図1医薬品/医療機器の価値とは？

薬剤経済学では、医療の価値は、生命予後（生存年数）とQOLの改善によって評価できると考えます（図1）。医薬品や医療機器はもちろん、医師の診療、看護師の看護など医療に係る様々な行為はすべて患者の生命予後、あるいはQOL（あるいは両方）の改善に貢献しているはずです。生命予後とQOLを単一の指標で評価できるように生み出されたのが、質調整生存年（QALYs：Quality-adjusted Life Years）という指標です。

図2質で調整した生存年（QALYs）

最初にAさんは完全な健康状態（QOL値=1）でしたが、10年目に健康状態が悪化し、QOL値が0.8に低下しました。その状態で10年間過ごした後に再び体調を崩し、今度はQOL値が0.5に低下しました。さらに10年後にQOL値が0.2に低下し、その10年後に亡くなりました。このときAさんのQALYsは下記のように計算することができます。

AさんのQALYs＝10年×1.0＋10年×0.8＋10年×0.5＋10年×0.2＝25QALYs

一方Bさんは最初から健康状態が良くなく、QOL値は0.5でした。その状態で40年間を過ごし、40年目に亡くなりました。ＢさんのQALYsは下記のように計算されます。

BさんのQALYs＝40年×0.5＝20QALYs

ＡさんとＢさんの生存年数はどちらも40年ですが、2人の40年間の過ごし方は明らかに異なります。QALYsを使って生命予後とQOLの両方を総合評価することで25QALYsと20QALYsと見事に２人区別することができました。

図3薬剤経済学とは

薬剤経済学では、そもそも臨床試験の中でQALYsを評価することをあまり行いません。観察期間の短さも理由のひとつですが、薬剤経済学は通常現実世界（リアルワールド）における費用対効果を評価することが目的であるため、プロトコルで規定された実験環境である臨床試験における評価は目的に合わないことが大きな理由です。薬剤経済学では患者の長期的な状態変化やそれに伴うQALYs・費用の推計のために「モデル」を使います。モデルとは、治療の流れと患者の予後を人工的に構築したものです。薬剤経済学では、モデルを使って臨床試験期間を超えた時間範囲におけるイベントの発生や生命予後を推計し、それに基づきQALYsや費用の推計を行います（図４）。

図4臨床試験と
モデルシミュレーション

急性疾患の分析には、決定樹モデル（ディシジョンツリー）というモデルがよく使われます（図５）。ディシジョンツリーの構造は非常にシンプルで、治療や疾患の流れを左側から右側に向かって組み立てていきます。「治療を開始して３日目に初期治療効果を判定する。有効な場合は治療継続、効果不十分な場合は、別の薬剤に切り替える。効果不十分な確率は5%・・・」のように起こりうるシナリオと確率によってツリーを構築します。ディシジョンツリーを使うと、ある治療を行った場合に、確率的に期待できる費用や生存年数を推計することができます。これらを期待費用、期待生存年と呼びます。

図5決定樹モデル（ディシジョンツリー）

一方慢性疾患の分析では、マルコフモデルというモデルがよく使われます（図6-1）。マルコフモデルは、疾患の予後を複数の状態に定義し、患者が長期的にその状態間を移動していく様子をシミュレーションします。図6-1は仮想的な疾患Aの予後に関するマルコフモデルです。この疾患Aに対する新薬Aは、病態悪化率（及び死亡率）を従来療法よりも50%抑制する効果があるとして、マルコフモデルでシミュレーションした生存曲線（10年間）が図6-2になります。このシミュレーション結果から2群の期待生存年の差は0.9年であることがわかります。

糖尿病のように複数の疾患が同時に進行していく疾患の分析には、モンテカルロシミュレーションという手法が用いられる場合もあります。モデルの詳しい説明は、勁草書房から出版されている「講座　医療経済・政策学　第4巻　医療技術・医薬品」の第５章、「臨床経済学のためのモデル分析」をご覧ください。

例えば、ある疾患における既存薬Aに対する新薬Bの評価を考えます（図７）。もしも新薬Bの総費用（薬剤費だけではなく関連して発生する費用も含んだ総費用）が既存薬Aの総費用よりも小さく、QALYsが大きい結果となった場合は、非常にシンプルな結論が導かれます。すなわち、迷わず新薬Bを選択すべし、です。反対に、新薬Bの方が費用が大きくQALYsが小さい場合は、新薬Bを選択する理由は何もありません。

問題は、新薬Bの費用が既存薬Aよりも大きく、QALYsも大きい場合です（その逆の場合もありますが、現実的には新薬Bは既存薬AよりもQALYsが大きい（あるいは等しい）ことが前提になりますから、反対の場合の議論は割愛します）。言い換えれば、既存薬Aよりも新薬Bは、効果（QALY）が大きいが、その分費用が余計にかかってしまうというような状態です。

図7費用対効果平面

このような場合は、既存薬Aから1QALY延長するために必要となる追加費用で、新薬Bの費用対効果を評価します。これを増分費用効果比（incremental cost-effectiveness ratio: ICER）と言います。図８はICERの例です。新薬Bは既存薬Aよりも2QALYs延長することができますが、費用も200万円多く発生します。このとき新薬BのICERは

200万円/2QALYs＝100万円/1QALY延長

となります。

図8ICERの考え方

問題はこの100万円のICERが高いか安いか、つまり費用効果的と言えるかどうか、です。そのためには費用対効果を判断するための指標、つまりICERがこの値を下回れば費用効果的と考える、という値が必要になります。この値のことをICERの閾値と呼びます。実は多くの国で薬剤経済学は公的な医療政策に利用されており、英国はその代表的な国のひとつですが、英国ではICERの閾値を3万ポンドと考えているようです。日本円にすれば500万円から600万円といったところでしょうか。日本でも1QALYに対する支払意思額についての研究で同様の数値が報告されています。

日本では医療費が多くかかることが悪いことのように考えられがちですが、実は薬剤経済学を公的に利用している国でそのような考え方をしている国はひとつもありません。仮に医療費が多くかかったとしても、それに見合った価値があれば許容しよう、という考え方をしています。そしてそれこそが薬剤経済学の考え方なのです。

こうした不確実性による影響を評価するために、モデルを使った薬剤経済分析では感度分析を行います。感度分析とは、使用したパラメータを一定の範囲で変化させた場合に結果がどのように変化するかを検証する手法です。例えば、降圧剤の有効率（85%）を95%信頼区間の下限値から上限値（例えば75%～95%）で変化させてみて、「費用効果的である」という結論が変化しないかどうかを確認します。パラメータの値を変化させればICERの値も変化しますが、それでもICERが閾値（例えば500万円）を下回っていれば、「費用効果的である」、という結論は維持されます。ひとつひとつのパラメータを変化させる感度分析を一元感度分析（図９）、同時に2つのパラメータを変化させる感度分析を二元感度分析（図１０）と呼びます。

さらに高度な感度分析として、パラメータの不確実性をそのまま確率分布として扱い、確率的に不確実性の影響を検証する方法もあります。これを確率的感度分析（probabilistic sensitivity analysis, PSA）と呼びます。PSAを実施すると、ICERが閾値を下回る確率（つまり費用効果的と考えられる確率）を示すことができます。横軸にICERの閾値を、縦軸にその閾値に収まる確率をとったグラフは費用効果受容曲線（cost-effectiveness acceptability curve, CEAC）と呼ばれ、最近の費用効果分析ではよく登場します。

例えば図１１からは、分析対象の薬剤のICERが500万円以内になる確率はおよそ６０%であることがわかります。

図11費用対効果受容曲線
（cost-effectiveness acceptability curve）

費用効果分析の本質は、希少資源の効率的配分を考えるための意思決定分析であり、製薬・医療機器会社が日ごろ親しんでいる臨床研究の考え方とは大きく異なります。この違いを認識しないと、当局との交渉のための効果的な理論構築はできません。
クレコンメディカルアセスメントは、薬剤経済学や費用効果分析における３０年の経験から、豊富な専門知識と高い専門技術を有しています。日本版HTAに関する疑問などありましたら、お気軽にお問合せください