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の事例ページで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社の事例ページを突き合わせると、成果の数字が「何を測ったものか」が社ごとにまったく違います。数字だけを比べると判断を誤ります。Claude全体の概要はClaude完全ガイドにあります。

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。新薬ごとに、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。

中心のCSRは最大300ページに及び、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す。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、文書作成が遅れるほど、患者が薬剤を待つ時間も延びます。

Novo NordiskはClaude Codeを使って、文書生成プラットフォーム「NovoScribe」を構築しました。基盤はAmazon BedrockとMongoDB Atlasで、検索拡張生成(RAG)にドメイン専門家承認済みのテキストと症例ごとの変数を組み合わせています。臨床試験文書の作成時間は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、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分未満で作れるようになりました。

対象文書によって立ち上げの重さは違いました。患者向け冊子へのRAG設定の調整は短時間で済んだ一方、デバイス検証プロトコルはレガシーシステムの非構造化データを取り込むのに数か月の開発が必要でした。レビューの周期は半分に縮まりました。レビュー担当者が臨床的な解釈と出力品質に納得するにつれて短くなり、規制当局からも好意的な反応を得ているといいます。

Claude Codeは開発体制も変えました。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少ないJowiya氏自身が、自然言語でプロトタイプを作れるようになっています。「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」という説明です。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ていて、デバイス検証プロトコルでは資源の95%削減に至りました。現在は医療従事者向け資料や、規制当局への提出書類一式(CTD)全体の自動化へ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人以上の臨床ユーザーが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。

「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。課題は3つあります。初回結果までの中央値が26秒で診察の合間には遅いこと、引用元まで追跡できる要約が求められていたこと、HIPAA準拠環境で動かす必要があることです。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。

選定は、実際のプライマリケアの業務とチャート検索の性能目標に照らした評価で行われ、判断軸は遅延・推論品質・安全性でした。Fong氏は「長いコンテキストと指示追従の性能が十分に高く、パイプラインの再設計やプロンプトの大幅な書き換えが要らなかった」と説明しています。小規模なエンジニアリンググループが3日でClaudeを社内ビルドに組み込み、約2週間かけて全ユーザーへ展開しました。他社モデル向けに足していた回避策のプロンプトも、いくつかの箇所で削減できています。

移行後、初回インサイトまでの中央値は61%短縮されました。UIのストリーミング表示と合わせて、臨床医は回答が生成されるそばから読み始められます。Clinical Insightsの利用は移行前の2倍になり、Elationが2025年8月に始めた臨床AIの機能群のなかで最も速く普及した機能になりました。Claude Haiku 4.5が単独でこの機能を動かし、診察前の「直近3回の診察を要約」ボタンなどから、引用付きの要約を呼び出せます。エンジニアは日常のコーディング支援にClaude CodeとOpus 4.5も使っています。

Qualified HealthとUT Systemは数百万人規模の患者をどうスクリーニングしているか

Qualified Healthは、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。テキサスではほぼすべての郡で重要な診療科の医師が不足しています。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。州内では年間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といいます。

プラットフォームはClaude Sonnet 4.5を使い、カルテ・臨床メモ・画像レポート・検査記録を統合して、ガイドラインに基づく臨床基準で適格性を判定します。Claudeは複数モデルの構造化された評価を経て選ばれました。基準は臨床情報の正確な抽出、ハルシネーションの抑制、元データまで追跡できる出力です。評価は自動テストと現役医師の構造化レビューを組み合わせた社内ベンチマークで続けられ、導入のたびに過去データでのバックテスト、自動評価、医師レビュー、段階的なロールアウトを踏みます。共同創業者のJustin 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」と強調しています。

UTMBのSealy心臓血管研究所の循環器医は、AIが事前にスクリーニングした患者の一覧(センサス)にログインし、心不全や弁膜症で管理を改善できそうな患者を見ます。導入初月には、心不全患者の最大3分の1に、ガイドライン推奨薬物療法を最適化する余地が見つかりました。初回のレビューでは数十人の患者が該当し、循環器医が確認して診療チームに知らせています。Chief Digital and AI OfficerのPeter McCaffrey医師は、課題を「検索、取得、理解の問題で、私たちの仕事の9割を占める」と表現しています。

規模の数字には注意が要ります。同じ事例ページの冒頭の数字欄は「UTMBで100万人超をスクリーニング中」、成果の箇条書きは「200万人の母集団をスクリーニング」と書いています。引用するときは、どちらの欄の数字かを添える必要があります。循環器を選んだのは、診断基準とガイドラインが確立し、命を救う介入が実証されている領域だからです。2026年末までに、プライマリケア・血管外科・消化器・リウマチ・神経内科へ広げる計画です。

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。病院が日々生む臨床文書には、「術後30日以内に感染症を発症したか」「入院時のBMIは」といった登録データの答えが埋もれています。この抽出作業(臨床データ抽象化)は、1件あたり平均1時間、複雑な症例では5〜6時間かかる労働集約的な仕事でした。ある医療システムでは年間2万2,000件超の症例を1件約30分で処理しており、合計は年間1万1,000時間を超えます。同じページの別の箇所には、1件平均1時間で年間1万1,000時間超という書き方もあります。

VP of Engineering兼CISOのAndrew Crowder氏は、病院での従来のデータ抽出・統合を「脆弱で、システムごとに大きく異なる」と評します。電子カルテを更新すると壊れやすい点も挙げています。選定の決め手はセキュリティで、Amazon Bedrock経由のClaudeが、データがモデル学習に使われない保証を含めて病院のAIレビューを通す土台になりました。Anthropicが公開しているバイアスとアラインメントの研究も、審査を通すのに役立ったとのことです。Bedrock経由の費用面はBedrockの料金比較で扱っています。

「Lighthouse」プラットフォームの処理は次の流れです。

手順

Lighthouseの2段階抽出

1. 1

   1段階目:関連情報の抽出

   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抜き出します。

2. 2

   2段階目:証拠の統合とスコアリング

   Claude Sonnetが証拠を統合し、登録項目への回答案を作って、根拠をスコアリングしながら順位づけします。

3. 3

   担当者が検証する

   抽象化担当者は、データを探す側から、回答案を確認する側に回ります。問題に気づいたときは、コードではなくプロンプトを調整し、同日中に本番で試せます。

数字は2通りに読めます。事例ページの見出しは「最大66%」ですが、個別の数字から計算すると別の値が並びます。

くらべる

Carta Healthcareの数字の読み分け

症例ごと

1件あたりの時間

通常症例は30分から15〜22分(27〜50%短縮)、複雑症例は5〜6時間から90分(70〜75%短縮)です。

医療システム全体

年間の累計

2万2,000件・年間1万1,000時間超に対し、削減は3,667〜6,050時間です。11,000時間で割ると33〜55%にあたります。

見出しの66%は、この2つのどちらとも一致しません。見出し欄には「+50% cost savings on abstraction work」(抽象化作業のコスト削減)も載っています。見積もりに使うなら、自院の症例が通常寄りか複雑寄りかで、当てはめる行が変わります。品質指標のInter-rater Reliability(評価者間信頼性)も、箇条書きは「98〜99%」、本文は「一貫して99%」と書かれています。Carta Healthcareは顧客の継続率100%、9割の顧客が利用を拡大していると報告しています。

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、アリゾナ・カリフォルニア・コロラド・ネブラスカ・ネバダ・ワイオミングの6州で350万人以上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。

腫瘍内科医は、紹介状・検査結果・画像レポート・治療歴を数百ページ読み込む必要があります。放射線腫瘍学の部門長Gary Walker医師によれば、他院からの紹介では100〜300ページの書類を読むこともあります。血液腫瘍内科医のドキュメント作成時間の20%は、午後6時から午前6時の間に発生していました。経営側の目標は、2029年末までに臨床医の事務作業を50%減らすことです。

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。Constitutional AIのアプローチにも惹かれたそうです。既存のAWS環境内にClaudeを配置して患者データが環境外に出ない設計とし、プロジェクト承認から動く試作までを30日未満で進めました。その後は月次リリースで、Bedrock Knowledge Bases、文書アップロード、プロンプトライブラリ、プロンプト改善機能を足しています。Reagin氏は「本当の効果は、Claudeに最適化したプロンプト構造を磨き込んでから出た」と述べています。

医療スクライブ(記録係)の育成期間は、数か月から数日に縮まりました。Walker医師は「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」と説明しています。組み込みの品質チェックは、別患者の記録の混入や生年月日の食い違いも検出し、Walker医師は「人間なら誰も気づかない」例があったと語っています。Walker医師はこれを、医師を置き換えずに医師・スクライブ・看護師の作業水準を押し上げる「戦力の増幅」と位置づけています。

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、推奨度は8.7でした。85%が、明確な時間節約と精度・業務効率の向上を報告しています。腫瘍内科パイロットは2025年6月から1,400件超の臨床記録を処理し、神経内科・循環器・感染症へ展開中です。全社員への提供は2025年末までに終え、収益サイクルやサプライチェーンへの拡大も視野に入れています。エンタープライズ規模での導入検討はClaude Enterpriseとはにまとめています。

5社の数字は何を測っているのか

成果の数字は、同じ「効果」に見えて測定対象が違います。

まとめ

数字の種類は4つに分かれる

• 作業時間(Novo Nordisk・Carta Healthcare)

  同じ作業の前後を比べた時間です。Novo Nordiskは10週間以上から10分、Carta Healthcareは1件あたりの分数で示します。

• 待ち時間(Elation Health)

  作業の所要時間ではなく、画面で最初の結果が出るまでの中央値です。26秒から61%短縮しています。

• 対象人数(Qualified Health)

  時間ではなく、スクリーニングした母集団の規模が成果の軸です。チャートレビューは「数分で完了」と記されています。

• アンケート回答(Banner Health)

  NPS+64や「85%が時間節約を報告」は利用者アンケートの回答で、自己申告にあたります。

5社に共通する設計はどこか

3社(Elation Health・Qualified Health・Carta Healthcare)は、呼び方こそ違っても出力を元データまで遡って確かめられる形にしています。セキュリティ要件の置き方とモデルの選び方は社ごとに違い、Haiku・Sonnet・Opusの特性はClaudeモデル比較で見比べられます。

自院の課題に近いのはどの事例か

まとめ

5社の数字は測るものが違うので、導入効果の見積もりは、自院の課題と同じ種類の数字を出している事例を土台にすると比較がそろいます。