Amazon Bedrockで医療レビュー時間を60%削減、Flo HealthがAI搭載システムを本番稼働
要点
- ヘルスケアアプリ「Flo Health」が、Amazon Bedrock（複数の高性能なAIモデルをAPI経由で利用できるサービス）を活用したAI医療コンテンツレビュー・生成システムを本番稼働させた。
- 医療専門家によるコンテンツの査読時間を60%削減し、チームを増員することなくコンテンツの処理量を3倍に増加させた。
- 一般的なAIで課題となる「ハルシネーション（もっともらしい嘘）」を防ぎ、信頼できる医療情報源のみを参照する仕組みを構築した。
- 異なるレビュー項目を判定する「AI Judge」の導入や、検索拡張生成（RAG）によるコンテンツ生成など、4つの主要領域でシステムを実装した。
リード文
ヘルスケアアプリ大手のFlo Healthは、AWS（Amazon Web Services）の技術を活用し、医療コンテンツのレビューと生成を自動化する実用システムを本番環境へ導入した。同社のエンジニアリングチームらが2026年7月14日、AWSの公式機械学習ブログ（AWS ML Blog）でその詳細を公表した。このシステムにより、厳格な品質管理を維持しながら、コンテンツの制作効率を大幅に向上させることに成功したという。
本文
医療コンテンツの査読における限界と課題
Flo Healthは、アプリ内の記事やストーリー、マーケティング素材など多岐にわたるコンテンツを提供しているが、健康情報を扱うため、公開する全情報に対して極めて厳しい正確性基準を設けている。
専門チームが「10項目の医療正確性チェックリスト」に沿って事実確認を行い、信頼できる情報源と照合する作業には、1本あたり平均7営業日を要しており、これが制作全体のボトルネック（進行を遅らせる要因）となっていた。
制作量を増やすために医療チームを拡大することは、専門知識を持つ人材の不足や採用コストの観点から現実的ではない。人手を増やす従来のアプローチは持続不可能だったと、同社エンジニアリングチームは説明している。
一般的なAIツールの導入リスク
一方で、一般的なAIツールを医療コンテンツのレビューにそのまま導入することには、重大なリスクが伴う。AIが根拠のない誤情報を事実のように出力する「ハルシネーション（もっともらしい嘘）」が発生するためだ。
数百万人のユーザーが利用する同社において、正確性と信頼性は最優先事項だ。そのため、信頼できる情報源からのみデータを抽出し、すべての情報に対して明確な参照元（リファレンス）を示せる専用システムが求められていた。
AWSの概念実証（PoC）から本番へ
同社はまず、AWSの支援のもとで概念実証（PoC：簡易的なテストによる技術検証）を実施した。その成功を受けて段階的な導入を進め、Amazon Bedrockを基盤とした本番向けのAIシステムを完成させた。
この新システムにより、チームを増員することなく、レビュー時間を60%削減し、コンテンツ処理量（スループット：単位時間あたりの処理量）を3倍に増やすことに成功した。
システムを構成する4つの主要領域
本番システムは、主に以下の4つの領域に焦点を当てて構築されたという。
-
PoCアーキテクチャのコンテンツパイプラインへの適応
初期検証（PoC）の構成を、実際のコンテンツ制作の流れ（パイプライン）に統合し、本番環境で安定稼働するように適合させた。 -
多角的なレビューを支える専門「AI Judge」の配備
異なる検証項目それぞれに特化した判定用AI「AI Judge」を配備し、コンテンツの品質や正確性を多角的にチェックする仕組みを構築した。 -
RAG（検索拡張生成）を用いた安全なコンテンツ生成
誤情報を防ぎつつコンテンツを生成するため、信頼できるデータベースから情報を検索して文章を作る技術「RAG（検索拡張生成）」を採用した。 -
プロンプトエンジニアリングと本番運用の教訓
最適な回答を得るための指示文設計「プロンプトエンジニアリング」を磨いた。また、開発から本番運用への移行で得られた知見を蓄積し、運用の改善に役立てている。
補足
同チームは、高い信頼性が求められる医療分野において、AI技術を安全かつ効果的に本番環境へ適応させる具体的なアプローチを確立したとしている。