医療審査を60%短縮｜AI審査官を役割別に分ける実装

実装・ノウハウ米国メガテック Amazon Bedrock 07/15 17:06

AI TREND

Flo Health：医療審査AIを本番稼働

女性向け健康アプリを提供するFlo Healthが、Amazon Bedrock上に医療コンテンツの審査・生成システムを本番稼働させ、審査時間を60%削減し、医療チームを増やさずに制作量を3倍にした事例をAWSが公開した。

3 の要点を3分で

女性向け健康アプリを提供するFlo Healthが、Amazon Bedrock上に医療コンテンツの審査・生成システムを本番稼働させた。AWS Generative AI Innovation Centerの実証実験(PoC)を本番運用に発展させた結果、審査時間を60%削減し、医療チームを増やさずにコンテンツ制作量を3倍にした。従来、医療専門家は1記事あたり平均7営業日を費やして事実確認やチェックリスト照合を行っており、これが制作拡大の最大の障害になっていた。

設計の核は、審査を一括で任せず観点ごとに専用のAI審査官(AI Judge)を分けた点にある。医療精度・法令順守・ブランド調整などを個別に評価し、評価はLLM-as-a-judge方式で正確性・完全性・忠実性(ハルシネーション検出)の品質指標から選ぶ。リスクや遅延・コストに応じて、高リスク検査には高精度モデル、簡易検査には軽量モデルを割り当てる。生成側は軽い分類にClaude Haiku、高度な文章生成にClaude Sonnetを使い分け、検索拡張生成(RAG)で信頼できる医療ソースに根拠を縛る。

運用は内部ガイドライン照合・外部医療ソース照合・人による最終確認の三層検証で、最終判断を人が握る。AIを人の代替ではなく専門家の作業を増幅する支援役に据えた設計は、規制の厳しい領域で生成AIを本番投入する際の再現性のある参照点になる。

医療審査を60%短縮｜AI審査官を役割別に分ける実装の本文内説明図 — 図解: 医療審査AIを本番稼働 - 女性向け健康アプリを提供するFloHealthがAmazonBedrock

押さえるポイント

この変化で何が要点か。図解と出典つきで一目で。

審査時間60%削減、医療チーム増員なしで制作量3倍を達成
審査観点ごとに専用のAI審査官を分けて個別評価する設計
リスクに応じて高精度モデルと軽量モデルを使い分ける

5W1Hでサクッと理解

構造化された事実を最初に。誰が何をいつどこでなぜどのように。

誰が: Flo Health
何を: 医療審査AIを本番稼働
いつ: 2026年7月15日
どこで: Amazon Bedrock
なぜ: 審査が制作の障害
どのように: 観点別AI審査と三層検証

背景

Floでは、アプリ内記事から利用開始フローまであらゆるコンテンツが厳格な医療精度基準を満たす必要がある。医療専門家は1記事あたり平均7営業日を費やし、事実確認や10項目のチェックリスト照合を行っており、これが制作拡大の最大の障害となっていた。医療知識を持つ人材は希少で採用も難しく、審査担当者を増やす従来のやり方は経済的にも持続的でない。汎用AIツールは根拠のない情報を生成する誤り（ハルシネーション）のリスクがあり、信頼できる医療ソースのみに基づき出典を明示する専用システムが必要だった。

なぜ今注目なのか

医療という高リスク領域で、AIを人の代替ではなく専門家の作業を増幅する『支援役』として組み込んだ実装例である。審査の観点ごとに専用のAI審査担当（AI Judge）を分け、リスクに応じてモデルを使い分ける設計は、正確性と運用コストを両立させたい企業にとって再現性のある指針になる。人が最終判断を握る三層検証の運用は、規制の厳しい業界での生成AI導入の現実解を示す。

審査時間を60%削減した本番システムの中身

Flo Healthは、AWS Generative AI Innovation Centerの実証実験(PoC)を、Amazon Bedrock上の本番運用システムに発展させた。結果は明確で、審査時間を60%削減し、医療チームを増やさずにコンテンツ制作量を3倍にした。

In this post, we share how Flo Health's engineering team turned a proof of concept (PoC) from the AWS Generative AI Innovation Center into a production-grade, AI-powered medical content review and generation system built on Amazon Bedrock.
出典: Scaling medical content review at Flo Health with Amazon Bedrock – Part 2

引用にある「proof of concept(PoC)」は実証実験、「production-grade」は本番運用に耐える品質を指す。Floではアプリ内記事から利用開始フローまで、あらゆるコンテンツが厳格な医療精度基準を満たす必要がある。医療専門家は1記事あたり平均7営業日を費やし、事実確認や10項目のチェックリスト照合を行っており、これが制作拡大の最大の障害になっていた。人を増やす従来のやり方ではなく、専門家の作業を増幅する支援役としてAIを組み込んだのが、この事例の核心である。

観点別のAI審査官と、リスクで変えるモデル割り当て

この実装が汎用AIチャットの単純導入と分かれるのは、審査を一括で任せず、観点ごとに専用のAI審査官(AI Judge)を分けた点にある。医療精度、法令順守、ブランド調整などを個別に評価し、どの軸がどの水準で通ったかを分けて追える。

評価はLLMを審査員として使う方式(LLM-as-a-judge)で駆動する。これは、あるAIの出力を別のAIが採点する仕組みで、正確性・完全性・忠実性(ハルシネーション検出=根拠のない情報の生成を見つけること)などの品質指標から選べる。

さらに、リスクや遅延・コストに応じてモデルを使い分ける。高リスクな検査には高精度モデル、簡易な検査には軽量モデルを割り当て、全件に高精度モデルを使わずコストを抑える。生成側も、軽い分類にはClaude Haiku、高度な文章生成にはClaude Sonnetを使い分け、検索拡張生成(RAG=信頼できる医療ソースを検索して回答の根拠に縛る仕組み)を組み合わせる。

人が最終判断を握る三層検証という現実解

医療という高リスク領域で生成AIを本番投入する際に、Floが採ったのは三層の検証である。

内部ガイドライン照合: 自社の医療精度基準やチェックリストと突き合わせる。
外部の信頼できる医療ソース照合: 出典を明示できる信頼できる医療情報と照らす。
人による最終確認: 最終判断は医療専門家が握る。

汎用AIツールには根拠のない情報を生成する誤り(ハルシネーション)のリスクがあるため、信頼できる医療ソースのみに基づき出典を明示する専用システムが必要だった。AIを人の代替ではなく専門家の作業を増幅する支援役に据えたことで、審査時間を圧縮しつつ最終責任を人に残す。規制の厳しい業界で生成AIを説明可能な形で導入したい企業にとって、この線引きがそのまま参照点になる。