MCPが拓く次世代の臨床研究：TrialMindエージェントの仕組み

はじめに

臨床開発に入った医薬品候補のうち、承認に至るのは約1割にとどまるといわれます。AIによる変革の前には、3つの壁があります。LLMが現実のデータから切り離されていること、データソースが分断されていること、そして生物医学分野特有の厳しい規制要件です。

その解決策として注目されるのが、Anthropicが2024年11月に公開したオープン標準 MCP（Model Context Protocol） です。「AIアプリケーションのためのUSB-Cポート」を目指し、AIモデルと外部のデータやツールとの安全な接続を標準化します。臨床研究向けAIエージェント群であるTrialMindにとって、MCPは基盤そのものです。

MCPのアーキテクチャ

MCPはクライアント・サーバー型です。

• MCPサーバー： 特定のデータソースや機能をMCP標準で公開する軽量なプログラム
• MCPクライアント： AIアプリケーションに組み込まれ、サーバーとAIモデルの間で要求と応答を中継
• 通信は主にJSON-RPCベースで、言語に依存しません。

サーバー側の基本要素は次の3つです。

• Tools： データベース検索やWeb検索など、外部で処理を実行する関数
• Resources： AIのコンテキストを補う構造化データや文書
• Prompts： やり取りを導く定型の指示やテンプレート

1. TrialMind-SLR：システマティックレビュー向け文献マイニング

LLMは学習データの時点までしか知りません。TrialMind-SLRはMCP経由で、PubMed検索（literature_search）やClinicalTrials.gov検索（trial_searcher）などのツールを呼び出し、常に最新の文献や試験情報に基づいて回答します。

データベースごとの個別APIを意識する必要はありません。LLMは構造化されたMCPリクエストを送るだけで、検索の複雑さはサーバー側が吸収します。

2. TrialMind-DSA：データサイエンスアシスタント

電子カルテ、レジストリ、CDISC/OMOPリポジトリなどに分散したデータに対して、自然言語で解析を行います。

• 適格基準の評価： 「自施設の電子カルテで、試験XYZの除外基準に該当する患者は何人か」といった問いに、コホート抽出、登録見込みの推定、可視化まで行います。
• リアルタイムの実施可能性分析： 図表、要約統計、再利用できるRやPythonのコードを返します。
• 合成データでの検証： デジタルツインで生成した合成データを用いて、稀な集団のシミュレーションや予測モデルの検証を行います。

MCP経由のすべての操作は、アクセス履歴、パラメータ、出力とともに記録されます。審査側から根拠を問われても、元のクエリ、データ、コードまでさかのぼれます。これがGxPに必要な監査証跡になります。

3. TrialMind-Optimize：試験デザイン・リクルート・結果予測

• AutoTrial： 40万件超の過去の試験を分析し、適格基準の案を作成
• TrialGPT： FHIRベースのMCPサーバー経由で、電子カルテから適した患者を特定。TrialGPTの論文では、関連する試験の90%超を候補全体の6%未満に絞り込んだ段階で拾い出し、基準ごとの説明の87.8%が専門家に「正確」と評価されました
• SPOT： ベースライン特性や過去の試験データから試験結果を予測
• モニタリング・QA： EDCと接続し、プロトコル逸脱や重篤な有害事象などを検知
• 規制文書の作成： InformGenなどのモデルで、施設別の同意文書などの作成を支援

臨床試験のための統合AIエコシステムへ

MCPがもたらすものは次の5つです。

• 多様なシステムとの相互運用性
• 権限管理とログによる安全性とコンプライアンス
• 再現性と監査可能性
• 信頼できる情報源への問い合わせによる、ハルシネーションの低減
• 複数ステップのエージェント処理への拡張性

臨床研究者は「このプロトコルの米国での登録見込みは？」と尋ねるだけで、出典付きで再現可能な回答を得られるようになります。

参考文献

• Jin Q, et al. Matching patients to clinical trials with large language models. Nature Communications 15, 9074 (2024). https://doi.org/10.1038/s41467-024-53081-z
• Sun D, et al. Why 90% of clinical drug development fails and how to improve it? Acta Pharmaceutica Sinica B 12, 3049–3062 (2022). https://doi.org/10.1016/j.apsb.2022.02.002
• Anthropic. Introducing the Model Context Protocol（2024年11月25日）https://www.anthropic.com/news/model-context-protocol