治験プログラミングの構造的一致率を 100% に高めるマルチエージェント手法 GxP-Agent

論文概要

製薬業界における臨床試験（治験）のプログラミング作業、特に CDISC（Clinical Data Interchange Standards Consortium）基準に準拠した解析用データセットの生成は、規制当局への申請において大きなボトルネックとなっている。しかし、フロンティアモデルを用いた従来の単発（single-shot）のコード生成では、検証した 5 つのモデルによる 11 回の試行すべてで有効なデータセットを作成できず、破綻することが報告されている。本論文で提案する GxP-Agent は、規制プロセスの順序を有向非循環グラフ（DAG）として符号化し、モノリシックなデータセット生成を 15 のドメイン固有ノードに分割して実行するマルチエージェントシステムである。FDA のパイロット提出データに基づく新ベンチマーク CDISC-Bench において、Claude Sonnet 4.6 を用いた GxP-Agent は 3 回の独立した実行すべてで 100% の構造的一致率（49/49 変数、254 レコードすべて正確）を達成し、既存の最高性能である検索拡張ベースラインの 59.2%、および単一エージェントやフラットなマルチエージェント手法の 0% を大きく上回った。

Figure 1: GxP-AgentのアーキテクチャとDAGによる処理フローの概要を示す図。

新規性と貢献

本研究の主要な貢献は、LLM の推論能力単体に依存するのではなく、ドメインのプロセス知識をグラフのトポロジとして明示的に構造化した点にある。これにより、単一モデルでは全く歯が立たなかった複雑な規制対応コードの生成において、確実な実行と検証が可能となった。また、FDA のパイロットデータに基づく実行ベースの新しいベンチマークである CDISC-Bench を構築し、客観的な評価基準を提示したことも重要な貢献である。

提案手法の詳細

GxP-Agent は、プロセス全体の順序を DAG（有向非循環グラフ）として表現する。これにより、データ生成の各ステップが適切な順序で実行されることを保証する。全体は 15 のドメイン固有ノードに分割され、それぞれが pharmaverse のスキルコンテキストを持つワーカーエージェントによって実行される。さらに、各ノード間には検証ゲートと条件付きの再試行メカニズムが組み込まれており、エラーの伝播を防ぐ設計となっている。

Figure 2: DAG v5における15ノード×5モデルごとのノード成功率を示すヒートマップ。

評価・考察

CDISC-Bench（254 被験者、49 の正解 ADSL 変数）を用いた評価では、Claude Sonnet 4.6 を用いた GxP-Agent が 100% の構造的一致率を達成した。また、DAG トポロジの導入により、より小規模・低性能とされるモデル（GPT-4.1）であっても他のアーキテクチャでは 0% であったスコアから 59.2% の平均構造一致率を達成できることが示された。さらに、有害事象データを扱う ADAE（9 ノードの分岐 DAG、55 変数、1,191 レコード）においても、初回の試行で 100% の構造的一致率を達成し、手法の汎用性が実証されている。

Figure 3: DAG設計イテレーション全体を通した構造的一致率（Structural Match）の推移を示すグラフ。

応用例と今後の展望

本手法は、製薬業界における治験データ解析や規制当局への申請書類作成プロセスの自動化に直接応用できる。日本の製薬企業や受託臨床試験実施機関（CRO）における治験プログラミング業務において、データ処理の信頼性を担保しつつ工数を大幅に削減する実務インパクトが期待される。今後の課題としては、より多様な治験プロトコルや大規模なデータセットへのスケーラビリティ検証が挙げられる。

結論

本論文は、ドメインのプロセス知識をグラフのトポロジとして符号化することが、LLM エージェントを用いた信頼性の高い GxP 準拠の治験プログラミングにおいて極めて有効であることを実証した。

注釈

CDISC: 臨床試験データの標準化を推進する国際的なコンソーシアム。提出データの形式を規定する。
ADSL / ADAE: CDISC が定める解析用データセットの標準構造の一つ（ADSL は Subject-Level Analysis Dataset、ADAE は Adverse Events Analysis Dataset）。
DAG (有向非循環グラフ): 循環経路を持たない有向グラフ構造。処理の依存関係を表現するのに用いられる。