No.103GVP省令における文献情報の収集方法について
GVP省令における文献情報収集へのAI活用について
本回答は、文献情報収集の内製化・効率化を検討されている製造販売業者のGVP（製造販売後安全管理）担当者の方を主な想定読者としています。
結論
GVP省令には、AI（人工知能）の利用を禁止する規定は存在しません。したがって、文献情報の「検索」「重複除去」「翻訳」「要約の下書き」といった補助的作業にAIを用いること自体は、適切な管理下であれば一般に許容されると考えられます。
ただし、以下の4点が前提となります。
- 安責（安全管理責任者＝GVP省令に基づき安全管理業務を統括する責任者）による最終的な評価・判断が確実に行われること（AIに判断を委ねない）
- 文献検索が網羅的（漏れがない）であることを、検索式・データベース・検索期間・実施日などの記録により説明できること
- AI利用のプロセスを安全管理業務手順書（SOP）に規定し、記録を残すこと
- AIツールを「安全管理業務に使用するコンピュータ化システム」として管理すること（後述のCSV／データインテグリティ）
逆に、これらを整備せずに「AIに検索させて出てきたものだけを見る」という運用は、GVP適合性調査（都道府県・PMDAによる調査）において「網羅的な情報収集ができているとは言えない」と指摘されるリスクが高いと考えられます。
※ 現時点で、厚生労働省・PMDAから「GVP業務におけるAI利用」に特化した公的ガイダンスは発出されていないと承知しています。したがって、以下は既存の規制要件からの一般的解釈であり、重要な運用変更の際は所管の薬務主管課への事前相談をお勧めします。
全体像：「GVPが元々求めていること」と「AI特有の追加論点」
| 区分 | 内容 |
|---|---|
| GVP省令が元々求めていること（AIの有無に関係なく必須） | ① 学会報告・文献報告等を含む安全管理情報の網羅的な収集 ② 収集した情報の記録の作成・保存 ③ 安責による検討・評価と安全確保措置の立案 ④ 手順書（SOP）に基づく実施 |
| AIを使う場合に追加で考えるべきこと | ① ハルシネーション（AIが存在しない論文等をもっともらしく生成する現象）への対策 ② 検索・スクリーニングの網羅性の検証（バリデーション） ③ CSV／データインテグリティ（記録の信頼性確保） ④ クラウド利用に伴う機密保持（入力データの学習利用など） |
つまり、「AIを使ってよいか」ではなく、「AIを使っても、GVPが元々求める品質水準を維持できることを証明できるか」が本質的な論点です。
1. GVP省令が求めている「文献情報の収集」とは
1.1 該当条文
GVP省令の正式名称は「医薬品、医薬部外品、化粧品、医療機器及び再生医療等製品の製造販売後安全管理の基準に関する省令」（平成16年厚生労働省令第135号）です。
※ この名称は、平成26年の薬事法改正（医薬品医療機器等法への改称）に伴う改正後のものです。それ以前は「医薬品、医薬部外品、化粧品及び医療機器の製造販売後安全管理の基準に関する省令」でした。
安全管理情報の収集については、第一種製造販売業者（処方箋医薬品等）の場合、次の条文が中心となります。
| 条文 | 概要 |
|---|---|
| 第7条 | 安全管理情報の収集（学会報告、文献報告その他研究報告に関する情報を含む） |
| 第8条 | 安全管理情報の検討及びその結果に基づく安全確保措置の立案 |
| 第9条 | 安全確保措置の実施 |
※ 第二種・第三種製造販売業者、医療機器、再生医療等製品では、適用される章・条番号が異なります（医療機器・再生医療等製品については別章に規定されています）。自社の許可区分に対応する正確な条番号は、上記e-Govの本文でご確認ください。
1.2 「収集」に求められる質
重要なのは、GVP省令が求めているのが単なる「情報の入手」ではなく、副作用・不具合等の安全性シグナルを見落とさないための網羅的・体系的な収集である点です。
文献情報は、薬機法第68条の10（副作用等報告）に基づく15日報告／30日報告の起点にもなり得ます。報告遅延は法令違反に直結します。
「AIが拾わなかったので報告が遅れました」という説明は、行政に対しては通用しません。責任は最終的に製造販売業者（および総責＝総括製造販売責任者、安責）に帰属します。
1.3 適合性調査でよく問われるポイント（一般論）
AI導入の有無にかかわらず、文献調査については概ね次の点が確認されます。AI化を検討する際は、これらに同等以上の水準で答えられるかを基準にしてください。
- 検索の頻度：定期的に（実務上は週1回程度を目安とする運用が広く行われています）実施されているか
- 検索の範囲：国内文献（医中誌Web等）・海外文献（PubMed、Embase等）の双方が対象となっているか
- 検索式の妥当性：製品名（一般名・販売名・開発コード・海外名）、同義語、表記ゆれが網羅されているか
- 記録：検索日、検索式、ヒット件数、選定／除外の理由が残っているか
- 委託時の管理：委託先との契約書に収集範囲・頻度・報告タイムラインが明記され、委託先の業務実施状況を確認しているか
※ これらは省令本文というより、GVP省令の運用通知・質疑応答（Q&A）や調査実務で示されてきた期待事項です。個別の通知番号については、所管窓口や最新の通知集でご確認ください（本回答では確認できた範囲を超える引用は控えます）。
2. AIに任せてよい部分／任せてはいけない部分
| 工程 | AI活用の可否 | 留意点 |
|---|---|---|
| ① 検索式（クエリ）の設計 | 補助的に可 | 最終的な検索式は人（安責または委任された担当者）が承認 |
| ② データベースの検索実行 | 可 | PubMed等のAPIによる自動収集は従来から実施されている |
| ③ 重複除去（デデュプリケーション） | 可 | ロジックが検証可能であること |
| ④ 一次スクリーニング（明らかな非該当の除外） | 条件付きで可 | 除外基準を明文化し、除外されたものも記録に残す。感度（拾い漏れのなさ）重視の設定が必須 |
| ⑤ 抄録・全文の要約、翻訳 | 可（下書きとして） | 必ず原典（原著論文）を確認する |
| ⑥ 症例性（患者・被疑薬・有害事象・報告者の4要素）の判定 | AI単独では不可 | AIの出力は「案」にとどめ、人が確認・確定 |
| ⑦ 因果関係・重篤性・既知／未知の評価 | AI単独では不可 | AIによるドラフト作成は可だが、安責等が最終判断 |
| ⑧ 報告要否の決定・当局報告 | 不可 | 安責・総責の職責であり、人が判断・承認する |
考え方の整理：⑥〜⑧について「AIを一切使ってはならない」という規制はありません。ポイントは、AIの出力を最終判断としないこと、そして人が確認・承認した記録が残ることです。
2.1 特に注意すべき「ハルシネーション」
生成AI（ChatGPT等の大規模言語モデル）は、存在しない論文・存在しないDOI・実在しない著者名をもっともらしく生成することがあります（ハルシネーション＝幻覚）。
安全性情報の文献収集でこれが起きると、
- 偽の症例報告を作り出す（過剰報告・無駄な調査工数）
- 実在する重篤症例を「該当なし」と判定する（報告漏れ）
いずれも重大な結果を招き、特に後者は薬機法違反となり得ます。
実務上の鉄則
- AIの要約は「出発点」として使い、重要な情報は必ず原典で確認する
- AIが示した文献が実在するか（PMID／DOI等）を機械的に照合する
- 可能な限り、AIには「検索・整理」をさせ、「事実の生成」をさせない（データベースの検索結果を入力として与える構成にする）
3. GVP省令上の要求事項をどう満たすか
3.1 手順書（SOP）への規定【必須】
GVP省令は、安全管理業務を安全管理業務手順書に基づいて行うことを求めています。AIを使う場合、以下を手順書または関連文書に明記してください。
- 使用するAIツールの名称・バージョン・提供元
- 検索対象データベース（例：PubMed、Embase、医中誌Web など）
- 検索頻度（例：週1回）と検索対象期間
- 検索式（キーワード、MeSH、同義語、和文・英文の別）
- AIが実施する範囲と、人が実施する範囲の明確な境界
- AI出力のレビュー方法・レビュー担当者・承認者
- ハルシネーション等の誤りを検知した場合の対応（逸脱処理）
- 記録の保存方法・保存期間
- 担当者への教育訓練
3.2 「検索の網羅性」の証明が最大の論点
適合性調査で必ず問われるのは、「なぜその方法で漏れがないと言えるのか」です。AIを使う場合、以下の検証をお勧めします。
既知データセットによる再現率（リコール）テスト
- 過去に人手（または委託先）で収集・評価済みの一定期間の文献セットを「正解データ」として用意する
- 同じ期間・同じ条件でAIに検索・スクリーニングさせる
- 正解データのうちAIが拾えた割合（感度／再現率）を算出する
- 拾えなかったもの（偽陰性）の原因を分析し、検索式やプロンプトを改善する
- 目標水準に達したことを記録する
※ 目標とすべき再現率について、GVP省令や関連通知に数値基準は示されていません。以下は弊社としての実務的な推奨であり、規制上の合否基準ではありません。安全性シグナルの見落としを避ける観点から、実務上は「過去に人手で収集した該当文献をすべて拾えるレベル」を品質目標に設定することが望ましいと考えます。
重要：一次スクリーニングにAIを使う場合は、「疑わしきは残す」設定にしてください。除外率（効率）を追求すると、報告漏れリスクが跳ね上がります。
3.3 CSV／データインテグリティの観点
どこまでが法令上の義務かを整理しておきます。
- GVP省令自体には、CSV（コンピュータ化システムバリデーション＝コンピュータシステムが意図したとおり動作することを検証・文書化する活動）の詳細な明文規定はありません。
- 一方で、GVP省令は記録の作成・保存を求めており、その記録が電磁的記録である場合、ER/ES指針（電子記録・電子署名に関する指針）に沿った真正性・見読性・保存性の確保が期待されます。
- また、GMP/QMS領域向けのコンピュータ化システム適正管理ガイドライン（平成24年4月1日 薬食監麻発0401第2号）は、GVP領域を直接の対象とはしていませんが、その管理の考え方（開発・検証・運用・変更管理）は実務上のベストプラクティスとして広く準用されています。
参考文書：
- 医薬品等の承認又は許可等に係る申請等における電磁的記録及び電子署名の利用について（平成17年4月1日 薬食発第0401022号）／厚生労働省
- コンピュータ化システム適正管理ガイドライン（平成24年4月1日 薬食監麻発0401第2号）
※ 本ガイドラインの通知本文URLは確認できた確実なものがないため、リンクは付していません。発出番号でご検索ください。
データインテグリティ（ALCOA+）：記録が Attributable（誰が）、Legible（読める）、Contemporaneous（同時記録）、Original（原本）、Accurate（正確）であること、およびその拡張要件。AI利用時は特に次を確認してください。
- AIの入出力ログ（監査証跡）が保存されるか
- 使用したモデル名・バージョンが記録されるか（モデル更新で挙動が変わるため）
- 同じ入力で再現性のある結果が得られるか（生成AIは非決定的であり、温度設定等の固定が必要）
3.4 情報セキュリティ・秘密保持（クラウド利用の留意点）
クラウド型の商用AIサービスでは、入力データが提供者側のモデル学習に使用される可能性があります。
- 文献の抄録そのものは公開情報のため、リスクは相対的に低い
- しかし、自社製品名・開発コード・未公開の安全性懸念をプロンプトに含めると、それ自体が機密情報の外部流出となり得る
- 症例情報を扱う場合は、個人情報保護法上の要配慮個人情報に該当し得る点にも注意
対策の例
- 学習利用をオプトアウトできる契約形態（法人向けプラン、API利用等）を選択する
- オンプレミス／プライベートクラウドでの運用
- 入力データの匿名化・製品名のマスキング
- クラウド利用に共通するリスク評価（データの保存場所（国内／国外）、委託先管理、再委託先（サブプロセッサ）の管理、サービス終了時のデータ移行）を実施し、記録する
4. コスト削減の観点からの現実的な提案
「外注を丸ごとAIに置き換える」のではなく、工程を分解して部分的にAI化するアプローチをお勧めします。
段階的導入プラン（弊社推奨）
| 段階 | 内容 | 削減効果 | リスク |
|---|---|---|---|
| Step 0 | 現状の外注内容を工程分解し、コスト構造を可視化 | ― | なし |
| Step 1 | 検索・重複除去・翻訳・要約下書きのみ内製化（AI活用）。スクリーニング判定は従来どおり人が実施 | 中 | 低 |
| Step 2 | Step 1を6か月〜1年並行運用し、AI結果と人の結果を比較検証 | ― | 低（並行運用のため） |
| Step 3 | 検証結果が良好であれば、一次スクリーニングにAIを部分導入（明らかな非該当のみ除外） | 大 | 中（要SOP整備・要記録） |
| Step 4 | 定期的な再検証（年1回、およびモデル更新時） | ― | ― |
Step 2の並行運用（パラレルラン）が極めて重要です。いきなり切り替えるのではなく、一定期間は従来方式とAI方式を両方走らせ、差分を記録してください。これが後日のGVP適合性調査における最良のエビデンスになります。
AI以外のコスト削減の選択肢
- 検索範囲の適正化：過剰に広い（または狭すぎる）検索式になっていないかを外注先と再協議する
- 契約形態の見直し：件数従量制／定額制の比較
- 国内文献と海外文献の分離：一方のみ内製化する
- 既存システムの機能活用：既に契約済みのPVデータベース・文献管理ツールに自動検索機能が含まれていないか確認する
5. 医療機器・再生医療等製品の場合
医療機器・再生医療等製品の製造販売業者も、GVP省令の該当章に基づき、学会報告・文献報告等を含む安全管理情報を収集する義務があります（条番号は医薬品と異なります）。加えて、次の枠組みとの整合が必要です。
- 薬機法第68条の10に基づく不具合等報告（医薬品と同様、報告期限が定められています）
- ISO 14971:2019「医療機器 ― リスクマネジメントの医療機器への適用」第10章（製造及び製造後の活動）：市販後情報の収集・レビューがリスクマネジメントの入力となることを要求しています
- 製造販売後調査等（GPSP省令）との役割分担：GVPは「安全管理情報の収集・評価・措置」、GPSPは「調査・試験の計画的実施」であり、文献情報の位置づけが異なります
医療機器の場合、文献検索は製品名だけでなく、同種同効品・技術カテゴリー（例：材料、術式）も対象とすることが求められる場面があり、AIによる検索設計はこの点で有用な一方、除外判断は特に慎重さが必要です。
6. 導入チェックリスト
- 安全管理業務手順書（SOP）にAI活用のプロセスを規定したか
- AIが実施する範囲と人が判断する範囲の境界を明文化したか
- 安責による最終評価・承認のプロセスが確保されているか
- 検索式・データベース・検索日・ヒット件数の記録が残るか
- 検索の網羅性を検証（バリデーション）し、記録したか
- AIが除外した文献も、除外理由付きで記録として残るか
- 原典（原著論文）の確認プロセスが組み込まれているか
- AIツールのバージョン管理・変更管理（モデル更新時の再検証）の仕組みがあるか
- 監査証跡（入出力ログ）が保存されるか
- 入力データの機密保持（学習利用の有無、保存場所、再委託）を契約で確認したか
- 担当者へのAI利用に関する教育訓練を実施・記録したか
- 一定期間の並行運用による妥当性確認を行ったか
- 定期的な再評価（年次レビュー）の計画があるか
7. ご質問への実務的な回答（まとめ）
「文献情報の収集をAIに行わせることは可能か」というご質問に対して、工程別に整理すると以下のとおりです。
当面、AI化しやすい（コスト削減効果が出やすい）工程
- データベースからの定期検索の自動実行
- 重複除去・文献リストの整形
- 抄録の和訳、要約の下書き作成
- 検索式の候補作成（最終承認は人）
当面は人（外注または自社担当者）に残すことを推奨する工程
- 症例性の判定（患者・被疑薬・有害事象・報告者の4要素）
- 重篤性・既知／未知・因果関係の評価
- 報告要否の決定と当局報告
- 一次スクリーニングの最終判断（十分な検証が完了するまで）
導入にあたって必ず行うべきこと
- SOP改訂（AIの適用範囲と人の責任範囲の明文化）
- 既知データセットによる網羅性の検証と記録
- 6か月〜1年程度の並行運用と差分記録
- 安責による最終評価プロセスの維持
この形であれば、外注費のうち「検索・整理・翻訳」に相当する部分を圧縮しつつ、GVP上のリスクを抑えることが可能と考えられます。
参考情報源
- GVP省令（医薬品、医薬部外品、化粧品、医療機器及び再生医療等製品の製造販売後安全管理の基準に関する省令）／e-Gov法令検索
- 医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律／e-Gov法令検索
- 医薬品等の承認又は許可等に係る申請等における電磁的記録及び電子署名の利用について（平成17年4月1日 薬食発第0401022号）／厚生労働省
- コンピュータ化システム適正管理ガイドライン（平成24年4月1日 薬食監麻発0401第2号）
- ICH E2D「承認後の安全性情報の取扱い：緊急報告のための定義及び基準」、ICH E2E「医薬品安全性監視の計画」
本回答は一般的な解釈をお示しするものであり、個別の事案については所管の都道府県薬務主管課またはPMDAへのご確認をお勧めいたします。また、AI利用に関する規制当局の考え方は今後整備・変更される可能性があるため、最新情報のフォローをお願いいたします。
株式会社イーコンプライアンス
関連商品・参考情報のご案内
