDA 21 CFR Part 11 + GCP modernization: RWD quality standards、 data source qualification、 IT systems validation、 audit trails。

PMDA MID-NETの活用

• MID-NET概要: 23協力病院のEHR + claims + DPC(Diagnosis Procedure Combination) data + laboratory test results の network、 約8 million Japanese patients cover、 標準化 + de-identified + analytical access。
• Use cases: Post-marketing safety assessment、 signal evaluation、 regulatory impact assessment、 pharmacoepidemiology studies、 drug utilization research。
• Data quality features: Standardized vocabularies (ICD-10、 JAPIC drug codes)、 Laboratory values 詳細、 Longitudinal follow-up、 Inpatient + Outpatient coverage。
• PMDA perspective: "RWD/RWE utilization for postmarketing drug safety assessment" として、 safety-related regulatory action impacts + pre/post-implementation comparative analyses が使用領域(出典: Becaris PMDA RWD/RWE Perspective)。
• Sponsor access: PMDA + 医薬品企業 + academia 全てaccess可能、 data utilization committee approval + IRB review等 governance process 必須。
• 他 RWDソース併用: NDB(ナショナルデータベース)、 DPC、 MDV/JMDC民間DB、 疾病別 registries の triangulation analytical approach。

薬事活用のUse Cases

• 承認申請(Approval): 外部対照群、 Single-arm試験 supplement、 特定適応での Supplementary evidence、 希少疾病approval support。
• 適応症拡大(Indication Expansion): Existing drug + new indication で historical RWD effectiveness demonstration、 small trial + RWE integration。
• 安全性評価(Safety): Postmarketing safety signals、 rare adverse events、 Subpopulation safety evaluation、 comparative safety assessment。
• 薬価・HTA reimbursement: Real-world effectiveness for HTA、 Cost-effectiveness in clinical practice、 Budget impact modeling support。
• 規制対応 + 承認後 obligations: Condition of approval 条件(条件付き早期承認での使用成績調査)、 Re-examination/Re-evaluation evidence、 PBRER/DSUR integration。
• Drug-drug interactions: Large-scale RWD で DDI prevalence、 clinical consequence evaluation、 labeling support。

業務フロー(AI化対象の9ステップ)

1. Regulatory question formulation: 明確な regulatory question(safety or effectiveness、 subpopulation、 outcome、 treatment)をstructured specify。
2. Target Trial Specification: 7-component hypothetical trial specification(eligibility、 treatments、 outcomes等)documentation。
3. Data source selection: Question適合性 + quality + population coverage評価、 MID-NET/NDB/DPC/claims DBのfeasibility assessment。
4. Study protocol drafting: ICH M14 compliant protocol、 pre-specified analyses、 statistical analysis plan。
5. Data quality assessment: Completeness、 Accuracy、 Timeliness、 Provenance check、 Data source qualification。
6. Statistical analyses: Propensity scoring、 IPTW、 TMLE、 sensitivity analyses、 subgroup analyses 実行。
7. Regulatory submission: RWE包括評価 report、 Data package、 Study protocol + SAP + Final report、 regulator submission。
8. Regulator interaction: Pre-submission dialogue(PMDA対面助言、 FDA Type B等)、 Mid-study discussions、 Response to information requests。
9. QC・承認: Epidemiologist/Biostatistician/Regulatory Affairs/Medical Affairs/Data Scientistの多職種合議承認、 LLM単独決定禁止。

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 M14(2025-09)、 ICH E23 draft、 FDA RWE Guidance 2025-12、 NMPA 2020 RWE指導原則、 JPMA RWD提言(2020、 2021、 2022)、 PMDA RWD perspective (Kajiyama et al.)、 TARGET-EU consortium outputsをベクトル化。
• Target Trial Specification Template: 7-component canonical structureで structured specification、 LLMはnarrative drafting、 core specification parameterは決定論的field保持。
• Data Source Feasibility Assessor: 各 RWD database (MID-NET、 NDB、 DPC、 MDV、 JMDC等)のcoverage + quality + accessibility pre-screening。
• Causal Inference Statistical Engine: IPTW、 TMLE、 G-computation、 Propensity matching の 決定論的 statistical calculation、 LLMは結果解釈のみ。
• External Control Constructor: Historical/Concurrent/Synthetic externalcontrols の design + comparability assessment tool。
• Sensitivity Analysis Manager: E-values、 Negative controls、 Tipping-point、 Multiple imputation の systematic sensitivity analyses automated execution。
• Multi-region Regulatory Coordinator: PMDA + FDA + EMA + NMPA RWE requirements comparison + multi-region submission planning。
• 品質ゲート: Epidemiologist/Biostatistician/Regulatory Affairs/Medical Affairs/Data Scientistの多職種合議承認必須、 LLM単独決定禁止。

2026年アップデート

① ICH M14(2025-09 Step 4) Implementation phase

ICH M14 RWD safety assessment guideline が 2025年9月 finalize、 2025年末から 2026年にかけて各極 implementation phase に進行。Sponsor は ICH M14 compliant protocolsへ migrate、 regulatory acceptance向上。AI実装は ICH M14 fully aligned protocol templateを core asset化(出典: IntuitionLabs ICH M14 Implementation)。

② FDA 2025-12 updated RWE guidance for medical devices

FDA は2025年12月に medical devices 向け updated RWE guidance発出、 de-identified RWD使用 barriers除去、 similar flexibility の drugs/biologicsへの拡大検討(出典: FDA RWE Guidance 2025-12)。 2026年に drugs/biologics specific updates 期待。

③ EU TARGET-EU Consortium 2026-06完了

EU TARGET-EU consortiumの10 emulated trials が 2026年6月完了予定、 practical guidance for integrating TTE with regulatory estimand frameworks 発表(出典: Becaris TARGET-EU)。Causal inference + regulatory integration の concrete evidence base強化。

renue独自視点: 規制対応・Causal Inference 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・統計連携・canonical辞書管理・多極調整・データ統合エージェント(A029/A030/A039/A040/A042/A044-A081の関連実装)を通じて、 RWD/RWE薬事活用AI支援で以下の落とし穴を経験しました。

1. Target Trial Specification LLMが "treatment strategies" ambiguous定義: Treatment strategies(initiate at diagnosis、 initiate-and-continue等)をLLMに specification drafting任せると、 dynamic treatment regimens(time-varying decisions、 adaptive treatments)の rigor不足、 regulator評価で cut。対策は、①Treatment strategies canonical taxonomy(static vs dynamic、 point-treatment vs sustained、 grace period specification)で structured management + ②LLMは specification draft narrative、 taxonomy reference必須 + ③Epidemiologist + Biostatistician合議 + ④Multiple treatment strategies比較の explicit comparison plan、 の4段構えで specification rigor 担保します。
2. Propensity scoring LLMがcovariate selection ad-hoc: Propensity scoreの covariates selection を LLMに ad-hoc selection任せると、 data-dredging + overfitting risk、 instrumental variable inadvertent inclusion、 mediator mistakenly included 等で causal effect bias。対策は、①Covariates selection principled approach(confounders based on DAG、 pre-treatment only、 strong confounders prioritized)を canonical checklist化 + ②LLMはcovariate candidatesproposal from DAG のみ、 PS model specification不可 + ③Clinical epidemiologist + Methodologist合議 + ④Pre-specified covariates sensitivity analyses、 の4段構えで causal rigor維持します。
3. 外部対照 comparability LLMが "baseline balanced OK" 過信: External control group の comparability assessment で LLMに "baseline balanced" 判定任せると、 measured confounders のみ balance確認で、 unmeasured confounders + prognostic factors + calendar time effects等を過小評価、 regulator rejection risk。対策は、①Comparability assessment framework(measured + potential unmeasured confounders + prognostic factors + calendar time)を canonical schemaで structured評価 + ②LLMは check results reporting のみ、 judgement不可 + ③E-value + Negative control outcomes + Tipping-point analysesを必須実行 + ④Clinical+Methodology+Regulatory合議、 の4段構えで unmeasured confounding risk明示化します。

まとめ

RWD/RWE 薬事活用のAI支援は、「Target Trial Specification の 7-component canonical taxonomy」「Propensity scoring の principled covariate selection + DAG-based」「External Control comparability の measured + unmeasured confounders systematic assessment」の3軸を同時に満たす設計が核心です。LLM はStudy protocol narrative drafting・Causal inference strategy articulation・External control rationale articulation・Multi-region coordination narrative に限定し、 Target Trial Specification rigor check・Propensity score covariate selection・Statistical analyses execution・Sensitivity analyses systematic run・External control comparability assessment は決定論エンジンと人間QA(Epidemiologist/Biostatistician/Regulatory Affairs/Medical Affairs/Data Scientist)で固めるのが現実解です。

renueでは、 規制対応・統計連携・canonical辞書管理・多極調整・データ統合のパターンを、 個別の製薬企業/RWE Team/Regulatory Affairs/Medical 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。 RWD/RWE薬事活用高速化、 Target Trial Emulation実装、 外部対照群構築、 Causal Inference厳密化、 ICH M14/E23 compliance、 PMDA MID-NET/NDB活用をご検討の際は、お気軽にご相談ください。