Media > AI活用ユースケース > 研究開発 > CRO が、治験の実施施設から報告される逸脱の記録を Azure OpenAI で種類と重さの候補に分け、モニターの確認へ回す

CRO が、治験の実施施設から報告される逸脱の記録を Azure OpenAI で種類と重さの候補に分け、モニターの確認へ回す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

実施医療機関から報告される治験実施計画書からの逸脱の記録を、試験ごとの逸脱の管理計画と一緒に Azure OpenAI に渡し、種類と重さの候補に分けさせます。重要な逸脱の候補を先頭に並べ、モニターの確認へ回します。

サマリー
生成AI
Azure OpenAI Service/Claude/Gemini
連携・自動化
Power Automate
対象業界
医療/製造
対象部門
研究開発
対象業務
内容確認・チェック/分類・仕分け
主な課題
人手が足りない/判断に時間がかかる/確認ミスが多い
AIで行う処理
分類
主な効果
判断支援/品質標準化/工数削減
導入難易度
★★★★☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
条件付き
現在工数
40h/月
AI導入後
20h/月
想定削減
50%
年間削減
240h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 実施医療機関の治験コーディネーターかモニターが、逸脱を治験の管理のシステムに記述で登録する
  2. 担当のモニターが、登録された記録を読み、試験の逸脱の管理計画を開いて種類を付ける
  3. 担当のモニターが、重要な逸脱の基準に当たるかを考え、重さを付ける
  4. 記述が足りなければ、実施医療機関に問い合わせる
  5. 重要な逸脱と思われるものは、試験の責任者のモニターと依頼者に知らせる
  6. 月末に、逸脱の管理の担当が試験ごとの一覧を見直し、種類と重さの付け方をそろえて依頼者に出す
導入後(After)
  1. 人実施医療機関の治験コーディネーターかモニターが、逸脱を治験の管理のシステムに登録する
  2. 自動毎日決まった時刻に、前日に登録・更新された逸脱の記録を CSV で書き出す
  3. 自動記録ごとに、試験の番号から逸脱の管理計画(種類の一覧と重要な逸脱の基準)を選んで読み込む
  4. 自動Azure OpenAI が、種類の候補・重要な逸脱の基準に当たりうるか・根拠の写し・確かめる事項を JSON で返す
  5. 自動根拠の写しが記述に実在するかを照らし、規則で確認の優先の順を決める
  6. 人担当のモニターが、優先の順に記録を読み、種類と重さを決めて治験の管理のシステムに入れる
  7. 人重要な逸脱と決めたものは、試験の取り決めに沿って責任者と依頼者に知らせる
各工程の詳しい説明を読む
  1. 実施医療機関の治験コーディネーターかモニターが、逸脱を治験の管理のシステムに記述で登録する
  2. 担当のモニターが、登録された記録を読み、試験の逸脱の管理計画を開いて種類を付ける
  3. 担当のモニターが、重要な逸脱の基準に当たるかを考え、重さを付ける
  4. 記述が足りなければ、実施医療機関に問い合わせる
  5. 重要な逸脱と思われるものは、試験の責任者のモニターと依頼者に知らせる
  6. 月末に、逸脱の管理の担当が試験ごとの一覧を見直し、種類と重さの付け方をそろえて依頼者に出す

(a)種類と重さの付け方がモニターごとにばらつく。 「来院が許容の範囲を2日外れた」を、来院の時期の逸脱とするモニターと、それに伴う検査の未実施とするモニターがいます。月末の見直しで、逸脱の管理の担当が付け直しています。

(b)重要な逸脱の候補の確認が遅れる。 モニターは複数の試験と施設を受け持ち、記録は登録された順に読まれます。 同意の取得の手順の逸脱が、軽い記録の後ろに数日埋もれることがあります。

(c)記述が足りないまま重さが付く。 「治験薬の保管の温度の記録が抜けた」という記述では、どれだけの時間、温度が分からなかったのかが書かれていません。 モニターが問い合わせずに「軽い」と付けると、後から温度の逸脱だったと分かります。

(d)管理計画を開き直す時間がかかる。 試験ごとに種類の一覧と基準が違い、同じモニターが3つの試験を受け持つと、記録ごとにどの試験の管理計画かを切り替えて読むことになります。

  1. 【人】 実施医療機関の治験コーディネーターかモニターが、逸脱を治験の管理のシステムに登録する
  2. 【自動】 毎日決まった時刻に、前日に登録・更新された逸脱の記録を CSV で書き出す
  3. 【自動】 記録ごとに、試験の番号から逸脱の管理計画(種類の一覧と重要な逸脱の基準)を選んで読み込む
  4. 【自動】 Azure OpenAI が、種類の候補・重要な逸脱の基準に当たりうるか・根拠の写し・確かめる事項を JSON で返す
  5. 【自動】 根拠の写しが記述に実在するかを照らし、規則で確認の優先の順を決める
  6. 【人】 担当のモニターが、優先の順に記録を読み、種類と重さを決めて治験の管理のシステムに入れる
  7. 【人】 重要な逸脱と決めたものは、試験の取り決めに沿って責任者と依頼者に知らせる

5番目の優先の順は、AI ではなく規則で決めます。 重要な逸脱の基準に「当たりうる」か「判断できない」が1つでもあれば先頭に、根拠の写しが記述に無ければ、それも先頭に置きます。AI が「当たらない」と返したものだけが後ろに回ります。

6番目で種類と重さを入れるのは、モニターです。 AI の候補は確認の一覧に並ぶだけで、治験の管理のシステムには書き込みません。 依頼者に出す一覧の種類と重さは、すべてモニターが入れた値です。

02今回想定するシステム構成

構成図
逸脱の記録(治験の管理のシステム。施設の CRC・モニターが登録)
   ▼【トリガー】毎日6時のタイマー
Azure Functions ── 前日に登録・更新された記録を CSV で受け取る
   │   試験の番号・施設の番号・被験者の識別コード・記述・発生の日
   ▼
Azure Functions ── 前処理(識別コード以外の個人の情報を外す/試験の管理計画を選ぶ)
   ▼
Azure OpenAI(Microsoft Foundry) ── 1件ずつ分類(構造化出力)
   │   種類の候補/重要な逸脱の基準に当たりうるか/根拠の写し/確かめる事項
   ▼
Azure Functions ── 写しの照合と、規則による優先の順
   │   先頭:基準に当たりうる・判断できない・写し不一致・緊急の回避の記述
   ▼
確認の一覧(Azure SQL Database と、モニターが見る画面)
   ▼
【担当のモニターが優先の順に読み、種類と重さを決めて入れる】
役割想定する製品代替候補
生成AIAzure OpenAI(Microsoft Foundry)Claude API(Amazon Bedrock)、Gemini API
連携Azure Functions(書き出しの受け取り、前処理、写しの照合、優先の順)Power Automate
保管Azure SQL Database(分類の候補、モニターが決めた値、照合の結果)SharePoint のリスト
通知Microsoft Teams(試験のチャネルに、先頭に置いた件数を知らせる)メール

新しく足すのは、Azure Functions の処理と Azure OpenAI の配置、確認の一覧の表です。 治験の管理のシステムには書き込まず、モニターが従来どおりの画面で種類と重さを入れます。

中心になるのは、Azure OpenAI の構造化出力です。 公式のページでは、Chat Completions では response_format、Responses では text.format に JSON スキーマを書くとされています。種類の候補と重さの候補を enum で固定でき、規則が読めない言葉が返ってきません。 種類の一覧は試験ごとに違うので、試験ごとに enum を差し替えたスキーマを用意します。 公式のページでは、スキーマの項目は合計100個・入れ子5段までとされているので、種類の多い試験でも項目の数を確かめます。

もう一つ、既定の安全方針(DefaultV2)は、ヘイト・性的・暴力・自傷の4分類について、入力と出力の重大度「中」以上を止めます。 逸脱の記述には、被験者の自傷のおそれや、来院の途中の事故が書かれることがあります。止められた記録の扱いは、第7章の例外処理で決めます。

03どうやって実装するのか

Step1

処理の起点を決める

毎朝6時のタイマーで、前日に登録・更新された記録をまとめて受け取ります。 治験の管理のシステムから決まった形の CSV を毎日書き出す運用にし、Azure Functions はその CSV を読むだけにします。 システムの画面を操作したり、書き出しの仕組みを推し量って取りに行ったりはしません。

毎朝にするのは、モニターの1日の始まりに確認の一覧をそろえるためです。 モニターは朝に一覧の先頭から読み、重要な逸脱の候補をその日のうちに確かめます。 夜間の分類の結果を、朝のチーム内の打ち合わせで共有します。

更新された記録も、もう一度分類します。 治験コーディネーターが問い合わせに答えて記述を書き足すと、記録は同じ番号のまま中身が変わります。 記述が変わったら、前の候補を残したまま、新しい候補を並べます。

Step2

入力データを集める

データ中身取得元
逸脱の記録記録の番号、試験の番号、施設の番号、被験者の識別コード、発生の日、記述、登録した人の役割(CRC・モニター)治験の管理のシステムの CSV
逸脱の管理計画試験ごとの逸脱の種類の一覧と、重要な逸脱とする基準試験の文書のフォルダ(依頼者と取り決めた版)
計画書の要点来院の許容の範囲、選択・除外の基準の番号、治験薬の保管の条件試験の文書のフォルダ(逸脱の管理の担当が要点を抜き出したもの)
過去の決定同じ試験でモニターが決めた種類と重さの例(10件ほど)確認の一覧の表

質を決めるのは、逸脱の管理計画を試験ごとに文字のデータで持つことです。 管理計画が「重要な逸脱:被験者の安全に影響しうるもの」のような抽象的な書き方だけだと、AI もモニターと同じく迷います。 依頼者と取り決めた具体的な例(「同意文書への署名の前の試験の手順の実施」など)が書かれているほど、候補が当たります。

計画書の要点は、全文ではなく、逸脱の判断に使う部分だけを渡します。 計画書の全文は長く、関係の無い章を読ませると、来院の許容の範囲を別の来院の値で読むことがあります。 来院ごとの許容の範囲の表、選択・除外の基準の一覧、治験薬の保管の条件を、逸脱の管理の担当が試験ごとに抜き出しておきます。

過去の決定の例を渡すのは、付け方を試験の慣行にそろえるためです。 第3章の(a)の「来院の時期か、検査の未実施か」のような分かれ目で、その試験でモニターがどちらに付けてきたかを例で示します。 例はモニターが決めた値だけで、AI の候補は例に入れません。

Step3

データの取得方法を決める

治験の管理のシステムの CSV は、決まった列の形で毎日書き出します。 列は、記録の番号・試験の番号・施設の番号・被験者の識別コード・発生の日・登録の日・更新の日・記述・登録した人の役割です。CSV の列の形が変わったら、処理を止めて逸脱の管理の担当に知らせます。 列がずれたまま読むと、記述の欄に別の列の値が入ります。

取るものどこから何に使うか
前日に登録・更新された記録治験の管理のシステムの CSV分類の対象
逸脱の管理計画と計画書の要点試験の文書のフォルダ(試験の番号で選ぶ)AI への入力、スキーマの enum
過去の決定の例確認の一覧の表AI への入力
分類の候補Azure OpenAI の構造化出力確認の一覧

Azure OpenAI には、Chat Completions で1件ずつ送ります。 システムの指示に分類の決まり、ユーザーの入力に記録と管理計画と計画書の要点と例を入れ、response_format に試験ごとの JSON スキーマを付けます。1回に複数の記録をまとめて送らないのは、記録どうしの記述が混ざり、根拠の写しが別の記録を指すことがあるからです。

Step4

AIへ渡す前に整形する

  1. 個人の情報を外す … 記述に被験者の氏名・イニシャル・生年月日・カルテの番号が書かれていたら、記号に置き換えます
  2. 試験の管理計画を選ぶ … 試験の番号で、依頼者と取り決めた現に有効な版を選びます
  3. 管理計画の版を確かめる … 計画書の改訂で管理計画が改訂されていれば、発生の日に有効だった版を選びます
  4. 記述の長さと言語を確かめる … 記述が空、または極端に短いものは、AI に渡さず「記述不足」とします
  5. 緊急の回避の言葉を拾う … 「緊急」「危険を回避」などの言葉を規則で拾い、AI の結果にかかわらず先頭に置きます
  6. 重複を見る … 同じ被験者・同じ発生の日・似た記述の記録が既にあれば、印を付けます

3番目を省かないでください。 計画書が改訂されると、来院の許容の範囲や選択の基準が変わります。登録の日ではなく、逸脱の発生の日に有効だった版で判断しないと、改訂の前の逸脱を新しい基準で仕分けることになります。

5番目は、AI に頼らずに規則で行います。 GCP省令は、緊急の危険の回避などのために計画書に従わなかった場合、治験責任医師が直ちに文書を出すことを求めています。この種の記録は、モニターが文書が出ているかを確かめる必要があり、AI の候補を待たずに先頭に置きます。

Step5

AIに処理させる

させるのは、記述を、渡した管理計画の種類の一覧と重要な逸脱の基準に照らして候補を選び、根拠の写しと、記述から読み取れずに確かめが要る事項を返すことだけです。

返すもの返し方判断できないときの扱い
種類の候補管理計画の種類の一覧から1つ(enum)当てはまらない → unclassified
重要な逸脱の基準当たりうる基準の番号と、likely/not_likely/cannot_judge記述から読み取れない → cannot_judge
根拠の写し記述から一字一句そのまま写せない → 候補を出さない
確かめる事項記述から読み取れず、施設に確かめが要ること-
過去の決定との関係似た例があれば、その例の記録の番号-

cannot_judge が、この構成でいちばん大事な値です。 「投与の日がずれた」の記述で、ずれた日数が書かれていなければ、許容の範囲を超えたかどうかは決められません。 AI が「数日程度のずれと思われる」と補って not_likely を選ぶと、重要な逸脱の候補が一覧の後ろに回ります。 読み取れないときは cannot_judge にし、確かめる事項に「ずれた日数」を書かせます。

させないこと理由
重要な逸脱かどうかの確定モニターが決め、依頼者との取り決めに沿って扱う
被験者の安全や試験の結果への影響の判断医学的な判断で、治験責任医師・依頼者の医学の担当が行う
記述に無い数値・日数・時間の補い補った値で重さが軽く付く
是正の措置の提案措置は施設とモニターが決める
施設や担当者の評価逸脱の多さを人の評価に結び付けない

3行目がいちばん起きやすい失敗です。 「保管の温度の記録が週末に抜けた」の記述に、AI は「週末の2日間」と補い、さらに「温度は保たれていたと考えられる」まで書くことがあります。 温度が分からない時間は、記述からは決まりません。写しの無い補いは、照合で機械的に見つけます。

Step6

指示内容を固定する

あなたは CRO で、治験実施計画書からの逸脱の記録を仕分けるモニターを補助します。
【逸脱の記録】の記述だけを根拠に、【逸脱の管理計画】の種類と基準に照らして候補を返してください。
最終の判断はモニターが行います。

【返すもの】
1. category:【逸脱の管理計画】の種類の一覧から1つ。当てはまらなければ unclassified
2. important_criteria:重要な逸脱の基準ごとに likely / not_likely / cannot_judge と根拠の写し
3. evidence:判断に使った記述を一字一句そのまま写す(要約しない)
4. questions_to_site:記述から読み取れず、施設に確かめが要る事項
5. similar_case:【過去の決定】に似た例があれば、その記録の番号

【厳守事項】
- 記述に書かれていない日数・時間・温度・数値を補わないでください。
  書かれていなければ cannot_judge とし、questions_to_site に何が分からないかを書いてください。
- 迷ったときは not_likely を選ばず、cannot_judge を選んでください。
- 記録の発生の日に有効な【計画書の要点】の値だけで、許容の範囲を判断してください。
- 被験者の安全や試験の結果に影響するかどうか、重要な逸脱と確定できるかは書かないでください。
- 是正の措置、施設や担当者の評価を書かないでください。
- evidence に写せない根拠で候補を選ばないでください。

【試験の番号】{study_id} 【管理計画の版】{plan_version}
【逸脱の管理計画】{deviation_plan}
【計画書の要点】{protocol_key_points}
【過去の決定】{past_decisions}
【逸脱の記録】記録の番号:{record_id}/発生の日:{occurred_on}/登録した人の役割:{reporter_role}
記述:{description}

「迷ったときは not_likely を選ばず」を名指しで書くのは、記録の大半が軽いものだからです。 過去の決定の例も軽いものが多く、何も言わなければ、AI は例の多い側に寄ります。 重要な逸脱の候補を見落とすより、モニターが cannot_judge を1件多く読むほうが、試験にとって安く済みます。

「被験者の安全や試験の結果に影響するかどうかを書かない」を書くのは、重要な逸脱の基準そのものが影響の言葉で書かれていることが多いからです。 基準に照らすことと、影響を判断することは近く見えますが、AI がするのは基準の文と記述の照らし合わせまでで、影響の判断は医学の判断です。

Step7

出力形式を固定する

次の形の JSON で受け取ります。

{
  "record_id": "",
  "study_id": "",
  "plan_version": "",
  "category": "consent | eligibility | visit_window | assessment_missed | ip_administration | ip_storage | safety_reporting | other | unclassified",
  "important_criteria": [
    { "criterion_id": "", "assessment": "likely | not_likely | cannot_judge", "evidence": "" }
  ],
  "evidence": [""],
  "questions_to_site": [""],
  "similar_case": ""
}

category の enum は、試験ごとの管理計画の種類に合わせて差し替えます。 上の例は共通の種類で書いていますが、依頼者が独自の種類を決めている試験では、その名前を enum に並べます。

1つ目の理由は、規則で優先の順を決められることです。

確認の優先条件
先頭(当日中)likely か cannot_judge が1つでもある。または前処理で緊急の回避の言葉を拾った
先頭(当日中)evidence の写しが記述に無い。または category が unclassified
通常(3営業日以内)すべての基準が not_likely で、写しがすべて記述にある

2つ目は、evidence で写しの照合ができることです。 Azure Functions が写しを記述と文字列で照らし、1つでも記述に無い写しがあれば、AI が補った疑いとして先頭に上げます。 第7章の「させないこと」の3行目を、機械で見つけます。

3つ目は、questions_to_site がそのまま施設への問い合わせの下書きになることです。 モニターは聞く事項を考える手間が減り、記述の足りない記録の問い合わせが早く出ます。 問い合わせの文はモニターが整えて送ります。

Step8

システムへ連携する

つなぎ先方式内容
治験の管理のシステム毎日の CSV の書き出しを読むだけ逸脱の記録
試験の文書のフォルダ読み取りだけ管理計画・計画書の要点(版ごと)
Azure OpenAI(Microsoft Foundry)Chat Completions と構造化出力種類と基準の候補、根拠の写し、確かめる事項
Azure SQL Database書き込み候補、照合の結果、モニターが決めた値
Microsoft Teams試験のチャネルへの通知先頭に置いた件数

治験の管理のシステムには書き込みません。 種類と重さはモニターが画面で入れ、依頼者に出す一覧には、モニターが入れた値だけが載ります。 AI の候補をシステムに自動で入れると、確かめる前の候補が依頼者への一覧に混ざる経路ができます。

Teams の通知には、件数だけを書きます。 記述や被験者の識別コードは通知に載せず、モニターは確認の一覧の画面で中身を見ます。

Step9

人が確認する

担当のモニターが、すべての記録の種類と重さを決めます。 AI の候補は、読む順と、見る場所を示すだけです。

  1. 先頭の記録を当日中に読む … likely・cannot_judge・写し不一致・緊急の回避の言葉のあるものです
  2. 根拠の写しを記述と見比べる … 写しが記述のどこにあるかを確かめ、AI が補った部分が無いかを見ます
  3. 管理計画の基準と照らして重さを決める … likely のものは、試験の責任者のモニターにも見せます
  4. questions_to_site を見て施設に問い合わせる … 問い合わせの文はモニターが整えます
  5. 通常の記録を3営業日以内に読む … not_likely でも、種類と重さはモニターが決めて入れます

5番目を省かないでください。 not_likely の記録を AI の候補のまま一覧に入れると、依頼者に出す一覧の種類と重さが、だれも確かめていない値になります。 通常の記録は、読む順が後になるだけで、確かめる手順は同じです。

逸脱の管理の担当は、月に1回、AI の候補とモニターの決定が分かれた記録を集めて見ます。 分かれ方に偏りがあれば、管理計画の例の書き足しか、過去の決定の例の差し替えで直します。

目標は、400件をならして1件3分です。 通常の記録は1〜2分、先頭の記録で施設に問い合わせるものは10分を超えます。

Step10

例外に対処する

起きること対応
入力が安全方針で止められた(エラーが返る)公式のページでは、既定の安全方針は自傷・暴力などの重大度「中」以上の入力を止め、エラーを返すとされている。止められたこと自体を理由に先頭に置く。 被験者の自傷のおそれの記述でありうる
出力が止められた同じく先頭に置き、モニターが記述を読む
Azure OpenAI が応答しない・時間切れ「未分類」として先頭に置き、翌朝もう一度送る
写しが記述に無い「写し不一致」として先頭に置く
記述が空・極端に短いAI に渡さず「記述不足」とし、モニターが施設に書き足しを頼む
英語で書かれた記述(国際共同の試験)分類はさせるが、結果にかかわらず先頭に置き、モニターが原文で確かめる
管理計画の版が決められないAI に渡さず、逸脱の管理の担当に知らせる
CSV の列の形が変わった処理を止め、逸脱の管理の担当に知らせる
同じ逸脱が CRC とモニターの両方から登録された重複の印を付け、モニターが1件にまとめる

1行目が、この構成でいちばん大事な例外です。 既定の安全方針は自傷の分類で重大度「中」以上の入力を止め、止めたときはエラーを返します。被験者の自傷のおそれに関わる逸脱は、最も急いで確かめるべき記録で、同時に入力で止まりうる記録です。 このエラーを「処理の失敗」として読み飛ばすと、最も急ぐべき記録が、いちばん後回しになります。 止められたことを、先頭に置く理由として扱います。

6行目は、日本語と英語が混ざる試験で効きます。 公式のページでは、安全方針の分類器は日本語・英語など8つの言語で学習・試験されているとされていますが、分類の候補の当たり方は言語で変わりうるので、英語の記述は人が原文で確かめます。

Step11

記録を残す

  • CSV で受け取った記録(個人の情報を外したもの)と、受け取りの日時
  • AI に渡した管理計画と計画書の要点の版
  • AI が返した JSON の全文と、写しの照合の結果、決めた優先の順
  • モニターが決めた種類と重さ、決めた日時とモニター
  • AI の候補とモニターの決定が分かれた記録
  • 施設への問い合わせと、答え

2つ目で版を残すのは、依頼者の監査や当局の調査で「なぜこの重さか」を問われたときのためです。 どの版の管理計画で候補を出し、モニターがどう決めたかを、記録ごとにたどれるようにします。

AI の候補は、モニターの決定と分けて残します。 依頼者に出す一覧には決定だけを載せ、候補は「候補」として、この構成の中だけで持ちます。 候補をどれだけ残すかは、試験の記録の保存の取り決めと、依頼者との契約に沿って決めます。

04実装レベルの3段階

最小構成:1つの試験の50件を Foundry の画面で1件ずつ試し、モニターの決定と並べる / 候補の出し方の確かめ
半自動化:上記+毎日の CSV を読んで候補を一覧にし、モニターが優先の順で読む(1試験から) / 候補と優先の順の付与
本格構成:上記+受託している全試験に広げ、試験ごとのスキーマと管理計画の版の管理、写しの照合、候補と決定の分かれ方の月次の点検までを回す / 逸脱の仕分けの全体

最小構成は、cannot_judge に倒す指示が効くかを確かめる段階です。 半自動化で、1件6分が4分程度になります。 種類を付けるための読み直しは減りますが、1試験だけなので、ほかの試験は従来どおりです。本格構成で1件3分になり、この段階が本記事の想定です。 差が大きいのは、月末の付け直しが、全試験で候補と過去の決定の例がそろって初めて減るからです。 段階を飛ばさないでください。 1つの試験で数か月回すと、管理計画の書き方のどこが候補の当たり方を左右するかが分かります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
8 名
月間件数
400 件
1件あたり現在時間
6 分
1件あたり導入後時間
3 分
現在  400件 × 6分 ÷ 60 = 40 時間/月
導入後 400件 × 3分 ÷ 60 = 20 時間/月
月間削減時間
20h
削減率
50%
年間削減時間
240h
年間金額換算(時間単価5,000円)
120万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 製薬会社から複数の治験のモニタリングを受託し、実施医療機関から報告される逸脱の記録が毎月数百件たまる CRO。逸脱の種類と重さの付け方がモニターごとにばらつき、依頼者への逸脱の一覧の提出の前に、まとめて付け直す作業が発生している場合。試験ごとに依頼者と逸脱の管理計画を取り決め、種類の一覧と重要な逸脱の基準が文書になっている場合。Azure を使い、被験者を識別コードで扱う運用がすでにある場合。
向いていない
  1. 受託している試験が1〜2本で、逸脱の記録が月に数十件しかない場合。依頼者との間で逸脱の種類や重要な逸脱の基準が文書になっておらず、モニターの経験で決めている場合。逸脱の記録に被験者の氏名やカルテの番号がそのまま書かれ、外さずに扱う運用になっている場合。なお、重要な逸脱かどうかの確定、被験者の安全や試験の結果への影響の判断、是正の措置、依頼者・実施医療機関の長・治験審査委員会への報告の要否は、この構成では代替できません。

07最小構成で試す方法

  1. 受託している試験から、管理計画の具体的な例が多い試験を1つ選ぶ
  2. その試験で先月モニターが種類と重さを決めた逸脱の記録を50件集める(重要な逸脱と決めたものを必ず含める)
  3. 被験者の識別コード以外の個人の情報が無いことを確かめ、管理計画と計画書の要点を文字のデータにする
  4. Foundry の画面で、第7章の指示と JSON スキーマを付けて、50件を1件ずつ試す
  5. モニターの決定と並べ、重要な逸脱だったのに not_likely を返した件数を最優先で数える

試すときも、記述に個人の情報が残っていないかを先に確かめてください。 試しの50件でも、被験者の治療の記録です。

試しは、モニターの決定と必ず並べてください。 「重要な逸脱を not_likely に落とさずに、読み取れないことを cannot_judge で返せるか」を確かめます。

出てきた内容判断
重要な逸脱がすべて likely か cannot_judge で返った毎日の処理に進む
記述に無い日数や数値を補った指示の書き方で直る。構成は有効
種類の候補がモニターの決定と大きく分かれる管理計画の例と過去の決定の例が先。 AI の問題ではない

3行目が出ることは珍しくありません。 失敗ではなく、管理計画の種類の境目が文書になっていなかったことが分かったということです。 依頼者と境目の例を書き足し、同じ50件で試し直してください。

08実装時につまずきやすいポイント

問題対策
読み取れないことを補って not_likely を返すcannot_judge に倒すよう名指しで書き、写しを照合する
過去の例の多い軽い側に寄る迷ったときに not_likely を選ばせない
改訂の前の逸脱を新しい基準で仕分ける発生の日に有効だった管理計画と要点の版を渡す
緊急の回避の記録が AI の候補を待って遅れる前処理の規則で拾って先頭に置く
自傷のおそれの記述で入力が止まり、後回しになる止められたことを先頭に置く理由にする
AI の候補がそのまま依頼者への一覧に入る治験の管理のシステムに書き込まず、決定はモニターが入れる
計画書の全文を渡して許容の範囲を取り違える逸脱の判断に使う要点だけを抜き出して渡す
配列の minItems が使えず、写しが空で返る写しが空のときは Functions の側で「写し不一致」と同じ扱いにする

上の4行が、この構成の失敗のほとんどです。 どれも「重要な逸脱の候補が、一覧の後ろに回る」という同じ結果に出ます。読み取れないことを cannot_judge に倒し、規則で先頭に置いているかどうかで、モニターがこの一覧を頼りにできるかが決まります。

下の4行も、同じくらい早く効いてきます。 どれも AI の出来ではなく、どの版を渡し、どこに書き込まないかという、仕組みの側の決まりの問題です。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 被験者の識別コードと、逸脱の記述(来院・検査・投与・有害事象に関わる治療の記録)、試験の管理計画と計画書の要点です。依頼者の未公表の開発の情報と、被験者の健康の情報を含みます。

  1. 被験者を識別コードだけで扱う … 記述に氏名・イニシャル・生年月日・カルテの番号が書かれていたら、前処理で外します。施設には、記述に識別コード以外の個人の情報を書かないよう、試験の開始の時に伝えます
  2. データの扱いを確かめておく … 公式のページでは、入力と出力は他の顧客や OpenAI に提供されず、基盤のモデルの学習に使われないとされています。一方で、不正利用の監視で検出された場合は、入力と出力が人の確認に回りうるとされています
  3. 処理の場所を依頼者と取り決める … 公式のページでは、Global や DataZone の配置では、入力と出力が指定した地域の外で処理されうるとされています。依頼者との契約で、被験者の情報を処理してよい地域を確かめてから、配置の種類を選びます
  4. 依頼者に使い方を説明しておく … 逸脱の仕分けに AI の候補を使うことを、試験の手順書と依頼者との取り決めに書き、依頼者の了承を得てから使います
  5. 判断を AI に寄せない … 重要な逸脱の確定、被験者の安全や試験の結果への影響、是正の措置、報告の要否は、モニター・治験責任医師・依頼者が決めます。 AI の候補は読む順と見る場所を示すだけです
  6. 施設や人の評価に使わない … 逸脱の件数や種類を、施設や治験コーディネーターの評価に結び付けません

誤りが起きた場合のリスクは、重要な逸脱の候補を一覧の後ろに回すことと、AI が補った値で重さが軽く付くことの2つです。 前者は not_likely に寄せると起き、後者は読み取れないことを補わせると起きます。どちらも「読み取れないことは cannot_judge にし、写しを照らして、規則で先頭に置く」ことで防げるので、そこだけは設計で守ります。

10まず何から始めるか

1週目:試験を1つ選び、管理計画を整える

管理計画の具体的な例が多い試験を1つ選び、管理計画と計画書の要点を文字のデータにし、版の日付を付けます。 依頼者に、逸脱の仕分けに AI の候補を使う試しをすることを説明します。

2週目:50件で試す

先月の50件で第7章の指示を試し、モニターの決定と並べ、重要な逸脱を not_likely に落としていないかを最優先で見ます。

3週目:照合と優先の順の規則を作る

写しの照合、緊急の回避の言葉の拾い方、優先の順の規則を作ります。 試験の手順書に、AI の候補の使い方とモニターが決める手順を書き足します。

4週目:1つの試験で毎日の処理にする

毎朝6時の CSV の読み込みから確認の一覧までを動かし、モニターが優先の順で読みます。この時点では、ほかの試験には広げません。

2か月目: AI の候補とモニターの決定が分かれた記録を集め、管理計画の例と過去の決定の例を直します。3か月目以降: 試験を順に広げ、1件6分が何分になったかを実測します。月末の付け直しをしないまま、依頼者に出す一覧の種類と重さがそろった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-19/最終更新:2026-11-19
確認した内容情報源確認日
治験責任医師等が治験審査委員会の承認した治験実施計画書を守ること。緊急の危険を避けるためなど医療上やむを得ない理由で従わなかった場合、治験責任医師がすべて記録し、その旨と理由の文書を直ちに治験依頼者と実施医療機関の長に出すこと(第46条)。治験依頼者がモニタリングの手順書を作ること(第21条)。モニターが、省令や計画書に従っていないことを確かめたら直ちに治験責任医師に告げ、モニタリング報告書に告げた事項と講じるべき措置を書くこと(第22条)e-Gov 法令API: 医薬品の臨床試験の実施の基準に関する省令2026-11-19
Chat Completions では response_format、Responses では text.format に JSON スキーマを書くこと。すべての項目を required にし、additionalProperties: false を付けること。minItems・maxItems などが使えないこと。項目は合計100・入れ子5段までであることMicrosoft Learn: How to use structured outputs with Azure OpenAI in Microsoft Foundry Models2026-11-19
既定の安全方針(DefaultV2)が、ヘイト・性的・暴力・自傷の4分類で入力と出力の重大度「中」以上を止めること。止められた入力はエラーが返ること。分類器が日本語・英語など8つの言語で学習・試験されていることMicrosoft Learn: Default safety policies in Microsoft Foundry2026-11-19
入力と出力が他の顧客や OpenAI に提供されず、基盤のモデルの学習に使われないこと。Global・DataZone の配置で指定した地域の外で処理されうること。不正利用の監視で入力と出力が人の確認に回りうることMicrosoft Learn: Data, privacy, and security for Foundry Models sold by Azure2026-11-19

重要な逸脱の確定と報告の要否は、モニター・治験責任医師・依頼者が試験の取り決めに沿って決めてください。 本記事は公式のページと法令で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-4118)についてのご相談はこちらから。

AI活用について相談する
目次