アマゾン ウェブ サービス（AWS）は、医療保険請求の処理を自動化するパイプラインの構築手法を公開した。Amazon Bedrock Data Automationによる帳票からのデータ抽出と、Amazon Bedrock AgentCore上のAIエージェントによる検証・変換を組み合わせ、AWS HealthLakeへFHIRリソースとして格納する一連の流れを提示している。手作業への依存を減らしつつ、自動検証で精度を保つ設計が特徴だ。

請求帳票の自動読み取りと構造化の仕組み

今回示されたパイプラインでは、まず医療請求フォームをAmazon Bedrock Data Automationに投入し、項目を知的に抽出する。このサービスは、単なるOCRにとどまらず、文書のレイアウトや文脈を解釈してデータを構造化する。たとえば患者名、診療内容、保険者番号といったフィールドを自動で識別し、後続処理に適した形式へ変換する。この段階で人手による転記ミスが抑えられ、数百件規模の請求処理でも一定の品質を維持しやすくなる。医療機関や保険者の事務負荷を軽減する第一歩といえる。

AIエージェントが担う検証とFHIR変換の実際

抽出されたデータは、Amazon Bedrock AgentCore上で動作するAIエージェントに渡される。このエージェントは、単にFHIRリソースへ変換するだけでなく、診療コードの整合性や日付の妥当性といった検証ルールを適用する。たとえば、特定の処置に対して矛盾する診断コードが付与されていないかをチェックし、不備があれば処理を停止または警告する仕組みだ。ルールベースのRPAでは見落としがちな文脈依存の例外も、大規模言語モデルを活用することで柔軟に判断できる点が新しい。最終的にHL7 FHIR標準に準拠したリソースがAWS HealthLakeに格納され、医療機関や保険者間のデータ交換を円滑にする。

クラウド間競争ではなく医療データ利活用の基盤競争へ

この発表は、AWSが医療分野で単なるストレージや計算リソースの提供から、業務プロセスそのものを再設計するレイヤーへ進出していることを示す。HealthLakeが準拠するFHIRは、電子カルテや公衆衛生データの相互運用を目指す国際標準であり、ここにAIエージェントを組み合わせることで、データの「取得・正規化・蓄積」までを自動化するフルスタックが意識されている。競合クラウドも類似のサービスを展開する中、差別化要因はインフラ性能から、請求や臨床判断といった領域特化の自動化ワークフローへ移りつつある。医療ITベンダーや保険システムの開発者にとって、どのクラウド上にデータ基盤を構築するかの判断が、将来のAI活用の幅を左右する局面に入った。