Clinflashの最先端研究成果がPharmaSUG 2026に登場、AI軽量化ソリューションが臨床研究を支援！

このほど、Clinflash統計チームはPharmaSUG 2026において技術論文「Automated Clinical Text Classification with Robust Machine Learning for Pharmaceutical Data Curation」を発表し、軽量級機械学習モデルに基づく臨床試験図表データセットの自動注釈方法を革新的に提案し、統計プログラミングワークフローにおける注釈工程に対して、より効率的で正確、かつワンクリックで導入可能な自動化ソリューションを提供しました。

臨床試験の統計プログラミングでは、各目次（TOC）ファイルについて、図表タイトルに対応するCDISC ADaMデータセットラベル（ADSL、ADAE、ADLBなど）を一致させる必要があります。長年にわたり、この作業はSASプログラマーが一つ一つ判断することに大きく依存しており、典型的な研究では30～60分を要していました。さらに、同じタイトルに対する解釈がプログラマーによって異なることもあり、注釈結果を完全に統一することが困難でした。並行研究の数が数十件に増えると、このような反復作業は統計プログラミング全体の効率を低下させる目に見えないボトルネックとなることがしばしばでした。

効率性と一貫性の二重の要求に直面し、Clinflash統計チームは業務の実情から出発し、より軽量で制御可能な技術的アプローチを提案しました。2段階のインテリジェント注釈：モデル訓練からワンクリック出力まで

14件の完全な臨床研究、1,849件の実際の注釈データ（60のCDISCデータセットラベルを網羅）に基づき、Clinflash統計チームはTF-IDFテキストベクトル化＋ロジスティック回帰分類に基づく軽量級機械学習モデルを設計しました。モデルは図表タイトルとCDISCデータセットラベル間の対応規則を学習することで、新しい図表に最適なADaMデータセットを自動的にマッチングすることができます。

ワークフロー全体は2つのステップに分かれています：

1. 訓練段階

モデルは過去のTOCファイルから図表のTITLE（タイトル）と手動注釈されたDATASET（データセットラベル）を訓練サンプルとして抽出します。TF-IDFアルゴリズムにより中国語の図表タイトルを数値特徴ベクトルに変換し、ロジスティック回帰分類器に供給してタイトルテキストとデータセットラベルのマッピング関係を学習します。プロセス全体は標準的なノートPCのCPUで2秒未満で完了します。

2. 予測段階

ユーザーが新しい未注釈のTOCファイルを入力すると、モデルは各図表タイトルを自動的に識別し、訓練段階で学習した規則に基づいて最も一致するCDISCデータセットラベルを予測し、対応する位置に記入します。数百の図表を含む新規ファイルでも、予測はほぼ瞬時に完了します。

さらに重要なのは、ツール全体がPython環境のインストールを必要とせず、ダブルクリックで実行できるWindows単体プログラム（.exe）としてパッケージ化されていることです。ユーザーはプログラミングや機械学習の深い知識を必要とせず、処理対象のTOCファイルを選択するだけで、プログラムが自動的に予測を完了し、注釈結果が付いたExcelファイルを生成し、統計プログラマーが迅速に確認できるようにします。

AIによる支援：統計業務を中核研究開発に回帰させる

このソリューションの信頼性を総合的に検証するため、Clinflash統計チームは二値分類評価フレームワークの下でツールを系統的に検証し、実際の業務シナリオにおける誤注釈のリスクに焦点を当てました。結果は、このツールが日常の統計プログラミングワークフローに導入された後、非常に堅牢な性能を発揮することを示しています：

• 全体予測精度88.59%、グローバル注釈エラー率は制御可能；

• ROC-AUCは0.934に達し、異なるCDISCデータセットを区別するモデルの能力が際立っている；

• 特異度93.98%、安全性データセット（ADAE、ADLB）を誤分類するリスクを大幅に低減し、申請上のリスクを回避；

• PR-AUCは0.820、サンプル不均衡な臨床ラベルシナリオにおいても安定した識別効果を維持。

このツールを導入・適用した後、入力作業は時効性、標準、人材の3つの次元で全面的にアップグレードできます：

• 効率の革命的向上：プロジェクトあたりのTOC注釈時間が30～60分から10秒未満に短縮され、統計プログラミングチームの人材を解放し、データレビューと高付加価値分析に集中可能；

• 標準の統一：モデルが確定的な注釈結果を提供し、担当者間・プロジェクト間の注釈不一致を回避し、データ標準化の程度を向上；

• 低ハードルでの導入：軽量アーキテクチャは追加の運用コストを必要とせず、既存のCDISC納品SOPとシームレスに連携し、真に「技術を人に適合させる」ことを実現。

AI駆動の臨床研究開発分野におけるClinflashのもう一つの最先端学術成果として、このソリューションは、臨床データ注釈シナリオにおける軽量級機械学習手法の実現可能性と信頼性を系統的に検証しただけでなく、会社が今後より多くの自動化AI技術アプリケーションを展開するための強固な実践的基盤を築き、効率的で監査可能なインテリジェント技術をもってCDISC標準化納品プロセスを継続的に簡素化していきます。

今後、Clinflashは臨床研究分野におけるAIアプリケーションの探求を継続的に深め、業界交流に積極的に参加し、より革新的で実用的な最先端技術の探求と実践を通じて、各種臨床試験の効率的な推進を支援し、バイオ医薬品業界の高品質な発展に貢献してまいります。