tooluniverse-clinical-data-integration

医薬品安全性のための臨床データ統合

FDA の添付文書情報、FAERS の自発報告、不均衡シグナル検出、ファーマコゲノミクスバイオマーカー、臨床試験データ、公開文献を統合する、エンドツーエンドの医薬品安全性レビューのパイプラインです。規制評価、ファーマコビジランス、臨床意思決定支援向けに設計されています。

基本原則：

1. 添付文書を信頼できる基準とする -- FDA 承認済みの添付文書は、既知の安全性情報の信頼できる出発点です
2. シグナルには文脈が必要 -- 添付文書や文献による裏付けのない FAERS シグナルは、仮説を生み出すものであり、確証となるものではありません
3. 不均衡は因果関係を示すものではない -- PRR/ROR は報告パターンを測定するものであり、因果関係を示すものではありません
4. ファーマコゲノミクスでリスクを絞り込む -- PGx バイオマーカーにより、リスクが高まる患者を特定できます
5. 段階的にレポートを作成する -- 早い段階でレポートファイルを作成し、セクションごとに更新します
6. 検索には英語を優先する -- すべてのツール呼び出しで英語の医薬品名を使用し、ユーザーの言語で回答します

臨床データの統合は、データの調和から始まります。病院によって同じ診断でも異なるコードで記録されます（ICD-10 と SNOMED など）。データセットを結合する前に、コーディングシステムを確認してください。欠測データにも意味があります。検査値が欠けている場合、結果が正常だったということではなく、検査が依頼されなかった（患者の状態が安定していた）ことを意味する場合があります。

推測せず、調べる

科学的事実に少しでも確信が持てない場合は、記憶を頼りに推論するのではなく、まずデータベースを検索してください。データベースで検証した回答は、推測よりも常に信頼できます。

他との違い：このスキルは、医薬品のライフサイクル全体にわたる規制水準のデータ統合に重点を置いています。定量的スコアリングによる、対象を絞った FAERS シグナル検出については、tooluniverse-adverse-event-detection を参照してください。一般的なファーマコビジランスのワークフローについては、tooluniverse-pharmacovigilance を参照してください。

---

説明せず、計算する

分析に計算（統計、データ処理、スコアリング、エンリッチメント）が必要な場合は、Bash 経由で Python コードを作成して実行してください。何をするか説明するのではなく、実行して実際の結果を報告してください。ToolUniverse ツールでデータを取得し、その後 Python（pandas、scipy、statsmodels、matplotlib）で分析してください。

使用する場面

典型的な利用例：

• 「[drug] の安全性を包括的にレビューしてください」
• 「[drug] と [event] について、FDA の添付文書には何と書かれていますか？」
• 「[drug] に関する FAERS シグナルはありますか？」
• 「[drug] のファーマコゲノミクスバイオマーカーには何がありますか？」
• 「[drug] の安全性を調査している臨床試験を探してください」
• 「[drug] の市販後調査の概要をまとめてください」
• 「[drug A] と [drug B] の安全性プロファイルを比較してください」

---

主なデータソース

ソース	種類	最適な用途
FDA Labels (DailyMed)	規制情報	承認済みの安全性情報、枠付き警告、薬物相互作用
FAERS	自発報告	市販後の有害事象シグナル、人口統計学的パターン
CPIC	ガイドライン	ファーマコゲノミクスに基づく投与量の推奨
FDA PGx Biomarkers	規制情報	承認済みのファーマコゲノミクス表示
ClinicalTrials.gov	試験登録	実施中または完了した安全性試験
PubMed	文献	公開された安全性研究、症例報告

---

ワークフローの概要

Phase 0: Drug Identity & Context
  Resolve drug name, get class, mechanism, indications
    |
Phase 1: FDA Label Extraction
  Boxed warnings, contraindications, adverse reactions, interactions
    |
Phase 2: FAERS Signal Detection
  Top adverse events, disproportionality (PRR/ROR), demographics
    |
Phase 3: Pharmacogenomics
  CPIC guidelines, FDA PGx biomarkers, genotype-specific risks
    |
Phase 4: Clinical Trials
  Safety-focused trials, risk evaluation programs
    |
Phase 5: Literature Evidence
  PubMed safety studies, case reports, meta-analyses
    |
Phase 6: Integrated Safety Report
  Synthesize all sources into a cohesive safety profile

---

フェーズの詳細

フェーズ 0：医薬品の特定と背景情報

目的：医薬品を明確に特定し、基本的な背景情報を把握します。

ツール：

• DailyMed_search_spls -- 構造化製品ラベルを検索します
  • 入力：query（医薬品名）
  • 出力：セット ID、タイトル、ラベル作成者名を含む SPL のリスト
• OpenFDA_get_approval_history -- 承認日と補足申請を取得します
  • 入力：drug_name（一般名またはブランド名）
  • 出力：承認日、申請番号、補足申請の履歴

ワークフロー：

1. DailyMed を検索し、医薬品名を確認して正しい SPL を特定します
2. 承認履歴を取得し、その医薬品が販売されている期間を把握します
3. 薬効分類、作用機序、承認済み適応症を記録します
4. FAERS クエリで一貫性を保てるよう、ブランド名と一般名を記録します

ヒント：FAERS では medicinalproduct にブランド名または一般名を使用します。フェーズ 2 では両方の形式を試してください。

フェーズ 1：FDA ラベルの抽出

目的：FDA 承認済みラベルから、安全性に関係するすべてのセクションを抽出します。

ツール：

• FDA_get_boxed_warning_info_by_drug_name -- 枠囲み警告（ブラックボックス警告）
  • 入力：drug_name
  • 出力：警告文。警告がない場合は {error: {code: "NOT_FOUND"}}（通常の応答）
• FDA_get_warnings_and_cautions_by_drug_name -- 警告および使用上の注意のセクション
  • 入力：drug_name
  • 出力：警告の全文
• DailyMed_parse_adverse_reactions -- ラベルに記載された副作用
  • 入力：setid（set_id ではありません。フェーズ 0 の DailyMed 検索結果から取得）
  • 出力：解析済みの副作用表とテキスト
• DailyMed_parse_drug_interactions -- 薬物相互作用のセクション
  • 入力：setid（set_id ではありません）
  • 出力：解析済みの相互作用データ

ワークフロー：

1. まず枠囲み警告を確認します。枠囲み警告は最も重大な安全上の懸念事項を示します
2. 警告および使用上の注意を抽出します
3. 副作用を解析します（臨床試験での発現率と市販後報告の両方）
4. 薬物相互作用を抽出します
5. 枠囲み警告が NOT_FOUND の場合は通常の応答であり、枠囲み警告がないことを意味します

ラベルのセクションの優先順位：枠囲み警告 > 禁忌 > 警告／使用上の注意 > 副作用 > 薬物相互作用

フェーズ 2：FAERS シグナル検出

目的：自発報告から市販後の安全性シグナルを特定します。

ツール：

• FAERS_count_reactions_by_drug_event -- 発生頻度の高い有害事象
  • 入力：medicinalproduct（医薬品名。drug_nameではありません）
  • 出力：[{term, count}]
• FAERS_calculate_disproportionality -- 医薬品と事象の組み合わせに対するPRR、ROR、IC
  • 入力：drug_name、adverse_event
  • 出力：{metrics: {PRR: {value, ci_95_lower, ci_95_upper}, ROR: {...}, IC: {...}}, signal_detection: {signal_detected, signal_strength}}
• FAERS_filter_serious_events -- 重篤度の種類で絞り込み
  • 入力：drug_name、seriousness_type（all/death/hospitalization/disability/life_threatening）
  • 出力：重篤事象の内訳
• FAERS_stratify_by_demographics -- 年齢・性別・国による層別化
  • 入力：drug_name、adverse_event（任意）、stratify_by（sex/age/country）
  • 出力：人口統計学的な内訳（性別コード：0=不明、1=男性、2=女性）

ワークフロー：

1. 報告件数の多い有害事象を上位20件取得します
2. 上位10～15件について、不均衡分析（95％信頼区間付きのPRR、ROR、IC）を計算します
3. シグナルの基準：PRR >= 2.0、信頼区間下限 > 1.0、報告件数 N >= 3
4. 検出されたシグナルについて、重篤度（死亡、入院）で絞り込みます
5. 強いシグナルを人口統計学的に層別化し、リスクの高い集団を特定します

重要な注意事項：

• FAERS_count_reactions_by_drug_eventではdrug_nameではなく、medicinalproductパラメーターを使用します
• FAERS_calculate_disproportionalityではdrug_nameパラメーターを使用します
• 件数集計ツールと不均衡分析ツールではMedDRA用語のレベルが異なるため、症例数が完全には一致しない場合があります

FAERSシグナルの解釈 — 数値の意味：

指標	値	解釈
PRR（報告比）	< 1.0	事象の報告が予測より少ない（保護効果または報告不足の可能性があります）
	1.0-2.0	シグナルなし、または弱いシグナル
	2.0-5.0	中程度のシグナル — 調査が必要です
	> 5.0	強いシグナル — 真の関連性がある可能性があります（ただし、因果関係の証明ではありません）
ROR（報告オッズ比）	PRRと類似していますが、その他すべての医薬品を考慮します	PRRと同じしきい値を使用します。わずかに頑健です
IC（情報成分）	< 0	シグナルなし
	0-2	弱いシグナル
	> 2	強いシグナル

シグナル ≠ 因果関係：FAERSの強いシグナルは、医薬品と事象の組み合わせが予測よりも多く報告されていることを意味します。その原因として、以下が考えられます。

• 真の因果関係（最も重要）
• チャネリングバイアス（より重症の患者にその医薬品が投与される）
• ノトリティバイアス（メディアの注目によって報告が増える）
• プロトパシックバイアス（事象の初期症状に対して医薬品が処方される）

シグナルの信頼性を評価する方法：

1. その事象はFDAの添付文書に記載されていますか？（添付文書での確認は最も強いエビデンスです）
2. 妥当な機序がありますか？（医薬品の薬理作用で事象を説明できますか）
3. 用量反応関係はありますか？（高用量 → 事象の増加）
4. 時間的整合性はありますか？（医薬品の投与開始後に事象が発生し、中止後に消失しますか）
5. 疫学的な裏付けはありますか？（症例対照研究またはコホート研究が公表されていますか）

Phase 3: 薬理ゲノミクス

目的：薬剤の安全性に影響する遺伝的要因を特定します。

ツール：

• CPIC_list_guidelines -- CPIC の薬理ゲノミクスガイドラインを取得します
  • 入力：省略可能な gene、drug フィルター
  • 出力：遺伝子と薬剤の組み合わせ、および用量の推奨事項を含むガイドライン
• fda_pharmacogenomic_biomarkers -- FDA 承認済みの PGx バイオマーカー
  • 入力：省略可能な drug_name、biomarker、limit（デフォルトは 10。包括的な結果を得るには limit=1000 を使用します）
  • 出力：バイオマーカー、薬剤、治療領域を含む {count, shown, results}

ワークフロー：

1. CPIC を検索し、この薬剤に関連するガイドラインを確認します
2. 薬剤名を指定して FDA の PGx バイオマーカーを検索します
3. 各 PGx 所見について、遺伝子、臨床的に対応が必要なアレル、臨床上の推奨事項を記録します
4. 必須検査（枠囲み警告）、推奨検査、または参考情報に分類します

ヒント：fda_pharmacogenomic_biomarkers では、項目の見落としを防ぐため limit=1000 を使用します（デフォルトの上限は 10 件のみです）。

Phase 4: 臨床試験

目的：薬剤の安全性を調査する進行中または完了済みの臨床試験を見つけます。

ツール：

• search_clinical_trials -- ClinicalTrials.gov を検索します
  • 入力：query_term（必須）、省略可能な condition、intervention、pageSize
  • 出力：{studies, nextPageToken, total_count}、または結果がない場合は文字列

ワークフロー：

1. 安全性に重点を置いた試験を検索します：「[薬剤] safety」または「[薬剤] adverse events」
2. Risk Evaluation and Mitigation Strategies（REMS）試験を検索します
3. 市販後要件（PMR）に関する試験を探します
4. 試験のステータス（募集中、完了、中止）と主要評価項目を記録します

クエリのヒント：シンプルなクエリが最も効果的です。複数の単語を組み合わせた複雑なクエリでは、結果が返されないことがよくあります。まず「[薬剤名]」を検索し、結果を安全性関連のキーワードで絞り込みます。

Phase 5: 文献エビデンス

目的：公表された安全性研究、症例報告、メタ分析を見つけます。

ツール：

• PubMed_search_articles -- 生物医学文献を検索します
  • 入力：query（検索語）、省略可能な limit
  • 出力：論文のリスト（辞書のプレーンリストであり、{articles: [...]} ではありません）

ワークフロー：

1. 「[薬剤] adverse events」または「[薬剤] safety」を検索します
2. Phase 2 で見つかったシグナルについて、「[薬剤] [特定の有害事象]」を検索します
3. システマティックレビューとメタ分析を探します
4. メタ分析 > RCT > コホート研究 > 症例報告の順に優先します

Phase 6: 統合安全性レポート

すべての Phase を統合し、一貫性のあるレポートを作成します：

1. 薬剤の概要 -- 薬剤の識別情報、クラス、作用機序、承認日、適応症
2. 添付文書に記載された安全性情報 -- 枠囲み警告、主な禁忌、既知の副作用
3. 市販後シグナル -- 不均衡指標を含む FAERS シグナルと添付文書との比較
   • 既知かつ添付文書に記載済み、既知だが添付文書での記載が不十分、新たなシグナルの可能性を区別します
4. 薬理ゲノミクスに関する考慮事項 -- PGx バイオマーカー、検査の推奨事項
5. 臨床試験の安全性データ -- 進行中のモニタリング試験、REMS プログラム
6. 文献の概要 -- 安全性プロファイルを裏付ける、または詳細化する主要な文献
7. 統合評価 -- 全体的なリスクの評価、リスクが高い集団、データの不足

エビデンスのグレード：

• T1：FDA 添付文書／規制措置（枠囲み警告、REMS）
• T2：強い FAERS シグナル（PRR >= 5、複数のデータソースで一致）
• T3：中程度のシグナル、または単一ソースのエビデンス
• T4：文献での言及、または計算による予測のみ

---

よくある分析パターン

パターン	説明	主な Phase
安全性の包括的レビュー	規制当局向けの包括的なレビュー	すべて（0-6）
添付文書と実臨床の比較	FDA 添付文書と FAERS シグナルを比較	0, 1, 2, 6
PGx 安全性評価	薬理ゲノミクスのリスク要因に重点を置く	0, 1, 3, 5
シグナルの調査	特定の有害事象を詳細に調査	0, 1, 2, 5, 6
薬剤の比較	2 つの薬剤の安全性を直接比較	それぞれ Phase 0-2 を実施し、Phase 6 で比較

---

エッジケースとフォールバック

• FAERS データが少ない新薬：FDA の添付文書、臨床試験、作用機序に基づく予測を活用します
• OTC 医薬品：FAERS データが限られている場合がありますが、DailyMed には OTC 医薬品の添付文書も掲載されています
• 配合剤：まず有効成分ごとに FAERS を検索し、次に配合剤を検索します
• 先発医薬品とジェネリック医薬品の不一致：FAERS の報告ではどちらの名称も使われる可能性があるため、両方を検索します
• CPIC ガイドラインがない場合：ほとんどの医薬品では通常のことです。CPIC ガイドラインがあるのは、遺伝子と医薬品の組み合わせのうち約 30 件のみです

---

制限事項

• FAERS の報告バイアス：自発報告は任意であり、過少報告が常態化しています
• FAERS に分母がないこと：発生率は計算できず、不均衡のみを評価できます
• 添付文書の反映の遅れ：FDA の添付文書に最新のエビデンスが反映されていない可能性があります。必ず FAERS と文献で補完してください
• PGx の対象範囲：CPIC と FDA の PGx バイオマーカーがカバーするのは、すべての医薬品の一部にすぎません
• ClinicalTrials.gov の完全性：すべての試験で結果が報告されるわけではなく、一部の安全性データは論文にしか掲載されていません