Claude医療導入事例 — 臨床現場はどう変わったか

Claude導入で医療現場の何が変わったか

医療・ヘルスケア分野でのClaude活用は、臨床文書の作成、電子カルテのレビュー、患者スクリーニング、臨床データの抽出、医師の事務負担軽減という5つの異なる業務にまたがっています。対象は次の5社で、いずれもAnthropicの公式事例としてClaude導入の成果を公開しています。

• 製薬企業のNovo Nordisk
• 電子カルテ企業のElation Health
• 患者スクリーニングのQualified Health(テキサス大学システムと共同)
• 臨床データ抽出のCarta Healthcare
• 非営利病院グループのBanner Health

5社に共通するのは、規制業界特有の要件(HIPAA準拠・幻覚の抑制・引用による根拠づけ)を満たしたうえで、これまで人手では不可能だった規模の医療文書処理を実現している点です。この記事では5社の導入内容を横断比較し、自院の課題に近い事例を選ぶための着目点をまとめます。

Novo Nordiskは臨床試験の文書作成をどう10分に短縮したか

Novo Nordiskはオゼンピックを製造する製薬企業で、糖尿病・肥満などの慢性疾患向け治療薬を開発しています。規制の厳しい業界であるため、新薬ごとに数百ページに及ぶ臨床試験報告書(CSR)、デバイス検証プロトコル、患者向け説明資料の作成が必要でした。CSR作成は執筆・レビュー・修正・承認を繰り返す数か月がかりの作業で、担当ライターの生産量は年間平均2.3件にとどまっていました。新薬の市場投入が1日遅れるごとに最大1,500万ドルの機会損失が生じるとされ、文書作成の速度がそのまま患者への薬剤提供の速度を左右する構造でした。

Novo NordiskはClaude Codeを使って自社のドキュメント生成プラットフォーム「NovoScribe」を構築しました。Amazon BedrockとMongoDB Atlasの上に、検索拡張生成(RAG)とドメイン専門家承認済みのテキストを組み合わせています。臨床試験文書の作成にかかる時間は、10週間以上から10分へ短縮されました。Digitalization Strategy DirectorのWaheed Jowiya氏は「ClaudeによってCSRの執筆時間を90%削減できた」と述べています。新規の治験では、以前は外部エージェンシーとの往復に数か月かかっていた治験の説明資料と患者向けガイドを1分未満で作成できるようになりました。

Claude Codeの導入は開発体制そのものも変えました。分子生物学の博士号を持つが本格的なプログラミング経験は持たないJowiya氏自身も、自然言語でプロトタイプを作れるようになったといいます。「これによって、私や上司のLouiseのような科学領域の専門家が、開発にもっと大きな影響を与えられるようになった」とJowiya氏は説明しています。わずか11人の開発チームのまま、規模を拡大せずに機能拡張を続けられている点も特徴です。デバイス検証プロトコルでは95%の資源削減を達成し、現在は医療従事者向け資料や、規制当局への提出用文書(CTD)全体の自動化にも対象を広げています。

Elation Healthが3日でモデルを差し替えられた理由

Elation Healthはプライマリケア向けの電子カルテ(EHR)・請求プラットフォームで、4万6,000人以上の臨床医が2,400万人の患者をケアしています。診察前には、複数年にわたる検査結果・処方・問題リストをつなぎ合わせて患者の病歴を再構成する必要があり、この「チャート準備」が診療時間を圧迫していました。

Elationの「Clinical Insights」機能は2025年9月に別のモデルプロバイダーで先行提供されていました。ただし、初回結果までの中央値が26秒と診察の合間に使うには遅すぎる、引用元への明確な追跡ができない、HIPAA準拠環境で動作しないという3つの課題を抱えていました。CEO兼共同創業者のKyna Fong氏は「Claudeを選んだ理由はモデルの強さと、責任あるAIとしての評判の両方」と述べています。

移行はわずか3日間の集中作業で完了し、社内ビルドへの組み込みからおよそ2週間で全ユーザーへ展開されました。Claudeへの移行により、他社モデル向けに追加していた回避策のプロンプトを削減できたことも特徴です。移行後、初回インサイトまでの中央値は61%短縮され、Clinical Insights機能の利用は移行前の2倍に増加しました。臨床医は現在、Claude Haiku 4.5を使った引用付きの要約を、診察前の「直近3回の診察を要約」ボタンなどから呼び出せます。Elationのエンジニアは日常のコーディング支援にもClaude Codeを使っており、リファクタリングやテスト生成、複数リポジトリにまたがる変更を進めています。

Qualified HealthとUT Systemは200万人規模の患者をどうスクリーニングしているか

Qualified Healthは、本来なら治療の恩恵を受けられるのに見過ごされている患者を見つけ出すヘルスケア特化AIプラットフォームです。テキサス大学システム(UT System)と組み、テキサス大学医療部門(UTMB)の循環器領域から展開を始めました。テキサスでは医師不足が深刻で、早期発見が予後を左右することは分かっていても、対象患者を見つけるための情報は断片化した臨床データに埋もれ、人手でレビューできる規模を超えていました。テキサス州内で年間400万〜600万人の患者がエビデンスに基づく治療の対象になりながら、一度も特定されないまま見過ごされているといいます。

Qualified HealthはClaude Sonnet 4.5を用いて、カルテ・臨床メモ・画像レポート・検査記録を統合するプラットフォームを構築しました。ガイドラインに基づく臨床基準を適用し、患者の適格性を判定します。共同創業者のJustin Norden医師は「精度と信頼性が焦点であり、評価においてClaudeはそれらの観点で最も強いパフォーマンスを示した」と説明しています。判定結果は根拠となる元データへのトレーサビリティを保った状態で臨床医のワークフローに直接届き、医師の最終判断を前提にした運用です。

UTMB循環器領域の心臓血管研究所では、200万人規模の患者集団をスクリーニングし、初月の導入だけで心不全患者の約3分の1に投薬最適化の機会が見つかりました。Chief Digital and AI OfficerのPeter McCaffrey医師は「人々は、私たちの人的リソースだけでは実現できない水準の医療アクセスを求めている」と述べています。「そして、それに値する」とも付け加えています。循環器で始まったこの取り組みは、2026年末までにプライマリケア・血管外科・消化器・リウマチ・神経内科へ拡大する計画です。

Carta Healthcareの2段階抽出が抽象化した仕事

Carta Healthcareは、スタンフォード小児病院での「手作業によるデータ収集の遅さが臨床の進歩を妨げている」という課題意識から始まった企業です。病院は日々、医師の所見・検査結果・投薬記録・手術報告書といった膨大な臨床文書を生み出します。その中に埋もれた「手術部位感染症は発症したか」「入院時のBMIは」といった質問への回答を抽出する作業(臨床データ抽出)は、1件あたり平均1時間、複雑な症例では5〜6時間を要する労働集約的な仕事でした。年間2万2,000件超の手術症例を抽出する医療システムでは、年間1万1,000時間を超える労働時間がかかります。

VP of Engineering兼CISOのAndrew Crowder氏は「病院の情報システムは非常に複雑だ」と説明しています。「従来のデータ抽出・統合ワークフローは脆弱で、システムごとに大きく異なる」ことから、セキュリティを最優先の選定基準に挙げています。Amazon Bedrock経由でのClaude提供は、データがモデル学習に使われないという保証とともに、病院のAIレビュー委員会の高い基準をクリアする決め手になりました。

Carta Healthcareの「Lighthouse」プラットフォームは2段階の抽出パイプラインを採用しています。1段階目でClaude Haiku 3.5とSonnet 4が構造化データと非構造化の臨床メモから関連情報を抽出し、2段階目でClaude Sonnetが証拠を統合して回答案をスコアリングします。ある大規模医療システムでは、通常症例の処理時間が30分から15〜22分に、複雑症例は5〜6時間から90分に短縮され、年間の削減時間は3,667〜6,050時間に達しました。データ品質の指標であるInter-rater Reliability(評価者間信頼性)は98〜99%を維持しています。抽出担当者は「データを探す人」から「結果を検証する人」へと役割が変わりました。

Banner Healthは腫瘍内科医の夜間カルテ作業をどう減らしたか

Banner Healthは33の急性期病院、400のクリニック、120万人が加入する健康保険プランを運営する米国最大級の非営利医療システムです。55,000人超の従業員が、350万人以上の患者にサービスを提供しています。診療後、医師は毎晩2〜3時間をカルテ準備と受け入れ処理に費やしていました。特に腫瘍内科医は数百ページの紹介状・検査結果・画像レポート・治療歴を読み込む必要があり、血液腫瘍内科医のドキュメント作成時間の20%が午後6時から午前6時の間に発生していました。

解決策として構築されたのが、Claude Sonnet 4.5を基盤とする社内AIプラットフォーム「BannerWise」です。6州55,000人超の従業員が利用でき、文書分析・要約(利用の32%)、コンテンツ作成(20%)、コード最適化を含む開発支援(16%)が主な用途です。CTOのMike Reagin氏は「ハルシネーションや誤出力が各社のモデルで頻発していた時期に構築を始めた」と振り返ります。「AnthropicのAI安全性への注力とConstitutional AIのアプローチに惹かれた」とも述べています。既存のAWS環境内にClaudeを配置し、患者データが環境外に出ない設計をプロジェクト承認から30日未満で構築しました。

放射線腫瘍学の部門長を務めるGary Walker医師は、医療スクライブ(記録係)の育成期間が数か月から数日に短縮されたと説明しています。「経験の浅いスクライブでも、数日で以前のスクライブが何か月もかけて到達した水準を超える成果物を出せる」といいます。組み込みの品質チェックは、別患者の記録が紛れ込んでいたり生年月日が食い違っていたりする、人間が見逃しがちな不整合も検出しています。利用者調査ではNet Promoter Scoreが+64、生産性への影響評価は10点中8.9、85%が明確な時間節約と精度向上の両方を報告しました。腫瘍内科パイロットでは2025年6月から1,400件超の臨床記録を処理し、現在は神経内科・循環器・感染症など複数専門科への展開を進めています。

5社を横断して見えるパターン

5社に共通する技術的な設計は、引用による根拠づけとRAG(検索拡張生成)構成です。Elation Healthの引用付き要約、Qualified Healthのトレーサビリティ、Carta Healthcareの証拠スコアリングは共通の発想です。いずれも「AIの出力を人間が元データまで遡って検証できる」設計を採っています。もう1つの共通点は、セキュリティ・コンプライアンス要件がモデル選定の起点になっていることです。Carta HealthcareとBanner Healthはいずれも、Amazon Bedrock経由での提供とデータが学習に使われない保証を採用理由の中心に挙げています。機能の評価より先に、この条件が満たされるかどうかを確認しています。

どの事例が自院の課題に近いか

Amazon Bedrock経由でのClaude料金体系はBedrockの料金比較にまとめています。Haiku・Sonnet・Opusの使い分けはClaudeモデル比較を参照してください。エンタープライズ規模での導入検討はClaude Enterpriseとはを参照してください。Claude全体の概要はClaude完全ガイドにまとめています。

よくある質問

これらの医療AI導入はHIPAAに準拠しているか

Carta HealthcareとBanner HealthはいずれもAmazon Bedrock経由でClaudeを導入し、患者データが既存のセキュリティ境界の外に出ない構成を取っています。HIPAA準拠は個々の医療機関とAWS・Anthropic間の契約・設定に依存するため、具体的な準拠範囲は各社の公開資料やAnthropicとの契約条件で確認する必要があります。

AIは医師の診断・治療方針の決定を代行するのか

5社とも「AIが最終決定をする」設計は取っていません。Qualified Healthの共同創業者Norden医師は「完全に自動化された臨床判断は存在しない。すべての出力は臨床医によってレビューされ、元データと直接照合される」と明言しています。Banner Healthも同様に、AIを「置き換え」ではなく「戦力を増幅する」存在と位置付けています。

小規模な医療機関でもこうした導入は可能か

Elation Healthの事例は、比較的小さなエンジニアリングチームが3日間の集中作業でモデル移行を完了させた例です。大規模なAI専任部門を持たない組織でも、既存のインフラ(EHRやチャート検索の仕組み)にモデルを差し替える形であれば、段階的な導入は可能です。ただしCarta HealthcareやBanner Healthのように病院のAIレビュー委員会を通す必要がある場合は、セキュリティ要件の確認に時間がかかる点は考慮が必要です。

なぜ複数の企業がHaikuとSonnetを使い分けているのか

Carta Healthcareは軽量な一次抽出にHaiku、証拠の統合と回答生成にSonnetを使う2段階構成を取っています。Elation HealthはHaiku 4.5を採用し、低レイテンシーでの応答を優先しています。医療現場では大量の文書を処理する一次処理と、臨床的に重要な最終判断に近い処理とで求められる速度と推論の深さが異なるため、モデルを役割ごとに使い分ける設計が共通して見られます。

まとめ

医療・ヘルスケア分野でのClaude活用は、5つの異なる業務をカバーしています。

• 製薬企業の規制文書作成(Novo Nordisk)
• 電子カルテのチャートレビュー(Elation Health)
• 人口規模の患者スクリーニング(Qualified Health)
• 臨床データ抽出(Carta Healthcare)
• 医師の事務負担軽減(Banner Health)

共通する設計原則は、引用による根拠づけと、Amazon Bedrock等の既存セキュリティ境界内での運用です。自院の課題に近い事例を選び、モデルの使い分けや承認フローの設計を参考にしてください。