AWS、ヘルスケア・ライフサイエンス向けAI推論スキル38種をオープンソース公開　専門業務の判断精度を改善

要点

• Amazon Web Services（AWS）が、ヘルスケアおよびライフサイエンス（HCLS）分野向けに38種類のオープンソース「エージェントスキル」を公開した。

• ゲノミクス、創薬、医用画像解析など11領域を網羅し、専門的な意思決定手順とツール実行用コードを構造化ドキュメントとして提供する。

• 意思決定の方法論を規定する「推論スキル」と、ツールの実行コマンドを規定する「パイプラインスキル」の2層構造を採用している。

• 性能評価ではスキルを導入したAIエージェントが未導入エージェントとの比較で70〜86%の勝率を記録し、特に批判的思考分野で高い改善効果を示した。

• 全スキルがMIT-0ライセンスで公開され、利用環境に応じたカスタマイズや独自のスキル作成にも対応する。

• Amazon Web Services（AWS）は2026年9月16日、ヘルスケアおよびライフサイエンス（HCLS）分野におけるAIエージェントの推論精度向上を目的としたオープンソースコレクション「HCLS Agent Skills」を公開した。本コレクションは、ゲノミクスや創薬、医療オペレーション、医用画像解析など11の領域を対象とする計38種類のスキルで構成されている。オープン標準仕様に準拠した形式で提供され、専門領域におけるAIの判断ミスを防ぐ狙いがある。

専門知識があっても発生する「判断プロセスの誤り」を解消

基盤モデル（大規模言語モデルなどの基礎的なAIモデル）を活用したAIエージェントは、事前学習データやプロンプト（指示文）に専門ガイドラインが含まれていても、実際の意思決定フレームワークの適用を誤るケースが少なくないという。

たとえば、がん抑制遺伝子であるTP53のミスセンス変異（アミノ酸置換を伴う変異）について、米国遺伝医学会・分子病理学会（ACMG/AMP）の基準に沿った分類をAIエージェントに指示した場合、フレームワーク自体は正しく引用するものの、証拠カテゴリの適用を誤ったり、母集団における出現頻度の閾値を見落としたり、計算予測スコアのハルシネーション（事実に基づかない誤情報の生成）を起こしたりする問題が報告されている。

モデルは個々の事実知識を把握していても、現場の専門家が長年の訓練を通じて習得する「構造化された推論手順」を備えていないことが原因だとAWSは説明している。このギャップにより、変異解釈や保険金請求の審査、治験の設計、医用画像の分析といった場面において、一見すると正しそうに見えながら誤った基準を適用してしまう「サイレント障害」が発生し、規制遵守や患者の安全性に深刻な影響を与えるリスクがあった。

思考と実行を分担する「2つのスキル体系」

今回公開されたコレクションは、オープン標準仕様「Agent Skills」に準拠したMarkdown形式の構造化ドキュメント（SKILL.md）として定義されている。推論時に段階的開示（必要なタイミングで情報を順次展開する仕組み）を通じてAIエージェントに読み込まれる仕様だ。各スキルはYAMLフロントマターと呼ばれるヘッダー部分にトリガー条件や依存関係、メタデータを宣言し、本文には決定フレームワークやパラメータ一覧、コードパターン、検証基準が記述されている。

本コレクションでは、スキルが以下の2系統に分類されている点が特徴だ。

• 推論スキル（Reasoning skills）：エージェントの思考プロセスや方法論を規定するスキル。たとえばゲノム変異解釈用スキル（genomic-variant-interpretation）では、ACMG/AMP分類フレームワークにおける証拠区分、母集団頻度の閾値、計算予測因子のカットオフ値などが体系化されている。
• パイプラインスキル（Pipeline skills）：ツール固有のコマンドや検証済みパラメータ、実行可能なコードテンプレートを提供するスキル。たとえば変異検出用スキル（variant-calling）では、ゲノム解析ツール「GATK4 HaplotypeCaller」の適切なアノテーショングループやVQSR（変異品質スコア再キャリブレーション）の感度目標、体細胞変異検出ツール「Mutect2」の腫瘍・正常ペア構成などが提供される。

AWSによれば、この二重の体系により、エージェントは適切な判断を下す思考力と、それを正確に実行する技術的精度の両方を獲得できるとしている。

RAGやファインチューニングとの違い

AWSは、このアプローチが従来のRAG（検索拡張生成：外部文書を検索して回答を補完する手法）やファインチューニング（モデルの再学習）とは異なると説明している。

RAGはデータベースから限定的な文書の断片を取り出して回答を補強するにとどまるが、エージェントスキルは判断手順そのものやエラー発生時の条件を直接定義する。また、モデルの重み自体を更新するファインチューニングとは異なり、ユーザーの入力に含まれるトリガー条件に応じて文脈に沿って動的に有効化される構造化プロンプトとして動作する。

比較評価で70〜86%の勝率、批判的思考で顕著な改善

AWSが実施した評価実験では、創薬、医療オペレーション、医用画像解析のワークフローにおいて測定可能な精度向上が確認された。

スキルの有無によるエージェント同士の直接比較（ヘッドツーヘッド評価）において、スキルを導入したエージェントは、エージェント実行環境の構成を変えた場合でも70〜86%の割合で勝利したという。

とりわけ顕著な改善が見られたのは「批判的思考（クリティカルシンキング）」の領域であり、勝率は78〜85%に達し、効果量（統計的な差の大きさを示す指標）はコエンのdで0.65〜1.03を記録したと報告されている。

MIT-0ライセンスで提供、独自の拡張も可能

公開された38種類のスキルはすべて、著作権表示義務のないMIT-0ライセンスで提供されている。多様なエージェント型AIサービスをまたいで利用できるほか、利用者が特定の業務要件や自社のユースケースに合わせて既存スキルをカスタマイズ・拡張したり、新たなスキルを自作したりすることも可能とされている。