(株)イーコンプライアンス 代表取締役　村山 浩一氏
【講師紹介】
 
【関連の活動など】
日本PDA　第9回年会併催シンポジウム　21 CFR Part 11その現状と展望
日本製薬工業協会　医薬品評価委員会　基礎研究部会主催（東京）
東京大学大学院医学系研究科　臨床試験データ管理学講座などにて多数講演。など

MDR（Medical Device Regulation：欧州医療機器規則）は2021年5月26日から完全施行され、2026年現在、欧州市場への参入において必須の規制要件となっています。
MDRは、FDAや日本の規制要件、および医薬品の規制要件などを参考に構築されており、世界で最も厳格な医療機器規制要件の一つです。特に、MDRでは臨床評価要求事項（臨床的な安全評価・有効性評価）が大幅に厳格化されました。

臨床評価の重要性
臨床評価は機器クラスや新規性とは関係なく、全ての機器に必要であり、日本の要求と大きく異なる点の1つです。実施のための詳細は臨床評価ガイダンス（MEDDEV 2.7/1 revision 4）に記載されています。
MDRの臨床評価では、ガイダンスの内容の大項目の一部を含めた上で、さらに要件の追加および変更が行われています。

継続的な更新要件
臨床データと臨床評価報告書（CER）は精査し、また、これらを繰り返し更新することも要求されます。製造業者は、MDR Article 61およびAnnex XIVのPart A（臨床評価関連のAnnex）に基づいて臨床評価と市販後臨床フォローアップ（PMCF）を実施しなければなりません。

臨床評価の3つの柱
製造業者は臨床評価レベルの適切性について正当化することが求められます。臨床評価は下記に基づく必要があります：
a）科学的文献（Scientific Literature）
b）臨床試験（Clinical Investigation）
c）他のオプションとなる治療法の考慮（Other treatment）

認証機関の審査と臨床評価コンサルテーション
当然のことながら、認証機関の審査する技術資料の1つとして臨床評価が含まれます。
MDRではMDDにはなかった臨床評価コンサルテーションが導入され、リスクの高い医療機器について、臨床評価の審査に行政当局が介入することになりました。それに伴い、臨床試験実施可否判断基準も厳格化されました。

リスクの高い医療機器への要求
MDRにおいてはリスクの高い医療機器は、臨床試験が原則的に必須です。リスクの高い医療機器は、他社の医療機器との同等性を示す場合、その医療機器の技術文書へのフルアクセスの契約があることが条件となりますが、事実上は困難です。 埋め込み機器およびクラスIII機器の場合は、安全性と臨床性能のサマリー（SSCP：Summary of Safety and Clinical Performance）の作成が求められます。

市販後監視との統合
臨床評価は市販後調査（Post-Market Surveillance）および市販後臨床フォローアップ（Post-Market Clinical Follow-up）とも関連します。市販後監視で集めた情報によって臨床評価を更新することも忘れてはなりません。
PMCFのより詳細な考察や、定期的な安全性アップデート報告書（クラスIIa以上の機器）の提出が求められます。

生成AIによる業務革新（2026年最新アプローチ）
2026年現在、臨床評価プロセスにおける生成AIの活用は、規制遵守の質を維持しながら、大幅な時間短縮と労力削減を実現する重要な手段となっています。

文献検索・スクリーニングの効率化
- 従来、数週間を要していた大量の科学的文献のレビューを、生成AIを活用することで数日に短縮
- AIによる関連性スコアリングにより、重要文献の優先順位付けを自動化
- 多言語文献への対応も容易に

臨床評価報告書作成の支援
- 規制要件に準拠したテンプレートと生成AIを組み合わせ、初稿作成時間を60%削減
- 過去のCERからのベストプラクティス学習により、品質の標準化を実現
- 複数のガイダンス文書との整合性チェックを自動化

リアルワールドデータ分析の高度化
- 市販後臨床フォローアップ（PMCF）データから、AIが潜在的な安全性シグナルを早期検出
- 定期的安全性アップデート報告書（PSUR）作成の効率化
- ビジランスレポートとの統合分析

同等性評価の精密化
- 技術的・生物学的・臨床的特性の比較において、AIが多次元データを統合分析
- 比較テーブルの自動生成と根拠文書へのトレーサビリティ確保
- MDCG 2020-5ガイダンスへの準拠を自動検証

本セミナーでは、日米欧の医療機器規制要件を熟知した講師が、欧州医療機器規則における臨床評価に関して、生成AIツールの実践的な活用方法を含めて分かりやすく解説を行います。

１. 臨床評価とは
- なぜ、臨床評価が重要か？
- なぜ、継続的な臨床評価が必要か？
- 臨床評価とは？
- 臨床評価の実施時期

２. 用語の定義
- 用語の定義

３. MDRにおける臨床評価に関する要求事項
- MDRの構成
- 第6章 臨床評価および臨床試験（Article 61～82）
- MDRのAnnex（附属書）
- MDRにおける臨床評価の要求
- MDRにおける臨床評価の実施
- 臨床評価に関するMDCG非拘束ガイダンス
- MEDDEV 2.7/1 臨床評価 Rev.4における臨床評価の流れ
- MDRにおける臨床評価の流れ
- 市販前臨床評価
- 市販後臨床評価（PMS・PMCF）

４. 臨床評価の実施に関する要求事項の詳細
a. MDR本文、Annex XIV、MEDDEV 2.7/1の関係
- MDR本文、Annex XIV、MEDDEV の関係
- 臨床評価の実施に関する要求事項（サマリ）
- Annex XIV 臨床評価および市販後の臨床フォローアップ（サマリ）
- MDRにおける臨床評価の流れ（再掲）
- MEDDEV 2.7/1 Rev.4
- MEDDEV 2.7/1 Rev.4（目次）

b. 臨床評価の実施に関する要求事項の詳細
- 臨床評価の担当者に関する要求事項
- Annex XIV 臨床評価および市販後の臨床フォローアップ
- 当該機器との同等性を実証できる機器とは？
　- 技術的特性
　- 生物学的特性
　- 臨床的特性
- 同等性評価のための比較テーブル（MDCG 2020-5）
- 臨床評価の実施に関する要求事項
- MDRにおける臨床評価の流れ
- 臨床評価計画書
- 臨床評価・臨床試験前の相談

c. 臨床データの収集と分析
- 2種類の臨床データ
- 8. 関連データの特定（第1段階）
　- 8.1. 製造業者が収集し、保持するデータ
　- 8.2. 文献から収集したデータ
　- 【生成AI活用】文献検索の効率化テクニック
　　- AIによる検索クエリ最適化
　　- 自動スクリーニングと関連性評価
　　- 多言語文献への対応
- 9. 関連データの評価（第2段階）
　- 9.1. 全般的な留意事項
　- 9.2. 評価計画
　- 9.3. 評価の実施
　- 9.3.1 方法論的品質および科学的妥当性の評価方法
　- 9.3.2 臨床評価で使用するデータセットの関連性の判断方法
　- 9.3.3 各データの寄与度、重み付け方法
　- 【生成AI活用】データ評価の支援ツール
　　- AIによるバイアス検出
　　- エビデンスレベルの自動分類
　　- 評価基準への適合性チェック
- 10. 臨床データの解析（第3段階）
　- 10.1 全般的な留意事項
　- 10.2 特定の留意事項
　- 10.3 臨床データに基づく適合性の立証が適切とみなされない場合
　- 【生成AI活用】統計解析とレポーティング
　　- AIによるメタアナリシス支援
　　- 安全性・有効性データの可視化
　　- 規制要件に準拠した解析レポート自動生成

d. 臨床評価報告書（CER）の作成
- 11. 臨床評価報告書（CER、第4段階）
- CER作成の要求事項
- CERの構成と記載内容
- 【生成AI活用】CER作成の効率化
　- テンプレートベースのドラフト自動生成
　- 過去のCERからのベストプラクティス抽出
　- 規制要件との整合性チェック
　- 複数ガイダンスへの準拠確認
　- 多言語対応による国際展開の迅速化

e. 市販後監視との統合
- Section 1 市販後監視市販後監視計画（Article 84）
- Annex III 市販後監視に関する技術文書
- Section 1 市販後監視市販後監視報告書（Article 85）
- Section 1 市販後監視定期的安全性最新報告（Article 86）
- 【生成AI活用】市販後臨床フォローアップの高度化
　- PMCFデータの自動収集と分析
　- リアルワールドエビデンスの統合
　- 安全性シグナルの早期検出
　- PSUR作成の効率化と品質向上
　- ビジランスレポートとの連携

５. 臨床試験に関する要求事項
- 臨床試験に関する要求事項
- 医療目的がない製品に関する要求事項
- 【生成AI活用】臨床試験計画の最適化
　- 既存データからの試験デザイン提案
　- サンプルサイズ計算の支援
　- プロトコル作成の効率化

６. 臨床評価報告書（CER）作成の実践
- MDRに基づく臨床評価報告書（CER）を作成する際に考慮すべき7つの重要なポイント
　1. Indications 適応
　2. 文献検索
　3. 臨床試験
　4. 有効期限
　5. 一般的安全性・性能要件（GSPR）対必須要件（ER）
　6. 最先端技術
　7. ベネフィット/リスクの結論
- 【生成AI活用】CER品質管理
　- AIによる論理的一貫性チェック
　- 科学的根拠の妥当性検証
　- 規制当局の過去の指摘事項との照合

７. 逐条解説
a. MDR 第61条
- 臨床評価（Article 61）

b. Annex XIV
- Annex XIV 臨床評価および市販後の臨床フォローアップ

c. MEDDEV 2.7/1　Rev.4
- 6. 臨床評価の一般指針
　- 6.1. 臨床評価とは
　- 6.2. 臨床評価の実施時期と重要性
　- 6.3. 臨床評価の実施方法
　- 6.4. 臨床評価の担当者
- 7. 臨床評価の適用範囲の定義（第0段階）
- 8. 関連データの特定（第1段階）
　- 8.1. 製造業者が収集し、保持するデータ
　- 8.2. 文献から収集したデータ
- 9. 関連データの評価（第2段階）
　- 9.1. 全般的な留意事項
　- 9.2. 評価計画
　- 9.3. 評価の実施
　- 9.3.1 方法論的品質および科学的妥当性の評価方法
　- 9.3.2 臨床評価で使用するデータセットの関連性の判断方法
　- 9.3.3 各データの寄与度、重み付け方法
- 10. 臨床データの解析（第3段階）
　- 10.1 全般的な留意事項
　- 10.2 特定の留意事項
　- 10.3 臨床データに基づく適合性の立証が適切とみなされない場合
- 11. 臨床評価報告書（CER、第4段階）

８. 生成AI活用による規制遵守の未来（2026年版）
デジタルトランスフォーメーション時代の臨床評価
- 継続的コンプライアンス維持のためのAI活用
　- リアルタイム規制情報更新への対応
　- 複数地域の規制要件の統合管理
　- 変更管理プロセスの効率化

品質とスピードの両立
- 時間短縮の実績
　- 文献レビュー：従来比70%削減
　- CER初稿作成：従来比60%削減
　- 更新作業：従来比50%削減
- 品質向上の効果
　- 規制要件の網羅性向上
　- 論理的一貫性の確保
　- ヒューマンエラーの削減

ベストプラクティスの実装
- 成功事例から学ぶAI活用の実践
　- 大手医療機器メーカーの導入事例
　- 中小企業での効果的な活用方法
　- 認証機関の受け入れ状況

AI活用時の注意点
- 人間の専門性との組み合わせ
　- AIはあくまで支援ツール
　- 最終判断は規制専門家が実施
　- 透明性とトレーサビリティの確保
- データ品質と倫理的配慮
　- 入力データの品質管理
　- 患者プライバシーの保護
　- バイアスの監視と是正

※内容は予告なく変更になる可能性があります。