ValGenesisで進める検証文書の4段階|AIと有資格者の署名線

ValGenesisで進める検証文書の4段階|AIと有資格者の署名線

「検証計画書を一本書くのに何週間もかかる。AIに下書きさせれば早くなるのは分かるが、査察で『誰が書いたのか』と聞かれたら何と答えればいいのか」「AIが作ったトレース表に抜けがあったとき、署名した担当者の責任になるのか」——製薬・医療機器・食品の品質保証や情報システムの担当者から、生成AIの話が出るたびに返ってくる問いです。検証の文書は、量が多く、形式が決まっていて、過去の承認済み文書が山ほどあります。AIの下書きにいちばん向いて見える業務の一つです。しかし規制業界の検証で問われるのは、文書を速く作れるかではなく、その文書の中身に誰が責任を持ったと示せるかです。この記事では、検証業務のソフトを手がける米国の ValGenesis が2026年に打ち出したAI「VAL」を例に、検証文書の作成をAIに下書きさせるときの4つの段階と、有資格者が承認・署名する範囲の分け方を整理します。


カメ先生カメ先生

AIに検証文書を書かせると、査察で説明がつかなくなる、と思われがちなんだ。でも本当は、AIが書いたかどうかより、根拠にした文書と、確かめて署名した人が記録の上でたどれるかどうかが問われるんだよ。


カメ子カメ子

AIを使うこと自体が問題なのではなく、使った跡と確かめた跡が残っているかが問題、ということですか。


カメ先生カメ先生

そう。だから順番が大事でね。AIに渡す根拠の文書を先に決めて、AIには下書きと指摘までをさせ、合否と署名は有資格者に残す。その線を段階ごとに引いておけば、速さと説明責任は両立できる。


カメ子カメ子

下書きの速さより先に、線をどこに引くかを決めるんですね。


この記事のポイント
  • ValGenesis の VAL は、承認済みの検証文書・社内規程・規制指針を根拠に、計画書とトレースの下書き、ギャップ評価、実行記録のレビューを支援し、重要な判断は有資格者に残すと明記している
  • 根拠の整備、下書き、点検、承認と署名の4段階に分け、各段階でAIに任せる範囲と人が決める範囲を文書にしておく
  • AI関与の記録、事業者と自社の責任分界、データの行き先、止め方を、試験運用の前に決めておく

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

ValGenesisとは:検証業務を紙から移してきた会社

ValGenesis は2005年に創業し、米カリフォルニア州サンタクララに本社を置く会社です。製薬・バイオ・医療機器の工場や研究所で必要になる、設備の適格性確認、洗浄の検証、コンピュータ化システムの検証といった業務を、紙の文書ではなく電子の仕組みで回すためのソフトを提供してきました。同社は自らを最初の完全にデジタルな検証ライフサイクル管理の仕組みを作った会社と説明しています。

規模について、同社は2026年4月の発表で、10万を超えるGMPの対象システムを28か国で支え、世界の売上上位50社の製薬・ライフサイエンス企業のうち30社超が使っていると公表しています。ニュースの一覧には、日本の大手製薬会社がクラウド型の検証管理を選んだという発表も残っています。同じ4月には、製薬向けのIT・エンジニアリング会社 Westbourne との提携を発表しており、この会社は日本を含む5か国で現地の支援を行うと紹介されています。

製品の中心は、検証の計画・作成・実行・レビュー・報告を一つの流れで扱う検証ライフサイクルの一式と、製造工程の管理の一式です。2022年には、リスク管理と工程の継続的確認のソフトを持つ会社を買収しています。2026年に入ってからは、7月に最高収益責任者、10月に社長を新たに任命しており、AIを組み込んだ検証の仕組みを事業の柱に据える体制づくりを進めていることがうかがえます。

2026年の動き:VALの次世代版と限定パイロット

同社は2026年4月14日、検証の全工程でAIを使えるようにした次世代の VAL(ValGenesis AI)を発表しました。発表では、ニューヨークで4月21日から開かれた製薬業界の展示会で初めて実演し、条件を満たした製薬・ライフサイエンス企業向けに、限定的なパイロットを始めるとしています。誰でもすぐに使える一般提供ではなく、試験的な導入から始める段階だという点は、評価の前提として押さえておく必要があります。

発表文が挙げる機能は、検証計画書(プロトコル)とトレースの生成、ギャップの評価、実行のレビュー、証拠の分析、異常の特定です。製品の紹介頁では、これを作成・点検・分析・追跡・比較・要約の6つの機能として整理しています。いずれも検証の担当者が日々こなしている作業で、AIはそれを同社の検証の仕組みの中に組み込まれた形で、決められた業務の流れの内側で動くと説明されています。汎用の対話型AIに文書を貼り付けて使うのとは、置かれる場所が違います。

10月2日には、アムステルダムで10月14日から開かれた製薬業界のAI会議で、顧客のパイロットと本番導入から得た学びを発表すると告知しました。講演の題は、AIを使った検証がうまくいったかをどう測るか、そして意図した用途を明確に定めて信頼を積み上げるための成熟度モデルです。事業者自身が「効果をどう測るか」を論点に掲げていることは、導入を検討する側にとっても参考になります。

用語の整理:検証文書の種類と、AIが入る場所

検証の現場に慣れていない情報システムやAI導入の担当者にとって、まず分かりにくいのが文書の種類です。検証では、システムに何を求めるかを書いた要求の文書、どう確かめるかを書いた計画書、要求と試験の対応を示すトレース表、試験を実際に行った実行記録、想定と違う結果が出たときの逸脱の記録、全体を締めくくる報告書が、決まった順番で作られます。どの文書にAIが入るかで、人が確かめる中身も変わります。

文書VALがすること(公式の説明)人が決めること
要求の文書既存の承認済み文書や規程との突き合わせ、抜けの指摘何を要求とするか、リスクの高さの区分
計画書(プロトコル)承認済みの過去文書や社内の型をもとにした下書き試験の範囲、合否の基準、採用する試験の数
トレース表要求と試験と証拠の対応づけ、対応の抜けの指摘抜けを許容するか、追加の試験を足すか
実行記録記録の書き方の不備や証拠の不一致の指摘、証拠の要約結果が合格か、逸脱として扱うか
変更の比較版の間で何が変わったかの比較と影響の候補再検証の範囲をどこまで取るか
報告書結果の要約と下書きシステムを使ってよいかの結論と承認

表の右の列は、どれもAIに任せない項目です。AIが受け持つのは「下書き」と「指摘」と「要約」で、「合否」と「範囲」と「結論」は人が持つという分け方を、最初に関係者で共有しておくと、後の段階の議論がぶれません。なお、検証の世界では、試験をどこまで厚くするかをリスクに応じて決める考え方が主流になっており、その判断こそが有資格者の専門性が最も問われるところです。

前提:規制はAIの有無ではなく、用途への適合を問う

AIで検証文書を作ることを考えるとき、「規制上AIは使ってよいのか」という問いから入りがちです。しかし既存の規制の多くは、道具が何かではなく、記録の信頼性と、システムが意図した用途に適合していることを示せるかを問うています。国内では、医薬品等の申請や記録を電子で扱う際の指針(いわゆる電磁的記録・電子署名の指針、2005年4月の厚生労働省の通知)と、製造販売業者等のコンピュータ化システムの適正管理のガイドライン(2010年10月の通知)が、長く実務の基準になってきました。

米国では、食品医薬品局(FDA)が2025年9月、医療機器の製造と品質の仕組みに使うソフトについて、リスクに応じて確かめ方の厚さを変える考え方を示した最終ガイダンスを公表しました。その後、品質マネジメントの規則の改正に合わせて題名を改めた版に差し替えられたと案内されています。欧州では、2025年7月に GMP の文書化の章とコンピュータ化システムの附属書11の改訂案、そしてAIを扱う新しい附属書22の案について、日本も加盟する国際的な査察協力の枠組みと欧州委員会が共同で意見募集を始めました。

附属書22の案は、製品の品質や患者の安全に直結する重要な用途では、学習を終えて振る舞いが固定されたモデルを想定しており、生成AIや大規模言語モデルは重要な用途での使用を想定していないと読まれています。重要でない用途では、有資格者が結果を確かめることを前提に使う余地が示されています。最終版の採択と施行の時期は、2026年11月時点で報道に食い違いがあるため、欧州委員会と査察協力の枠組みの公式発表で確かめてください。いずれにしても、検証文書の下書きにAIを使うなら、人が確かめる前提で設計しておくのが安全な読み方です。

4段階の全体像:根拠・下書き・点検・署名

ここからは、検証文書の作成にAIを入れるときの流れを4段階に分けて見ていきます。段階を分ける理由は、段階ごとにAIの誤りの種類と、それを見つけるべき人が違うからです。根拠の段階の誤りは文書管理の担当が、下書きの誤りは作成者が、点検の見落としはレビュー担当が、最終の判断は承認者が責任を持ちます。

STEP1
根拠の文書を整える

AIに参照させる承認済みの文書、社内規程、規制指針を選び、版と有効期限を確かめる。未承認の文書や古い版は混ぜない。

STEP2
計画書とトレースを下書きさせる

AIに下書きと対応づけをさせ、作成者が自分の名前で中身を引き受けられるまで直す。根拠の出典を必ず示させる。

STEP3
ギャップと実行記録を点検させる

AIに抜けや不一致を指摘させ、レビュー担当が指摘の採否を決める。指摘が無いことを合格の証拠にしない。

STEP4
有資格者が承認し署名する

合否・範囲・結論は有資格者が判断し、電子署名で責任を引き受ける。AIの関与は記録に残す。

この4段階は、ValGenesis の機能の並びとほぼ重なりますが、製品に固有のものではありません。どの製品を使っても、あるいは汎用のAIで試すとしても、段階の分け方と人の持ち場を先に決めておくことが出発点になります。

第1段階:AIに渡す根拠の文書を決める

VAL の発表文で最も強調されているのは、自社の承認済みの検証文書、社内データ、規程と手順、適用される規制指針を「信頼できる手すり」としてAIに使わせるという点です。紹介頁でも、規制の情報源、承認済みの検証の内容、組織の知識をつないでAIの根拠にし、出典の来歴を示すことで誤った生成の危うさを下げると説明しています。

裏を返せば、根拠に置いた文書の質が、そのまま下書きの質になります。過去の計画書に誤りや古い試験方法が残っていれば、AIはそれを手本として再生産します。そこで第1段階では、根拠にする文書の一覧を作り、それぞれが承認済みで、現行の版で、現行の規程と矛盾しないかを、文書管理と品質保証の担当が確かめてからAIに渡します。

もう一つ決めておくのは、根拠の文書が改訂されたときの扱いです。社内の手順書が改訂されたのに、AIが旧版を参照して下書きを作り続ければ、手順と合わない計画書が量産されます。根拠の文書の改訂をAIの参照先に反映する担当と、反映した日を記録する手順を、文書管理の規程に組み込んでおきます。

第2段階:計画書とトレースを下書きさせる

計画書の下書きは、AIが最も時間を減らせる作業です。対象のシステムや設備、要求の文書、過去の似た計画書があれば、試験の項目と手順と期待する結果の形を、短時間でそろえられます。トレース表も、要求と試験の対応づけを人が一行ずつ作る手間が大きく減ります。

ただし、この段階で人が手放してはいけないのが、試験の範囲と合否の基準をどう置くかです。AIは過去の文書から「いつもの形」を作るのは得意ですが、今回のシステムのリスクが過去と同じかどうかは判断できません。重要度の高い機能に過去と同じ薄い試験しか置かれていない、という誤りは、形式が整っているほど見落とされやすくなります。

下書きを受け取った作成者は、AIが示した出典をたどり、各試験の根拠が今回の要求に合っているかを確かめます。自分の名前で中身を説明できない箇所は、AIの下書きのまま残さないのが原則です。直した箇所と直した理由を残しておくと、後の段階のレビューが速くなり、AIの下書きの癖も見えてきます。

第3段階:ギャップと実行記録を点検させる

VAL のもう一つの柱は、点検の支援です。社内の規程や規制の期待と照らした抜けの評価、要求に対する試験の網羅の確認、実行記録の書き方の不備や証拠の不一致の指摘、異常の特定、版の間の変更の比較が挙げられています。製品頁では、承認済みの手順書に基づいて記録の書き方の問題を見つけるとも説明しています。

点検の段階で起きやすい失敗は、AIが何も指摘しなかったことを、問題が無いことの証拠にしてしまうことです。AIの点検は、人が見る場所を絞り込むための補助であって、見落としが無いことの保証ではありません。レビュー担当は、AIの指摘を一件ずつ採るか捨てるかを決め、そのうえで指摘が無かった部分も抜き取りで読みます。

  • AIの点検で指摘が出なかった実行記録を、レビュー担当が読まずに承認へ回す
  • AIが示した異常を、重大度の判断まで含めてそのまま逸脱として登録する
  • AIの指摘を捨てた理由を残さず、後から同じ指摘が査察で問われる
  • 変更の比較で「影響なし」と出た箇所を、再検証の範囲から機械的に外す

実行記録の結果が合格か、逸脱として扱うか、逸脱ならどの程度重いかは、AIに判断させず、レビュー担当と品質保証が決める項目です。AIには、根拠となる記録の箇所と、なぜ不一致と見たのかを書かせ、人がその根拠を見て決める形にします。

第4段階:有資格者が承認し、署名する

同社は発表で、重要な判断を有資格者の手に残すことを明記し、紹介頁でも重要なGMPの判断への統制を保つと説明しています。検証の承認と電子署名は、その文書の中身を確かめ、責任を引き受けたという意思表示です。AIがどれほど下書きを整えても、署名の意味は変わりません。

ここで決めておくべきなのは、承認者が何を確かめれば署名してよいかです。AIの下書きを使った文書では、承認者は完成した文書を読むだけでなく、作成者とレビュー担当がAIの出力をどう扱ったか、つまり直した箇所と捨てた指摘の記録にも目を通します。署名者は、AIではなく、AIの出力を確かめた人の判断を承認しているという位置づけを、手順書に書いておきます。

もう一つの線は、作成と承認を同じ人にしないことです。AIで作成が速くなると、少人数のチームでは作成者が承認まで兼ねたくなります。しかし作成者が自分で下書きを直し、自分で承認する形では、AIの癖による誤りに気づく機会が一度減ります。承認者には、作成に関わっていない有資格者を充てます。

AIの関与を記録にどう残すか

査察や監査で「この計画書は誰が書いたのか」と問われたときに答えられるよう、AIの関与は文書ごとに記録に残します。残すべきは、どの部分をAIが下書きしたか、どの根拠の文書を参照したか、人がどこを直したか、誰が確かめて承認したかの4点です。同社の製品は、出典の来歴、追跡の可能性、監査に耐える記録を保つと説明していますが、自社の手順で何を残すかを決めるのは導入企業です。

記録に残す粒度は、文書の重要度で変えてよいでしょう。製品の品質に直結するシステムの計画書では段落単位で、社内の補助的なシステムでは文書単位で残す、といった形です。重要なのは、粒度を担当者の判断に任せず、文書の種類とリスクの区分ごとに、手順書で先に決めておくことです。

  • AIが参照した根拠の文書は、版の番号まで残す。後から根拠が改訂されても、当時どの版を見たかを説明できる
  • AIの機能や背後のモデルが更新された日を記録し、その前後で作られた文書を区別できるようにする
  • 人が捨てたAIの指摘も、捨てた理由とともに残す。査察では、指摘を無視したのか、確かめて不要と判断したのかが問われる

責任の分界:事業者が持つものと、自社が持つもの

同社は、AIに関する責任の方針を公開しています。その中で、AIは人の判断と説明責任を支えるもので置き換えるものではないとし、AIの出力を決定や規制上の業務に使う前に、確かめて検証する責任は同社の担当者と顧客の双方にあると書いています。さらに、規制とGMPの考慮の項では、同社は自らが管理できる統制・文書・約束に責任を持ち、意図した用途、設定、検証、規制上の判断は、書面で別に合意しない限り顧客の責任だと明記しています。

この書き方は、規制業界で外部のソフトを使うときの原則と同じです。事業者が提供する文書や試験の結果は、自社の検証を助ける材料にはなりますが、自社の検証そのものの代わりにはなりません。導入企業は、VAL をどの業務に、どの範囲で使うかという意図した用途を自社の文書に書き、それに応じた確かめ方を決める必要があります。同社のサイトには、検証業務に使うAIの機能そのものをどう検証するかを論じた白書も掲載されています。

方針には、モデルや提供元、設定、性能の重要な変更や、時間とともに性能がずれていく現象を評価し、リスクに応じて再評価・試験・文書化・顧客への連絡を行うとも書かれています。導入企業の側では、この連絡を受け取る窓口と、連絡を受けたときに自社の意図した用途に照らして何を確かめ直すかを、変更管理の手順に組み込んでおきます。

データの流れ:何が社外に出て、何に使われないか

検証文書には、製造工程の条件、設備の仕様、取引先の情報、未発表の製品に関わる情報が含まれます。AIの下書きに使うということは、これらがどこで処理され、誰が見られるかを確かめるということです。同社の方針は、顧客のデータ、機密情報、個人データ、プロンプト、出力を、顧客の許可や法令の要請、書面で合意した場合を除き、汎用のAIモデルの学習に使わないとしています。

一方で、方針は第三者のAI事業者や部品を使う場合があることも前提にしており、その場合はリスクに応じた審査、データの利用と開示を制限する契約、再委託先の監督、提供元の重要な変更の評価を行うとしています。導入企業が契約の前に確かめるべきは、背後でどのモデルの提供元が使われ、どの地域で処理され、その提供元とのあいだでどんな約束があるかです。製品の紹介頁では、同社のソフト開発が情報セキュリティ管理の国際規格の認証を受けた体制の下で行われていると説明しています。

これらの確認は、営業資料ではなく、契約書とデータ処理の取り決めの文面で行います。海外の拠点と共同で検証を進める会社では、どの拠点の文書がどこに保存され、どの拠点の担当者がAIの出力を見られるかも、権限の設計とあわせて決めておきます。

AIに判断させない業務の線を先に引く

ここまでの段階で見てきた「人が持つもの」を、導入前に一覧にしておくと、運用が始まってから線がずれていくのを防げます。AIに任せる作業が増えるほど、人が判断していたはずの項目が、いつの間にかAIの出力の追認になっていくからです。特に、締め切りに追われた検証の終盤で、この線は崩れやすくなります。

線の引き方の目安は、結果が製品の品質や患者の安全、規制当局への説明に及ぶかどうかです。及ぶものは人が決め、AIには根拠を示した候補を出させるにとどめます。具体的には、システムのリスク区分の確定、試験の範囲と合否の基準、逸脱の重大度、変更の影響範囲と再検証の範囲、システムを使ってよいという最終の結論です。

逆に、AIに任せてよいのは、決められた型に沿った下書き、過去の承認済み文書との差の洗い出し、記録の書き方の不備の指摘、長い証拠の要約といった、人が後から全件を確かめられる作業です。任せる作業と任せない作業の一覧は、手順書の付録にして、改訂のたびに品質保証の承認を受ける形にしておくと、属人的な運用になりません。

公称の数字の読み方と、パイロットで測るもの

同社は4月の発表で、検証の全工程にAIを組み込むと、手作業に比べて検証の時間と費用を最大80%減らせ、従来のデジタル検証に比べても50%以上効率が上がると述べています。製品の紹介頁では、匿名化した顧客データを使い、46本の検証文書で行ったパイロットで、1頁あたりの作成の手間が最大56%減り、統計的にも有意だったと示し、別に実行証拠の分析時間が最大50%減ったとしています。

これらは同社が自社の条件で測った数字で、第三者が検証したものではありません。「最大」という言葉が付いている点にも注意が必要です。作成の手間が減っても、レビューと差し戻しの回数が増えれば全体の期間は縮みません。また、紹介頁の費用の試算機能には、結果は社内試験に基づく方向性の見積もりで、実際の効果を保証するものではないと事業者自身が断り書きを添えています。

VAL は限定パイロットから始まっており、料金も公開されていません。費用は見積もりで確かめることになりますが、判断の材料として先に整えておきたいのは、自社の検証業務の現状の数字です。年間に検証する対象の数、計画書1本あたりの頁数、レビューの往復の回数、関わる人の延べ時間が分からなければ、AIで何割減ったのかを比べる基準が無いからです。

  • 計画書1本あたりの作成時間と、AIの下書きを人が直した箇所の数
  • レビューの往復の回数と、差し戻しの理由の内訳
  • AIの指摘のうち採用した数と捨てた数、捨てた理由
  • 後から見つかった誤りの件数と、その誤りがAIの下書き由来か人の作業由来か
  • 根拠の文書の整備にかかった時間(初期費用として数える)
  • AIの機能を使える利用者の範囲と、利用量で費用が変わるかどうか

同社が10月の会議で「うまくいったとどう分かるか」を講演の題に据えたように、測り方を決めずに始めたパイロットは、感想で終わります。パイロットの対象は、リスクの低い社内システムの検証から選び、品質に直結するシステムには、低リスクで測った結果を見てから広げるのが順当です。

止め方・やめ方:AIを外しても検証が回るか

同社の方針は、リスクに応じて、AIの機能を巻き戻したり無効にしたりできる仕組みを統制の一つとして挙げています。導入企業の側で確かめたいのは、AIの機能を止めた日に、検証業務を従来の手作業で回せるかです。AIの下書きに頼り切った結果、計画書を一から書ける担当者がいなくなっていれば、止めること自体ができなくなります。

止める理由は、性能のずれ、根拠の文書の大幅な改訂、規制の解釈の変更、事業者側の重大な変更など、いくつも考えられます。止める判断を誰がするか、止めたあとに進行中の検証をどう扱うか、止める前に作られた文書を見直す必要があるかを、変更管理の手順の中に書いておきます。

製品そのものをやめる場合は、検証の記録の保存期間が問題になります。規制上、検証の記録は長期間保存し、査察の際に提示できなければなりません。契約の前に、電子署名と監査の記録を含めて、別の仕組みでも読める形で持ち出せるか、契約終了後に事業者側のデータがいつ削除されるかを、契約書の文面で確かめておきます。

導入前に決めておくこと:チェックリスト

最後に、ここまでの内容を、品質保証・情報システム・AI導入の担当が試験運用の前にそろえておく項目としてまとめます。どれも製品の機能ではなく、自社の手順として決めておかなければならないことです。製品の評価はこの一覧がそろってから始めると、比較の軸がぶれません。

  • AIを使う業務と範囲を書いた、意図した用途の文書がある
  • AIに参照させる根拠の文書の一覧と、版を管理する担当が決まっている
  • 4段階それぞれで、AIに任せる作業と人が決める項目が手順書に書かれている
  • AIの関与を記録する粒度が、文書の種類とリスクの区分ごとに決まっている
  • 作成者・レビュー担当・承認者を別の人にする体制が組める
  • 背後のモデルの提供元、処理の地域、学習に使わない約束を契約の文面で確かめた
  • 事業者からの変更の連絡を受ける窓口と、受けたときの再確認の手順がある
  • AIを止めた日に手作業で回す手順と、記録を持ち出す方法を確かめた

国内の規制当局の考え方や、欧州の附属書22のように新しく整備が進む指針は、今後も更新が続きます。一覧は一度作って終わりではなく、規制の更新と製品の更新のたびに見直す前提で、品質保証の部門が持ち主になって管理するのが望ましい形です。

まとめ

ValGenesis の VAL は、承認済みの検証文書・社内規程・規制指針を根拠に、計画書とトレースの下書き、ギャップの評価、実行記録のレビュー、証拠の分析を支援し、重要な判断は有資格者に残すと明記したAIです。2026年4月に次世代版を発表し、限定パイロットから導入を進めています。検証文書の作成にAIを入れるときは、根拠の整備、下書き、点検、承認と署名の4段階に分け、AIには下書き・指摘・要約を、人には合否・範囲・結論と署名を持たせるのが基本の線です。AIの関与を記録に残し、事業者と自社の責任の分界、データの行き先、変更の連絡と止め方を契約と手順書で決めておけば、速さと説明責任は両立できます。AIに判断させず、根拠を書かせ、人が確かめる範囲を先に決める。この順番を守ることが、査察で説明できる検証への近道です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次