Cohere Healthは、Amazon Bedrock AgentCoreを活用し、医療現場の非効率な事前承認プロセスを自動化する臨床ポリシー構造化基盤を構築した。この取り組みは、長年の課題であった非構造化データのデジタル化を推進し、規制の厳しい業界におけるAI導入の新たな道標となる。
医療業界では、事前承認プロセスが依然として手作業に依存し、非効率なボトルネックとなっていた。各保険プランや地域で異なる臨床ポリシーがPDFなどの非構造化データとして埋もれており、これが自動化を阻む大きな壁である。AWSの技術ブログによれば、Cohere HealthはAmazon Bedrock AgentCoreを基盤とする「Cohere Policy Studio」を開発し、これらのポリシーを機械可読データに変換することで、この課題を根本的に解決しようとしている。これにより、医療事務の負担軽減と迅速な患者ケアが期待される。
この取り組みは、2027年1月1日に発効する米国のCMS相互運用性および事前承認最終規則（CMS-0057-F）への対応を強く意識したものだ。米国病院協会（AHA）の解説では、この規制により対象となる医療保険者には標準化されたAPIを介した電子的な事前承認のサポートが義務付けられると指摘されている。現在、多くの医療機関や保険者がこの規制への準備に遅れが見られる中、Cohere HealthのAI基盤は、スケーラブルかつコンプライアンスを遵守した形でこの急務に対応するための戦略的な布石と見られる。
Cohere Healthは、Amazon Bedrock AgentCore RuntimeのマイクロVM機能を利用し、各保険者テナント専用の計算リソースを確保することで、厳格なデータ分離を実現している。これは、機密性の高い医療データを取り扱う上で必須の要件である。さらに、AgentCore Gatewayを介してツールアクセスを統合することで、エージェントの再デプロイなしに新しい機能やスキルを追加できる柔軟な運用を可能にした。この設計は、共通のベースイメージにチームごとの設定ファイルを注入する二層構造のデプロイメントモデルを採用しており、環境の一貫性を保ちつつカスタマイズを容易にしている。
このCohere Healthの事例は、医療分野に限らず、金融や法務といった厳格な規制下にある他業界のシステム担当者にとって、AIエージェント導入の具体的な参考となる。特に、マルチテナント環境におけるデータ分離とセキュリティ要件への対応は、既存のオンプレミス基盤との統合や運用負荷の観点から重要な課題である。AgentCoreのマイクロVMによる分離と、Human-in-the-loopを前提とした設計は、機密性の高いデータを扱うシステムにおいて、AIの導入を躊躇する要因となっていたセキュリティと信頼性の懸念を払拭する有効なアプローチを示している。
AIによる臨床ポリシーの解釈が、医療判断という極めて慎重な領域に踏み込む以上、その出力の信頼性をどう担保し続けるかは依然として大きな課題である。Cohere HealthはArize AIを用いた観測プロセスを導入しているものの、AIの判断が医学的妥当性を完全に満たしているかを検証するには、高度な専門家の介入が不可欠となる。また、AIが誤ったポリシー解釈を行った場合の法的・医学的責任の所在をどう定義するのかも、今後の普及における最大の論点である。
