[論文レビュー] RegGuard: AI-Powered Retrieval-Enhanced Assistant for Pharmaceutical Regulatory Compliance

Siyuan Yang, Xihan Bian+1 more|arXiv (Cornell University)|Jan 25, 2026

Biomedical Text Mining and Ontologies被引用数 0

ひとこと要約

RegGuardは階層的意味的チャンク化（HiSACC）とドメイン適応型クロスエンコーダ再ランク付け器（ReLACE）を用いて規制テキストを取得・根拠付けし、医薬品の法令遵守における幻覚を減少させ、回答品質を向上させるエンタープライズAIアシスタント。

ABSTRACT

The increasing frequency and complexity of regulatory updates present a significant burden for multinational pharmaceutical companies. Compliance teams must interpret evolving rules across jurisdictions, formats, and agencies, often manually, at high cost and risk of error. We introduce RegGuard, an industrial-scale AI assistant designed to automate the interpretation of heterogeneous regulatory texts and align them with internal corporate policies. The system ingests heterogeneous document sources through a secure pipeline and enhances retrieval and generation quality with two novel components: HiSACC (Hierarchical Semantic Aggregation for Contextual Chunking) semantically segments long documents into coherent units while maintaining consistency across non-contiguous sections. ReLACE (Regulatory Listwise Adaptive Cross-Encoder for Reranking), a domain-adapted cross-encoder built on an open-source model, jointly models user queries and retrieved candidates to improve ranking relevance. Evaluations in enterprise settings demonstrate that RegGuard improves answer quality specifically in terms of relevance, groundedness, and contextual focus, while significantly mitigating hallucination risk. The system architecture is built for auditability and traceability, featuring provenance tracking, access control, and incremental indexing, making it highly responsive to evolving document sources and relevant for any domain with stringent compliance demands.

研究の動機と目的

• 国々の医薬品分野における rapidly evolving で異種の規制アップデートへ対応する課題を解決する。
• 規制テキストの解釈を自動化し、内部の企業ポリシーと整合させる。
• リトリーバル拡張世代を用いてLLMベースの規制分析における幻覚リスクを軽減する。
• 厳格なコンプライアンス環境に適した追跡可能で監査可能なシステムアーキテクチャを提供する。

提案手法

• HiSACCを導入し、長文の規制文書から一貫性のある非連続チャンクを作成する階層的意味的集約法を導入する。
• 規制QAデータに基づくリストワイス目標で訓練されたドメイン適応型クロスエンコーダ再ランク付け器のReLACEを開発し、ポストリトリーバルのランキングを改善する。
• Milvusからの埋め込みをReLACEで再ランク付けした後、文脈を生成器に渡すリトリーバル拡張生成パイプラインを採用する。
• スキャン済みコンテンツを OCR 付きの安全なパイプラインでPDF、Word、Excel、Google Docs/Sheetsなどの多-formatの企業文書を取り込む。
• RocheのGalileo AI Platform内でGradio/FastAPIを用いてユーザー対話を提供し、内部GPT-4 Turboモデルで生成を行う。
• 企業向け規制QAデータセットとRC-QA評価フレームワークを用いて、関連性、根拠付け、忠実性を測定して評価する。

実験結果

リサーチクエスチョン

• RQ1 階層的チャンク化は長大な規制文書の意味的一貫性と検索品質をどのように向上させるか？
• RQ2 ドメイン適応型クロスエンコーダ再ランク付け器（ReLACE）は規制QAタスクにおけるポストリトリーバルの関連性と根拠付けを向上させるか？
• RQ3 HiSACC + ReLACEは医薬品規制コンプライアンス環境における正確さ、根拠付け、幻覚リスクにどのような影響を及ぼすか？
• RQ4 RegGuardは企業インフラ上で監査可能な出所、アクセス制御、信頼性の高い運用を提供できるか？

主な発見

• HiSACCとReLACEの組み合わせは、関連性・根拠付け・忠実性の観点で複数のリトリーバル設定においてベースラインを一貫して上回る。
• HiSACCは従来のRCSよりも意味的チャンク化を改善し、断片化を減らし文脈の整合性を向上させる。
• ReLACEはドメイン適応型のリストワイズ再ランク付けを提供し、規制 passages へのクエリ文脈の一致を高めることで根拠付けを強化し幻覚を低減する。
• 統合システムは強力な忠実性と根拠付けを達成しつつ企業利用に適した実用的な待機遅延を維持する。
• システム展開は監査可能性、出所追跡、内部運用のセキュリティを重視し、コンプライアンス環境に適合する。