Cohere Health、Bedrock AgentCoreで臨床ポリシーをデジタル化

事前承認の課題と背景

保険の事前承認は、保険プランが特定の医療サービスや薬剤の費用を給付する前に承認を行う手続きです。この業務は医療業界で最も手作業が残っている領域の一つですが、その背景には医療上の判断の問題ではなく、根拠となるポリシーがPDFや静的文書といった構造化されていない形式で埋もれていることがあります。このポリシーは診療領域や地域、事業ライン、保険プランごとに異なり、医学や技術の進歩に合わせて変化し続けるため、従来は体系的な管理が難しいとされてきました。

Cohere Healthは、こうしたポリシーを標準的な用語体系に沿って構造化データへ変換することで、一貫した計算ワークフローを実現し、事前承認業務のボトルネックを解消しようとしています。規制面では、米国医療保険・メディケイドサービスセンター（CMS）が2027年1月までにAPIベースの電子事前承認を保険会社に義務づけており、アメリカ健康保険プラン協会（AHIP）は電子事前承認の80%即時承認をコミットメントとして掲げています。これらの要件に応えるためには、ポリシーを迅速に管理・監査・展開できる仕組みが必要だとしています。

AgentCore基盤の構成

Cohere Healthが開発したCohere Policy Studioは、Amazon Bedrock AgentCoreを中核に据えたマルチテナント対応のエージェント基盤です。AgentCore Runtimeは、セッションごとに専用の計算・メモリ・ファイルシステムを割り当てるmicroVM分離を提供し、複数の保険会社間で厳格なデータ分離を実現します。AgentCore Gatewayはツール群へのアクセスを単一の認証済みエンドポイントに集約し、AgentCore Memoryはポリシー分析担当者からのフィードバックをセッションをまたいで保持します。

エージェントの実装にはLangChainが使われ、Agent Skillsというオープン標準に沿って機能を追加しています。Cohere Healthによれば、既存のランタイムに新しいスキルを追加するだけで、異なる臨床ポリシーの表現をスケールさせられるよう設計したとのことです。これにより、ポリシーの分解と各保険会社向けの表現生成を一つのシステムでまかなっています。

二層デプロイとツール統合

デプロイでは、共有のAmazon ECRベースイメージをFROMで参照し、チーム固有のagent_config.yamlをCOPYで追加する二層構造を採用しています。ベースイメージにはLangChainエージェントフレームワークと共通の依存関係が含まれており、設定ファイル側でメモリモード、ストレージ戦略、セッションコンテキストのキャッシュ、プロンプトキャッシュ、ツールの有効・無効、モデルの種類と推論パラメータ、LiteLLMの設定などを切り替えられます。チームごとにDockerfileを最小限に保てるため、環境のドリフトを防ぎやすい構成です。

AgentCore Gatewayは、共有ツールとプロジェクト固有ツールを別々のターゲットとして管理します。各ツールリクエストはAWS Lambda関数で受け付け、ゲートウェイコンテキストから取得したツール名に応じて適切なハンドラへルーティングする仕組みです。ツール名にはゲートウェイが付与するプレフィックスが含まれるため、それを除去してから判定します。この構成により、新しいツールを追加する際もエージェント本体の再デプロイをせずに済みます。

スキル開発と評価のしくみ

Cohere Healthでは、臨床ポリシーの専門家が直接スキルを作成・改訂できるモジュール型のスキルフレームワークを採用しています。開発時は、各スキルに対する正解出力をまとめた参照データセットを使い、精度・完全性・一貫性の成功指標を定義して評価スイートを実行します。スキルが失敗した場合は、その失敗モードを分析してスキル定義を修正し、再テストを行います。

評価を通過したスキルは、データサイエンス部門が受け入れ基準と照合して本番投入を承認します。本番稼働後はArize AIで効果指標を追跡し、臨床ポリシー分析担当者がサンプル出力に注釈を付けて、自動指標では見つけられないエラーを検出します。バージョン管理は、SKILL.mdのセマンティックバージョニングとAmazon S3のオブジェクトバージョニングの二層で行われ、非本番用・本番用のバケットを分けた段階的なロールアウトが組まれています。

成果と今後の注意点

この取り組みの背景には、CMSが2027年1月までに保険会社へAPIベースの電子事前承認を義務づける規制と、AHIPが電子事前承認での80%即時承認を求めるコミットメントがあります。ポリシーのデジタル化は、こうした外部要件へ迅速に対応するための基盤と位置づけられます。ただし、この記事で紹介されているのは主に技術構成であり、処理件数や精度などの具体的な成果指標は示されていません。

また、本記事はAWSが顧客事例として公開したものであるため、自社サービスに有利な形で書かれている可能性には注意が必要です。Cohere Healthの事例は保険業界に限らず、複数顧客向けにAIエージェントを本番運用する企業にとって参考になる設計パターンを含んでいます。とくに、専門家がスキルを直接更新できるしくみと、段階的なロールアウトを備えた運用モデルは、規制の厳しい業界でのAI活用に有用とみられます。