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セキュアなAI基盤を構築した。AWSの技術ブログによれば、同社は非構造化データであった臨床ポリシーのデジタル化を実現し、米国政府が義務付ける電子事前承認のAPI化に対応する体制を整えている。

なぜ臨床ポリシーのデジタル化が「事前承認」のボトルネックを解消するのか

医療業界における事前承認プロセスは、長らく膨大な手作業とPDFなどの非構造化データに阻まれてきた。保険会社や医療機関が保有する臨床ポリシーが「封印」された状態では、AIによる自動化は困難であった。Cohere Healthは、この状況を打破するため、Amazon Bedrock AgentCoreを中核とする「Cohere Policy Studio」を開発した。これは、2027年までに米国政府が義務付ける電子事前承認のAPI化や、業界団体が掲げる80%の即時承認目標達成に向け、AIで臨床ポリシーを構造化し、事前承認のボトルネックを解消する重要な一歩である。

マイクロVMとMCPが実現するセキュアなマルチテナント環境の正体

Cohere Healthが構築したAIエージェント基盤の技術的要諦は、Amazon Bedrock AgentCore Runtimeが提供するマイクロVMによるセキュアな隔離環境にある。これにより、各テナントは独立した計算・メモリリソースを持ち、機密性を担保しながら運用できる。AgentCore Gatewayを介して統一されたツール群やスキルにアクセスし、Model Context Protocol（MCP）を活用することで、エージェントを再デプロイすることなく新しい臨床スキルやAPIを追加できる柔軟性も確保されている。このアプローチは、マルチテナント環境における厳格なデータ分離と運用の柔軟性を両立させるものだ。

厳格なガバナンスが求められるエンタープライズ業務への応用可能性

今回の事例は、生成AIを単なるチャットボットとしてではなく、厳格なガバナンスが求められるエンタープライズ業務の基幹システムとして実装する際の成功モデルを示唆している。同社は、LangChainを含む共通ランタイム環境をベースイメージとして共有しつつ、チームごとの設定をYAMLファイルで分離する2層構造のデプロイ戦略を採用し、運用ドリフトを抑制している。また、人間による監視とArize AIを用いた観測プロセスを導入することで、AIエージェントの品質と信頼性を担保しようとしている。これは、機密性の高いデータを扱うインフラ運用担当者にとって、セキュアなAIエージェント構築手法の指針となるだろう。

AIの臨床判断における医学的妥当性とリスク管理の限界

Cohere Healthのシステムは、AIが生成した構造化データの正確性と医学的妥当性という依然として重い課題に直面している。Arize AIを用いた観測プロセスにより人間がループに入ることで品質を担保する仕組みはあるものの、AIの判断が誤った場合のリスク管理や最終的な責任の所在は未解決の論点である。Cohere Healthのブライアン・コヴィーノ博士によれば、AIはあくまで臨床的判断を「強化」するものであり「置き換える」ものではないとされるが、その境界線と検証プロセスがどの程度自動化できるかが今後の焦点となる。同様のアーキテクチャを他の規制産業へ横展開する上でも、この課題への対応が重要である。