Cohere HealthはAmazon Bedrock AgentCoreを活用し、医療現場の事前承認プロセスを自動化するセキュアなAIエージェント基盤を構築した。これにより、非構造化された臨床ポリシーの機械可読化を実現し、医療DXの新たな道を切り開く。機密性の高い医療データ環境でのAI運用モデルとして注目される。
米国の医療保険制度における事前承認プロセスは、長年、PDFなどの非構造化データとして存在する膨大な臨床ポリシーによって自動化が阻まれてきた。臨床インテリジェンス企業であるCohere Healthは、Amazon Bedrock AgentCoreを用いることで、これらのポリシーを機械可読な形式へ変換するプラットフォーム「Cohere Policy Studio」を構築した。この取り組みは、手作業に依存していた事前承認プロセスをAIエージェントが解釈可能なデータに基づいて自動化し、大幅な効率化と迅速な意思決定を可能にする点で、医療DXの核心を突くものである。
米国メディケア・メディケイドサービスセンター（CMS）の発表によれば、「相互運用性と事前承認に関する最終規則（CMS-0057-F）」により、2027年1月1日までに医療保険会社は電子事前承認インターフェースの稼働が義務付けられている。これは、従来のFAXベースの手動プロセスを、FHIR APIに基づいた標準化された機械可読なシステムに置き換えることを求めるものだ。業界の分析では、この義務化により10年間で約150億ドルの節約が見込まれており、レガシーな非構造化データからの脱却は医療機関にとって喫緊の課題となっている。
Cohere Healthが採用したアーキテクチャの核心は、マイクロVMによるセキュアな分離環境と、AgentCore Gatewayによる統合的なツールアクセスにある。医療データは極めて高い機密性が求められるため、テナントごとに計算リソースやファイルシステムを隔離する設計は、マルチテナント環境におけるクラウドネイティブなAI運用で必須の要件である。さらに、Model Context Protocol（MCP）を用いたツール連携により、既存のAPI資産を再構築することなくAIエージェントの能力を拡張している。共通のベースイメージを維持しつつ、チームごとの設定をYAMLファイルで制御する「二層型デプロイメント」は、ガバナンスと柔軟性を両立させている。
医療現場においてAIエージェントの導入が進む中で、その推論プロセスと出力の信頼性をいかに担保し、監査可能な状態を維持するかは重要な課題である。Cohere HealthはArize AIを用いた観測可能性の確保を掲げているが、AIの判断が複雑化するにつれて、臨床判断の妥当性を人間が完全に検証し続ける運用負荷は増大する。特に機密性の高い医療データを扱う環境では、AIの出力が誤っていた場合の責任の所在や修正プロセスを明確に設計する必要がある。AIエージェントが生成したポリシーの解釈が、実際の臨床現場の要件と乖離しないよう、継続的な監視と検証が不可欠となる。
今回の事例は、AIエージェントの技術的なインフラ構築から、AIを「医療の専門性」という文脈にどう組み込むかという、より高度なガバナンスフェーズへの移行を示唆している。CMSの義務化が迫る中、AIエージェントの自律性を高めつつも、最終的な臨床判断の責任は人間が負うという原則は揺るがない。今後、このアーキテクチャが他の医療機関や複雑な規制産業に水平展開される際、AIエージェントの推論プロセスにおける透明性の確保と、人間による監督のバランスが、真のDXの成否を分けることになるだろう。未解決の論点として、AIの推論プロセスが競合するポリシーをどう解決するかも焦点となる。
