alterlab-clinical-decision

臨床意思決定支援文書

説明

製薬企業、臨床研究者、医療上の意思決定者向けに、専門的な臨床意思決定支援（CDS）文書を作成します。このスキルは、治療戦略や医薬品開発に役立つ、分析的でエビデンスに基づいた文書の作成に特化しています。

1. 患者コホート分析 - バイオマーカーで層別化したグループ分析と、統計的な転帰比較
2. 治療推奨レポート - GRADE による評価と意思決定アルゴリズムを含む、エビデンスに基づいた臨床ガイドライン

すべての文書は、製薬研究、規制当局向けの分析、臨床ガイドラインの策定に使用できる、出版可能な LaTeX/PDF ファイルとして作成されます。

対象範囲と安全性： これらは、資格を有する臨床医、メディカルアフェアーズチーム、ガイドライン委員会向けの意思決定支援文書であり、個々の患者への指示ではありません。すべての試験結果、ガイドラインの推奨、承認状況、評価は、ユーザーから提供された情報、またはこのセッション中に取得して引用した情報（例：alterlab-pubmed または alterlab-clinicaltrials 経由）に基づく必要があります。もっともらしく見えても誤ったハザード比やガイドライン分類が処方決定に影響を及ぼす可能性があるため、記憶を頼りに補ってはいけません。以下の例の数値は、説明用の仮の値です。すべての文書に、AI による支援についての開示と「専門家によるレビューが必要」という注意書きを含めてください。

注： ベッドサイドで個々の患者の治療計画を作成する場合は、代わりに alterlab-treatment-plans スキルを使用してください。学術誌への投稿を目的とした単一患者の症例報告（例：CARE ガイドラインに準拠した症例報告）には、alterlab-clinical-reports を使用してください。このスキルは、製薬・研究の場でのグループレベルの分析とエビデンスの統合に特化しています。

執筆スタイル： 医学誌向けの出版可能な文書を作成する場合は、構造化抄録、エビデンスに関する表現、CONSORT/STROBE への準拠について、alterlab-venue-templates スキルの medical_journal_styles.md を参照してください。

機能

文書の種類

患者コホート分析

• バイオマーカーに基づく患者の層別化（分子サブタイプ、遺伝子発現、IHC）
• 分子サブタイプの分類（例：GBM の間葉系・免疫活性型と前神経型、乳がんのサブタイプ）
• 統計解析を伴う転帰指標（OS、PFS、ORR、DOR、DCR）
• サブグループ間の統計的比較（ハザード比、p 値、95% CI）
• Kaplan-Meier 曲線とログランク検定による生存分析
• 有効性の表とウォーターフォールプロット
• 比較有効性分析
• 製薬企業向けコホート報告（試験のサブグループ、リアルワールドエビデンス）

治療推奨レポート

• 特定の疾患状態に対するエビデンスに基づいた治療ガイドライン
• 推奨の強さの評価（ACCP 形式のコード 1A～2C を併記した GRADE）
• エビデンスの質の評価（高、中、低、非常に低）
• TikZ 図を用いた治療アルゴリズムのフローチャート
• バイオマーカーに基づく治療ラインの順序
• 臨床的・分子的な基準に基づく意思決定経路
• 製薬戦略文書
• 医学会向けの臨床ガイドライン策定

臨床機能

• バイオマーカーの統合：ゲノム変化（変異、CNV、融合）、遺伝子発現シグネチャー、IHC マーカー、PD-L1 スコアリング
• 統計解析：ハザード比、p 値、信頼区間、生存曲線、Cox 回帰、ログランク検定
• エビデンスの評価：GRADE による確実性評価（ACCP 形式のコード 1A～2C を併記）、Oxford CEBM レベル、エビデンスの質の評価
• 臨床用語：SNOMED-CT、LOINC、適切な医学用語、試験の命名法
• 規制遵守：HIPAA に準拠した匿名化、機密保持ヘッダー、ICH-GCP への準拠
• 専門的な書式：余白 0.5in のコンパクトなレイアウト、推奨を色分けした、出版可能な書式

製薬および研究でのユースケース

このスキルは、製薬および臨床研究の用途に特化して設計されています。

医薬品開発

• 第2／3相試験の分析：バイオマーカーで層別化した有効性および安全性の分析
• サブグループ分析：患者サブグループ全体の治療効果を示すフォレストプロット
• コンパニオン診断薬の開発：バイオマーカーと薬剤反応の関連付け
• 規制当局への申請支援：IND／NDA 文書に用いるエビデンス要約（申請書類自体はスポンサーのテンプレートと ICH M4／eCTD の構成に従います）

メディカルアフェアーズ

• KOL 向け教育資料：オピニオンリーダー向けのエビデンスに基づく治療アルゴリズム
• メディカル戦略文書：競合状況とポジショニング戦略
• アドバイザリーボード資料：コホート分析と治療推奨の枠組み
• 論文発表計画：査読付き学術誌への投稿に適した分析

臨床ガイドライン

• ガイドラインの策定：専門学会向けの GRADE 手法によるエビデンス統合
• コンセンサス推奨事項：複数の関係者による治療アルゴリズムの策定
• 診療基準：バイオマーカーに基づく治療選択基準
• 品質指標：エビデンスに基づくパフォーマンス指標

リアルワールドエビデンス

• RWE コホート研究：EMR データから得られた患者コホートの後ろ向き分析
• 比較有効性：実臨床環境における治療法の直接比較
• アウトカム研究：臨床現場における長期生存率と安全性
• 医療経済：バイオマーカー別サブグループの費用対効果分析

このスキルを使用する場面

次のような場合に、このスキルを使用してください。

• 患者コホートを分析する：バイオマーカー、分子サブタイプ、または臨床的特性で層別化された患者コホート
• 治療推奨レポートを作成する：臨床ガイドラインまたは製薬戦略向けのエビデンス評価を含むレポート
• アウトカムを比較する：統計分析（生存率、奏効率、ハザード比）を用いて患者サブグループ間を比較
• 製薬研究文書を作成する：医薬品開発、臨床試験、または規制当局への申請向けの文書
• 臨床診療ガイドラインを策定する：GRADE によるエビデンス評価と意思決定アルゴリズムを含むガイドライン
• バイオマーカーに基づく治療選択を記録する：集団レベル（個々の患者ではなく）の記録
• エビデンスを統合する：複数の試験またはリアルワールドデータソースから得られたエビデンス
• 臨床意思決定アルゴリズムを作成する：治療の順序を示すフローチャートを含むアルゴリズム

適用されないケース

ケース	代わりに使用
個々の患者の治療計画、ベッドサイドでのケア記録、または患者ごとのプロトコル	alterlab-treatment-plans
学術誌への投稿用の単一患者の症例報告（CARE）	alterlab-clinical-reports
公表された研究間で効果量を統合する（ランダム効果モデル、I²、ファンネルプロット）	alterlab-meta-analysis
ClinicalTrials.gov で試験を検索する、または NCT ID で試験レコードを取得する	alterlab-clinicaltrials
EHR データで機械学習によるリスク予測モデルをトレーニングする	alterlab-pyhealth

文書の構成

すべての CDS 文書は、目次や詳細なセクションより前に、1 ページのエグゼクティブサマリーから始めてください。メディカルアフェアーズやガイドライン委員会の読者は、1 ページ目を見て続きを読むかどうか、またどのように読むかを決めるため、主要な結果をそれだけで把握できる内容にする必要があります。

1ページ目のエグゼクティブサマリーの構成

すべてのCDSドキュメントの1ページ目には、以下の要素を含むエグゼクティブサマリーのみを記載してください。

必須要素（すべて1ページ目に記載）：

1. ドキュメントのタイトルと種類

   • メインタイトル（例：「バイオマーカーで層別化したコホート解析」または「エビデンスに基づく治療推奨」）
   • 疾患の状態と焦点を示すサブタイトル

2. レポート情報ボックス（色付きの tcolorbox を使用）

   • ドキュメントの種類と目的
   • 解析／レポートの日付
   • 疾患の状態と患者集団
   • 著者／機関（該当する場合）
   • 解析フレームワークまたは方法論

3. 主な知見のボックス（tcolorbox を使用した色付きボックスを3～5個）

   • 主要な結果（青色のボックス）：主な有効性／アウトカムの知見
   • バイオマーカーに関する知見（緑色のボックス）：主要な分子サブタイプの知見
   • 臨床的意義（黄色／オレンジ色のボックス）：治療に関する実践的な示唆
   • 統計サマリー（灰色のボックス）：ハザード比、p値、主要な統計値
   • 安全性の要点（該当する場合は赤色のボックス）：重大な有害事象または警告

見た目に関する要件：

• \thispagestyle{empty} を使用して1ページ目のページ番号を非表示にする
• すべての内容を1ページ目に収める（\newpage より前）
• 視覚的な階層を示すため、色の異なる tcolorbox 環境を使用する
• ボックスはざっと読めるようにし、最も重要な情報を強調する
• 説明文ではなく箇条書きを使用する
• 目次または詳細セクションの前に \newpage を置いて1ページ目を終える

1ページ目の LaTeX 構成例（すべての値は説明用のプレースホルダーです）：

\maketitle
\thispagestyle{empty}

% Report Information Box
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Report Information]
\textbf{Document Type:} Patient Cohort Analysis\\
\textbf{Disease State:} HER2-Positive Metastatic Breast Cancer\\
\textbf{Analysis Date:} \today\\
\textbf{Population:} 60 patients, biomarker-stratified by HR status
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #1: Primary Results
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Primary Efficacy Results]
\begin{itemize}
    \item Overall ORR: 72\% (95\% CI: 59-83\%)
    \item Median PFS: 18.5 months (95\% CI: 14.2-22.8)
    \item Median OS: 35.2 months (95\% CI: 28.1-NR)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #2: Biomarker Insights
\begin{tcolorbox}[colback=green!5!white, colframe=green!75!black, title=Biomarker Stratification Findings]
\begin{itemize}
    \item HR+/HER2+: ORR 68\%, median PFS 16.2 months
    \item HR-/HER2+: ORR 78\%, median PFS 22.1 months
    \item HR status significantly associated with outcomes (p=0.041)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #3: Clinical Implications
\begin{tcolorbox}[colback=orange!5!white, colframe=orange!75!black, title=Clinical Recommendations]
\begin{itemize}
    \item Strong efficacy observed regardless of HR status (Grade 1A)
    \item HR-/HER2+ patients showed numerically superior outcomes
    \item Treatment recommended for all HER2+ MBC patients
\end{itemize}
\end{tcolorbox}

\newpage
\tableofcontents  % TOC on page 2
\newpage  % Detailed content starts page 3

患者コホート解析（詳細セクション — 3ページ目以降）

• コホートの特性：人口統計学的情報、ベースライン特性、患者選択基準
• バイオマーカーによる層別化：分子サブタイプ、ゲノム変異、IHCプロファイル
• 治療曝露：サブグループ別の受けた治療、投与量、治療期間
• アウトカム解析：奏効率（ORR、DCR）、生存データ（OS、PFS）、DOR
• 統計手法：Kaplan-Meier生存曲線、ハザード比、ログランク検定、Cox回帰
• サブグループ比較：バイオマーカーで層別化した有効性、フォレストプロット、統計的有意性
• 安全性プロファイル：サブグループ別の有害事象、用量変更、中止
• 臨床的推奨事項：バイオマーカープロファイルに基づく治療への示唆
• 図：ウォーターフォールプロット、スイマープロット、生存曲線、フォレストプロット
• 表：人口統計学的情報の表、バイオマーカーの頻度、サブグループ別のアウトカム

治療推奨レポート（詳細セクション — 3ページ目以降）

治療推奨のエグゼクティブサマリー（1ページ目）には、以下を含めてください：

1. レポート情報ボックス：疾患の状態、ガイドラインのバージョン／日付、対象集団
2. 主な推奨事項ボックス（緑）：治療ライン別のGRADE評価付き上位3〜5件の推奨事項
3. バイオマーカー判定基準ボックス（青）：治療選択に影響する主な分子マーカー
4. エビデンスサマリーボックス（グレー）：推奨事項を裏付ける主要な試験（例：KEYNOTE-189、FLAURA）
5. 重要なモニタリングボックス（オレンジ／赤）：必須の安全性モニタリング要件

詳細セクション（3ページ目以降）：

• 臨床的背景：疾患の状態、疫学、現在の治療環境
• 対象集団：患者の特性、バイオマーカー基準、病期分類
• エビデンスレビュー：系統的な文献統合、ガイドラインの要約、試験データ
• 治療選択肢：作用機序を含む利用可能な治療法
• エビデンスのグレード評価：各推奨事項のGRADE評価（1A、1B、2A、2B、2C）
• 治療ライン別の推奨事項：一次治療、二次治療、その後の治療
• バイオマーカーに基づく選択：分子プロファイルに基づく判定基準
• 治療アルゴリズム：治療選択の経路を示すTikZフローチャート
• モニタリングプロトコル：安全性評価、有効性モニタリング、用量調整
• 特別な患者集団：高齢者、腎機能／肝機能障害のある患者、併存疾患のある患者
• 参考文献：試験名と引用情報を含む完全な書誌情報

出力形式

ページレイアウト：

• 1ページ目：色付きのtcolorbox要素を3〜5個配置した、ページ全体を使うエグゼクティブサマリー
• 2ページ目：目次（任意）
• 3ページ目以降：方法、結果、図、表を含む詳細セクション

ドキュメント仕様：

• 主形式：コンパクトでデータ密度の高い構成に適した、余白0.5inのLaTeX/PDF
• 長さ：通常5〜15ページ（エグゼクティブサマリー1ページ＋詳細内容4〜14ページ）
• スタイル：出版可能な品質、製薬業界水準
• 1ページ目：必ずページ全体を使った完全なエグゼクティブサマリーを配置してください（「ドキュメント構成」セクションを参照）

視覚要素：

• 色：
  • 1ページ目のボックス：青＝データ／情報、緑＝バイオマーカー／推奨事項、黄／オレンジ＝臨床的意義、赤＝警告
  • 推奨事項ボックス（緑＝強い推奨、黄＝条件付き、青＝さらなる研究が必要）
  • バイオマーカーによる層別化（分子サブタイプを色分け）
  • 統計的有意性（p値、ハザード比を色分け）
• 表：
  • ベースライン特性を含む患者背景
  • サブグループ別のバイオマーカー頻度
  • アウトカム表（分子サブタイプ別のORR、PFS、OS、DOR）
  • コホート別の有害事象
  • GRADE評価を含むエビデンスサマリー表
• 図：
  • ログランクp値とリスク集合数の表を含むKaplan-Meier生存曲線
  • 患者ごとの最良効果を示すウォーターフォールプロット
  • 信頼区間付きのサブグループ解析用フォレストプロット
  • TikZによる治療選択アルゴリズムのフローチャート
  • 個々の患者の経過を示すスイマープロット
• 統計：95% CI付きハザード比、p値、生存期間中央値、ランドマーク時点の生存率
• コンプライアンス：HIPAAセーフハーバーに準拠した匿名化、独自データに関する機密保持通知

統合

このスキルは以下と連携します：

• alterlab-scientific-writing：引用管理、統計報告、エビデンス統合
• alterlab-clinical-reports：医学用語、HIPAAコンプライアンス、単一患者の症例報告
• alterlab-scientific-schematics：治療選択アルゴリズムや治療経路のTikZフローチャート
• alterlab-treatment-plans：コホートから得られた知見の個々の患者への応用（双方向）

ルーティング：このスキルと関連スキルの使い分け

判別基準は分析単位です。このスキルはグループ（コホート、サブグループ、エビデンス基盤）を対象とし、関連スキルは単一の患者を対象とします。

依頼内容	スキル
コホート／サブグループ分析、バイオマーカーによる層別化、GRADEで評価したガイドライン、製薬／RWE戦略文書（グループレベル）	このスキル
個々の患者のケアプラン、SMART目標、カルテ用の患者ごとの投与／モニタリング	alterlab-treatment-plans
学術誌投稿用の単一患者の症例報告（例：CAREガイドライン）	alterlab-clinical-reports

このスキルの使用例：「ホルモン受容体の状態別に、HER2陽性乳がん患者60人を生存アウトカムとともに分析してください。」

使用例

患者コホート分析

例1：NSCLCのバイオマーカーによる層別化

> Analyze a cohort of 45 NSCLC patients stratified by PD-L1 expression (<1%, 1-49%, ≥50%) 
> receiving pembrolizumab. Include outcomes: ORR, median PFS, median OS with hazard ratios 
> comparing PD-L1 ≥50% vs <50%. Generate Kaplan-Meier curves and waterfall plot.

例2：GBMの分子サブタイプ分析

> Generate cohort analysis for 30 GBM patients classified into Cluster 1 (Mesenchymal-Immune-Active) 
> and Cluster 2 (Proneural) molecular subtypes. Compare outcomes including median OS, 6-month PFS rate, 
> and response to TMZ+bevacizumab. Include biomarker profile table and statistical comparison.

例3：乳がんHER2コホート

> Analyze 60 HER2-positive metastatic breast cancer patients treated with trastuzumab-deruxtecan, 
> stratified by prior trastuzumab exposure (yes/no). Include ORR, DOR, median PFS with forest plot 
> showing subgroup analyses by hormone receptor status, brain metastases, and number of prior lines.

治療推奨レポート

例1：HER2陽性転移性乳がんのガイドライン

> Create evidence-based treatment recommendations for HER2-positive metastatic breast cancer including 
> biomarker-guided therapy selection. Use GRADE system to grade recommendations for first-line 
> (trastuzumab+pertuzumab+taxane), second-line (trastuzumab-deruxtecan), and third-line options. 
> Include decision algorithm flowchart based on brain metastases, hormone receptor status, and prior therapies.

例2：進行NSCLCの治療アルゴリズム

> Generate treatment recommendation report for advanced NSCLC based on PD-L1 expression, EGFR mutation, 
> ALK rearrangement, and performance status. Include GRADE-graded recommendations for each molecular subtype, 
> TikZ flowchart for biomarker-directed therapy selection, and evidence tables from KEYNOTE-189, FLAURA, 
> and CheckMate-227 trials.

例3：多発性骨髄腫の治療ラインの選択

> Create treatment algorithm for newly diagnosed multiple myeloma through relapsed/refractory setting. 
> Include GRADE recommendations for transplant-eligible vs ineligible, high-risk cytogenetics considerations, 
> and sequencing of daratumumab, carfilzomib, and CAR-T therapy. Provide flowchart showing decision points 
> at each line of therapy.

エビデンスの評価

このスキルでは、相補的な2つの軸を使用します（全体のマトリックスについては、references/treatment_recommendations.mdとassets/recommendation_strength_guide.mdを参照してください）。

• 推奨の強さ — 強い（Grade 1、「推奨する」：利益がリスクを明確に上回る）と、条件付き／弱い（Grade 2、「提案する」：トレードオフがあり、患者の価値観が重要）。エビデンスが不十分な場合は、3つ目の「研究」区分を示します。
• エビデンスの確実性 — GRADE Working Groupの領域に基づく、高／中等度／低／非常に低いの4段階です（バイアスリスク、不一致、非直接性、不精確性、出版バイアスがあれば格下げし、大きな効果、用量反応、もっともらしい交絡があれば観察データを格上げします）。

全体で使用される簡潔な文字コード（1A、1B、2A、2B、2C）は、2つの軸を単一のラベルにまとめたACCP/Guyatt表記法です（ACCP/CHESTの抗血栓ガイドラインで広く知られるようになりました）。本来のGRADEではこれらのコードを使用しません。両方を引用する場合はACCP形式の表記として報告し、基礎となるエビデンスに裏付けられていないグレードを決して付与しないでください。

（バイオマーカー、アウトカム指標、統計手法の詳細は、上記の機能およびreferences/ファイルで説明しています。）

ベストプラクティス

コホート分析の場合

1. 患者選択の透明性：組み入れ／除外基準、患者のフロー、除外理由を明確に記録します
2. バイオマーカーの明確化：アッセイ方法、プラットフォーム（例：FoundationOne、Caris）、カットポイント、バリデーションの状況を明記します
3. 統計的厳密性：
   • p値だけでなく、ハザード比と95％信頼区間を報告します
   • 生存分析では追跡期間の中央値を記載します
   • 使用した統計検定（log-rank、Cox回帰、Fisherの正確確率検定）を明記します
   • 適切な場合は多重比較を考慮します
4. アウトカムの定義：標準的な基準を使用します。
   • 奏効：RECIST 1.1、免疫療法ではiRECIST
   • 有害事象：NCI CTCAE — v6.0（2025年公開。NCIが支援する試験は2026年1月から開始）またはプロトコルで指定されたバージョン（継続中の試験の多くは依然としてv5.0を使用）。使用したバージョンを明記します
   • パフォーマンスステータス：ECOGまたはKarnofsky
5. 生存データの提示：
   • OS／PFSの中央値と95％信頼区間
   • ランドマーク時点の生存率（6か月、12か月、24か月）
   • Kaplan-Meier曲線の下にリスク集合の人数を示す表
   • 打ち切りを明確に表示します
6. サブグループ分析：サブグループを事前に指定し、探索的分析と事前計画済みの分析を明確に区別します
7. データの完全性：欠測データとその取り扱い方法を報告します

治療推奨レポート向け

1. エビデンス評価の透明性：
   • GRADE を一貫して使用し、統合したラベルが必要な場合は ACCP 形式のコード（1A～2C）を使用します
   • 各評価の根拠を記録します
   • エビデンスの質（高、中、低、非常に低）を明確に示します
2. 包括的なエビデンスレビュー：
   • 第 III 相ランダム化試験を主要なエビデンスとして含めます
   • 新たな治療法については第 II 相のデータで補足します
   • 実臨床エビデンスとメタ解析に言及します
   • 検証可能な参照情報（PMID／DOI または登録 ID）とともに、試験名（例：KEYNOTE-189、CheckMate-227）を引用します
3. バイオマーカーに基づく推奨：
   • 特定のバイオマーカーを治療推奨に結び付けます
   • 検査方法とバリデーション済みアッセイを明記します
   • コンパニオン診断薬の FDA／EMA 承認状況を、現行の製品表示に照らして確認し、記載します（承認状況は変更されます）
4. 臨床での実用性：すべての推奨事項に、明確な実施ガイダンスを示します
5. 意思決定アルゴリズムの明確さ：TikZ のフローチャートでは、明確な「はい／いいえ」の判断ポイントを設け、曖昧さをなくします
6. 特別な集団：高齢者、腎機能／肝機能障害のある患者、妊娠中の患者、薬物相互作用に対応します
7. モニタリングのガイダンス：安全性に関する検査、画像検査、および頻度を明記します
8. 更新頻度：推奨事項の日付を記載し、定期的な更新を計画します

一般的なベストプラクティス

1. 1 ページ目のエグゼクティブサマリー：
   • 1 ページ目に収まる完全なエグゼクティブサマリーを作成します
   • 重要な知見を強調するため、色付きの tcolorbox 要素を 3～5 個使用します
   • 1 ページ目には目次や詳細なセクションを配置しません
   • \thispagestyle{empty} を使用し、\newpage で終えます
   • これは最も重要なページです。60 秒で要点を把握できる内容にします
2. 匿名化：文書を生成する前に、HIPAA で定められた 18 項目の識別情報をすべて削除します（セーフハーバー方式）
3. 規制遵守：専有の医薬品データに関する機密保持通知を含めます
4. 出版可能な書式：0.5in の余白、専門的なフォント、色分けしたセクションを使用します
5. 再現性：再現を可能にするため、すべての統計手法を記録します
6. 利益相反：該当する場合は、製薬企業からの資金提供や関係を開示します
7. 視覚的な階層：色付きのボックスを一貫して使用します（青＝データ、緑＝バイオマーカー、黄／オレンジ＝推奨事項、赤＝警告）

参考資料

詳細なガイダンスについては、references/ ディレクトリを参照してください。

• 患者コホートの分析および層別化の方法
• 治療推奨の策定
• 臨床意思決定アルゴリズム
• バイオマーカーの分類と解釈
• アウトカム分析および統計手法
• エビデンスの統合および評価システム

テンプレート

LaTeX テンプレートについては、assets/ ディレクトリを参照してください。

• cohort_analysis_template.tex - 統計的比較を含む、バイオマーカーで層別化した患者コホート分析
• treatment_recommendation_template.tex - GRADE 評価による、エビデンスに基づく診療ガイドライン
• clinical_pathway_template.tex - 治療の順序を決定するための、TikZ による意思決定アルゴリズムのフローチャート
• biomarker_report_template.tex - 分子サブタイプ分類およびゲノムプロファイルのレポート

テンプレートの特長：

• コンパクトな表示を実現する 0.5in の余白
• 推奨事項を色分けしたボックス
• 患者背景、バイオマーカー、アウトカムに関する専門的な表
• Kaplan-Meier 曲線、ウォーターフォールプロット、フォレストプロットの組み込みサポート
• GRADE エビデンス評価表
• 製薬関連文書向けの機密保持ヘッダー

スクリプト

分析および可視化ツールについては、scripts/ ディレクトリをご覧ください。

• generate_survival_analysis.py - ログランク検定、ハザード比、95％信頼区間を含むカプラン・マイヤー曲線の生成（コホート解析およびサブグループ解析の生存統計に関するニーズにも対応します）
• create_cohort_tables.py - 人口統計、バイオマーカーの頻度、転帰の表の作成
• build_decision_tree.py - 治療アルゴリズム用のTikZフローチャートの生成
• biomarker_classifier.py - 分子サブタイプ別の患者層別化アルゴリズム
• validate_cds_document.py - 品質およびコンプライアンスのチェック（HIPAA、統計報告基準）

AlterLab Academic Skills suiteの一部です。