CROのAI予測・分析：GCP・データ完全性を守る検証と運用
目次
CROでAI予測・分析を使うための前提
CROにおけるAI予測・分析は、業務上の候補やリスクを整理する支援として利用できます。例えば、データの不整合候補、文書の欠落候補、モニタリング上の確認候補を提示することは可能です。しかし、予測結果は確定した結論ではありません。被験者保護、医療上の判断、安全性評価、規制上の提出判断、品質上の最終判断は、適切な権限と専門性を持つ人が行います。
厚生労働省のGCPガイダンスとICH E6(R3)は、治験品質、データの信頼性、リスクに応じた品質マネジメント、コンピュータ化システムの管理を重視しています。AIを利用する場合も、対象業務、入力データ、出力、レビュー、承認、記録、変更管理を明確にします。
利用範囲と責任分界を定義する
最初に、AIが支援する作業と、AIへ任せない判断を分けます。出力を原資料、承認済みのルール、適切な専門家の判断と照合できる業務から検討してください。
| 業務領域 | AI予測・分析が支援できる処理 | 人が行う判断・承認 |
|---|---|---|
| データマネジメント | 不整合候補、欠落候補、確認候補の提示 | データ修正、医学的解釈、クエリ確定 |
| モニタリング | リスク候補、未解決事項、確認順の整理 | 訪問・照会・是正の判断 |
| 文書管理 | 欠落候補、版差分、分類の支援 | 文書の正式性、承認、保存判断 |
| 安全性情報 | 文書の整理、情報不足の候補提示 | 因果関係評価、報告・提出判断 |
| 施設関連業務 | 記録の集約、確認候補の提示 | 施設選定、適格性、契約上の判断 |
AIの出力を使う業務では、誰が確認し、どのように修正し、どの記録を保存するかを手順書に定めます。出力が誤っていた場合のエスカレーションと影響評価の方法も、事前に用意します。
データとモデルの検証に必要な確認
予測・分析の検討では、データの量よりも、データの目的適合性、来歴、品質、利用権限、変換手順を確認します。対象業務に適さないデータや、出所・変更履歴を追跡できないデータを用いると、出力の説明と検証が困難になります。
- 対象業務と、AI出力を利用する目的を定めた。
- 入力データの正本、出所、利用権限、保存先、変更履歴を確認した。
- データ変換、匿名化・仮名化、アクセス制御、監査証跡を定めた。
- 出力の受入基準と、原資料・承認済みルールとの照合方法を定めた。
- 例外、誤った出力、連携障害、変更時の対応と責任者を定めた。
- テスト、差異、是正、再テスト、承認の記録を保存する。
- 品質保証、臨床開発、データマネジメント、薬事・安全性、情報システムが確認した。
検証では、通常の利用場面に加え、入力不足、データの変化、想定外の出力、権限外の利用、連携失敗といった例外を確認します。AIの出力を根拠に記録や業務判断を行う場合は、担当者のレビューと承認を残します。
運用・監視・変更管理
運用開始後は、データの来歴、アクセス・変更履歴、AI出力とレビューの記録、例外処理、運用手順への適合を確認します。モデル、指示、データソース、連携先、評価方法を変更する場合には、影響を評価し、必要なテストと承認を行います。
監査や原因調査に備え、対象業務、入力、出力、テスト、レビュー、承認、変更に関する記録を整理します。CROが業務を受託している場合も、治験依頼者の監督、被験者保護、臨床上・品質上の最終判断の責任を曖昧にしません。
よくある質問（FAQ）
Q1. AI予測はどの業務で検討できますか？
施設や文書の状況を整理する支援、欠落・不整合の候補提示、リスク候補の優先順位付けなどで検討できます。臨床的・規制上の最終判断は人が行います。
Q2. 予測モデルの評価で何を確認しますか？
対象業務、データの正本、用途、受入基準、入力の品質、テスト、例外、レビュー、承認、監査証跡を確認します。
Q3. AI出力を運用に入れる際の注意点は何ですか？
出力を確定情報として扱わず、レビュー担当者、承認者、エスカレーション、訂正、変更管理を手順に組み込みます。
参考資料
- 厚生労働省「医薬品の臨床試験の実施の基準に関する省令」のガイダンス
- PMDA「ICH-E6 GCP（医薬品の臨床試験の実施基準）」
- ICH E6(R3) Guideline for Good Clinical Practice
最後に（問い合わせ導線）
AI予測・分析の導入では、被験者保護、データ完全性、監査可能性、変更管理、責任分界を最初に確認してください。AIが提示する候補や予測は支援情報であり、臨床上・品質上・規制上の最終判断は、適切な権限を持つ人が担います。
