clinical-decision-support

臨床意思決定支援文書

概要

製薬企業、臨床研究者、医療意思決定者向けに、専門的な臨床意思決定支援（CDS）文書を生成します。このスキルは、治療戦略および薬剤開発に関する情報を提供する、分析的でエビデンスに基づいた文書の作成を専門としています。

1. 患者コホート分析 - バイオマーカーによる層別化グループ解析と統計的なアウトカム比較
2. 治療推奨レポート - GRADE グレーディングと意思決定アルゴリズムを備えた、エビデンスに基づく臨床ガイドライン

すべての文書は、製薬研究、規制当局への申請、臨床ガイドライン策定に最適化された、出版可能な LaTeX/PDF ファイルとして生成されます。

注: 個々の患者の治療計画を臨床現場で作成する場合は、代わりに treatment-plans スキルを使用してください。このスキルは、製薬／研究分野向けのグループレベルの解析とエビデンス統合に重点を置いています。

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 mesenchymal-immune-active 対 proneural、乳がんのサブタイプ）
• 統計解析を伴うアウトカム指標（OS、PFS、ORR、DOR、DCR）
• サブグループ間の統計比較（ハザード比、p 値、95% CI）
• Kaplan-Meier 曲線と log-rank 検定による生存解析
• 有効性の表およびウォーターフォールプロット
• 比較有効性解析
• 製薬コホートのレポート作成（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く治療ガイドライン
• 推奨の強さのグレーディング（GRADE システム：1A、1B、2A、2B、2C）
• エビデンスの質の評価（高、中等度、低、非常に低）
• TikZ 図による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ライン・オブ・セラピーの順序付け
• 臨床的および分子的基準による意思決定経路
• 製薬戦略文書
• 医学会向け臨床ガイドラインの策定

臨床的特徴

• 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、log-rank 検定
• エビデンスのグレーディング：GRADE システム（1A/1B/2A/2B/2C）、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
• 規制への準拠：HIPAA に基づく非識別化、機密性ヘッダー、ICH-GCP への整合
• 専門的な書式：コンパクトな 0.5in 余白、色分けされた推奨、出版可能な品質、規制当局への申請に適した形式

製薬および研究におけるユースケース

このスキルは、製薬および臨床研究の用途向けに特別に設計されています。

医薬品開発

• 第2相／第3相試験の解析：バイオマーカーで層別化した有効性および安全性の解析
• サブグループ解析：患者サブグループ全体における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：エビデンスの要約を含むIND／NDA文書

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：競合環境とポジショニング戦略
• アドバイザリーボード資料：コホート解析と治療推奨の枠組み
• 論文発表の計画：査読付きジャーナルへの投稿に適した解析

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：複数のステークホルダー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
• 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解析
• 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：臨床診療における長期生存および安全性
• 医療経済学：バイオマーカーサブグループ別の費用対効果分析

使用するタイミング

次のような場合に、このスキルを使用します。

• バイオマーカー、分子サブタイプ、または臨床的特徴で層別化された患者コホートを解析する
• 臨床ガイドラインや製薬戦略向けに、エビデンスのグレード評価を含む治療推奨レポートを作成する
• 統計解析（生存率、奏効率、ハザード比）を用いて患者サブグループ間のアウトカムを比較する
• 医薬品開発、臨床試験、または規制当局への申請に向けた製薬研究文書を作成する
• GRADEによるエビデンスのグレード評価と意思決定アルゴリズムを用いて臨床診療ガイドラインを策定する
• 集団レベルでのバイオマーカーに基づく治療選択を文書化する（個々の患者を対象とするものではありません）
• 複数の試験またはリアルワールドデータソースからエビデンスを統合する
• 治療の順序を示すフローチャートを含む臨床意思決定アルゴリズムを作成する

次の場合は、このスキルを使用しないでください。

• 個々の患者の治療計画（treatment-plans スキルを使用）
• ベッドサイドでの臨床ケアに関する文書化（treatment-plans スキルを使用）
• 患者個人に特化した単純な治療プロトコル（treatment-plans スキルを使用）

文書の構成

重要な要件：臨床意思決定支援文書はすべて、目次や詳細なセクションより前に、1ページ目全体を使った完全なエグゼクティブサマリーから始める必要があります。

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文書の1ページ目には、以下の要素で構成されるエグゼクティブサマリーのみを記載してください。

必須項目（すべて1ページ目に記載）：

1. 文書のタイトルと種類

   • 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）

   • 文書の種類と目的
   • 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）
   • 解析のフレームワークまたは方法論

3. 主な知見を示すボックス（色付きのtcolorboxを3～5個使用）

   • 主要な結果（青いボックス）：主な有効性／アウトカムに関する知見
   • バイオマーカーに関する知見（緑のボックス）：主な分子サブタイプに関する知見
   • 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
   • 統計的要約（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（該当する場合は赤いボックス）：重大な有害事象または警告

視覚的な要件：

• \thispagestyle{empty}を使用して、1ページ目のページ番号を非表示にします
• すべての内容を\newpageより前の1ページ目に収めます
• 視覚的な階層を示すため、異なる色のtcolorbox環境を使用します
• ボックスは要点をすばやく把握できるようにし、最も重要な情報を強調します
• 説明文の段落ではなく、箇条書きを使用します
• 目次または詳細セクションの前に\newpageを配置して、1ページ目を終えます

1ページ目のLaTeX構成例：

\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療治療、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
• 臨床推奨：バイオマーカープロファイルに基づく治療上の示唆
• 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）

治療推奨レポートの1ページ目のエグゼクティブサマリーには、以下を記載してください：

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）：治療ライン別にGRADE評価を付した上位3～5件の推奨事項
3. バイオマーカーの判定基準ボックス（青）：治療選択に影響する主な分子マーカー
4. エビデンスの要約ボックス（灰色）：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、現在の治療状況
• 対象集団：患者の特性、バイオマーカーの基準、病期分類
• エビデンスレビュー：文献の系統的な統合、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、それ以降の治療
• 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
• モニタリング手順：安全性評価、有効性モニタリング、用量変更
• 特別な集団：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参考文献一覧

出力形式

必須の1ページ目要件：

• 1ページ目：3～5個の色付きのtcolorbox要素を含む、ページ全体を使った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：手法、結果、図、表を含む詳細なセクション

文書仕様：

• 形式：コンパクトでデータ密度の高い提示に適した、余白0.5inのLaTeX/PDFを基本とします
• 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：規制当局への申請に適した、出版可能な品質の製薬グレード
• 1ページ目：常に1ページ目全体を使って完全なエグゼクティブサマリーを掲載します（「文書の構成」セクションを参照）

視覚的要素：

• 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
  • 分子サブタイプ別のアウトカム表（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要約表
• 図：
  • ログランクp値およびリスク集合数の表を含むカプラン・マイヤー生存曲線
  • 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
  • 意思決定アルゴリズムのTikZ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、以下と統合されます。

• scientific-writing：引用管理、統計報告、エビデンスの統合
• clinical-reports：医学用語、HIPAAコンプライアンス、規制文書
• scientific-schematics：意思決定アルゴリズムおよび治療経路のTikZフローチャート
• treatment-plans：コホートから得られた知見の個々の患者への適用（双方向）

Treatment-Plansスキルとの主な違い

臨床意思決定支援（このスキル）：

• 対象読者：製薬会社、臨床研究者、ガイドライン委員会、メディカルアフェアーズ
• 対象範囲：集団レベルの解析、エビデンスの統合、ガイドラインの策定
• 重点：バイオマーカーによる層別化、統計的比較、エビデンスの評価
• 出力：豊富な図表を含む複数ページの分析文書（通常5～15ページ）
• 用途：医薬品開発、規制当局への申請、診療ガイドライン、メディカル戦略
• 例：「ホルモン受容体の状態と生存アウトカムに基づいて、HER2陽性乳がん患者60人を解析する」

Treatment-Plansスキル：

• 対象読者：臨床医、患者、ケアチーム
• 対象範囲：個々の患者のケア計画
• 重点：SMART目標、患者ごとの介入、モニタリング計画
• 出力：簡潔で実行可能な1～4ページのケア計画
• 用途：ベッドサイドでの臨床ケア、EMR文書化、患者中心の計画立案
• 例：「新たに2型糖尿病と診断された55歳の患者の治療計画を作成する」

使い分け：

• clinical-decision-supportを使用する場面：コホート解析、バイオマーカーによる層別化研究、治療ガイドラインの策定、製薬戦略文書
• treatment-plansを使用する場面：個々の患者のケア計画、特定の患者向けの治療プロトコル、ベッドサイドでの臨床文書作成

使用例

患者コホート解析

例1：NSCLC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分子サブタイプ解析

> 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+ 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：多発性骨髄腫における治療ラインの順序

> 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.

主な機能

バイオマーカーの分類

• ゲノム：変異、CNV、遺伝子融合
• 発現：RNA-seq、IHC スコア
• 分子サブタイプ：疾患ごとの分類
• 臨床的有用性：治療選択の指針

アウトカム指標

• 生存：OS（全生存期間）、PFS（無増悪生存期間）
• 奏効：ORR（客観的奏効率）、DOR（奏効期間）、DCR（病勢コントロール率）
• QOL：ECOG パフォーマンスステータス、症状の負担
• 安全性：有害事象、用量変更

統計手法

• 生存分析：Kaplan-Meier 曲線、ログランク検定
• 群間比較：t 検定、カイ二乗検定、Fisher の正確確率検定
• 効果量：ハザード比、95% CI 付きオッズ比
• 有意性：p 値、多重検定の補正

エビデンスのグレード付け

GRADE システム

• 1A：強い推奨、高品質のエビデンス
• 1B：強い推奨、中等度の品質のエビデンス
• 2A：弱い推奨、高品質のエビデンス
• 2B：弱い推奨、中等度の品質のエビデンス
• 2C：弱い推奨、低品質のエビデンス

推奨の強さ

• 強い：利益がリスクを明確に上回ります
• 条件付き：トレードオフがあり、患者の価値観が重要です
• 研究：エビデンスが不十分で、臨床試験が必要です

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：組み入れ基準／除外基準、患者のフロー、除外理由を明確に記載します
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）、カットオフ値、バリデーション状況を明記します
3. 統計的厳密性：
   • p 値だけでなく、95%信頼区間付きのハザード比を報告します
   • 生存分析の追跡期間中央値を記載します
   • 使用した統計検定（ログランク検定、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：CTCAE version 5.0
   • 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：
   • 95% CI 付きの OS/PFS 中央値
   • マイルストーン生存率（6 か月、12 か月、24 か月）
   • Kaplan-Meier 曲線の下にリスク集合数の表を配置します
   • 打ち切りを明確に示します
6. サブグループ解析：サブグループを事前に規定し、探索的解析と事前計画された解析を明確に区別します
7. データの完全性：欠損データとその処理方法を報告します

治療推奨レポートの場合

1. エビデンスのグレード付けの透明性：
   • GRADE システム（1A、1B、2A、2B、2C）を一貫して使用します
   • 各グレードの根拠を記録します
   • エビデンスの品質（高、中等度、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 相データで補足します
   • リアルワールドエビデンスとメタアナリシスにも言及します
   • 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と治療推奨を関連付けます
   • 検査方法と検証済みアッセイを明記します
   • コンパニオン診断の FDA／EMA 承認状況を含めます
4. 臨床的有用性：すべての推奨に、明確な実施指針を含めます
5. 意思決定アルゴリズムの明確さ：TikZ フローチャートでは、はい／いいえの判断点を明確にし、曖昧さのない内容にします
6. 特別な集団：高齢者、腎機能障害／肝機能障害のある患者、妊娠、薬物相互作用に対応します
7. モニタリングの指針：安全性検査、画像検査、および実施頻度を明記します
8. 更新頻度：推奨の日付を記載し、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（必須）:
   • 必ず1ページ目全体を使った完全なエグゼクティブサマリーを作成すること
   • 主要な知見を強調するために、3～5個の色付き tcolorbox 要素を使用すること
   • 1ページ目には目次や詳細なセクションを入れないこと
   • \thispagestyle{empty} を使用し、\newpage で終えること
   • これは最も重要なページであり、60秒で要点を把握できるようにすること
2. 非識別化: 文書生成の前に、18種類のHIPAA識別子をすべて削除すること（セーフハーバー方式）
3. 規制遵守: 企業秘密の医薬品データについては、機密性に関する注意書きを含めること
4. 出版品質のフォーマット: 0.5インチの余白、プロフェッショナルなフォント、色分けされたセクションを使用すること
5. 再現性: 再現を可能にするため、すべての統計手法を文書化すること
6. 利益相反: 該当する場合は、医薬品からの資金提供や関係性を開示すること
7. 視覚的階層: 色付きボックスを一貫して使用すること（青=データ、緑=バイオマーカー、黄/橙=推奨事項、赤=警告）

参考資料

references/ ディレクトリには、以下に関する詳細なガイダンスがあります:

• 患者コホート分析と層別化の方法
• 治療推奨事項の作成
• 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
• アウトカム分析と統計手法
• エビデンス統合とグレーディングシステム

テンプレート

assets/ ディレクトリには、以下の LaTeX テンプレートがあります:

• cohort_analysis_template.tex - 統計比較を伴うバイオマーカー別患者コホート分析
• treatment_recommendation_template.tex - GRADE グレーディングを用いたエビデンスに基づく臨床診療ガイドライン
• clinical_pathway_template.tex - 治療シーケンスのための TikZ 意思決定アルゴリズムフローチャート
• 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レポート
• evidence_synthesis_template.tex - システマティックレビューとメタアナリシスの要約

テンプレートの特徴:

• コンパクトな提示のための 0.5 インチの余白
• 色分けされた推奨事項ボックス
• 人口統計、バイオマーカー、アウトカムのためのプロフェッショナルな表
• 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への組み込みサポート
• GRADE エビデンスグレーディング表
• 医薬品関連文書向けの機密性ヘッダー

スクリプト

scripts/ ディレクトリには、分析および可視化ツールがあります:

• generate_survival_analysis.py - 対数順位検定、ハザード比、95% 信頼区間を伴う Kaplan-Meier 曲線の生成
• create_waterfall_plot.py - コホート分析のためのベストレスポンスの可視化
• create_forest_plot.py - 信頼区間を伴うサブグループ分析の可視化
• create_cohort_tables.py - 人口統計、バイオマーカー頻度、アウトカムの表
• build_decision_tree.py - 治療アルゴリズムのための TikZ フローチャート生成
• biomarker_classifier.py - 分子サブタイプによる患者層別化アルゴリズム
• calculate_statistics.py - ハザード比、Cox 回帰、対数順位検定、Fisher の正確検定
• validate_cds_document.py - 品質および遵守性のチェック（HIPAA、統計報告基準）
• grade_evidence.py - 治療推奨事項のための自動 GRADE 評価支援ツール