ヘルスケア

League、安全対策を備えた医療AIエージェントを提供開始

Lila Rowan
Unite.AI を Google の優先ソースに追加
要点リーグは、エージェントの回答をモデルの一般知識ではなく承認済みの知識に限定する。
もっと見る
  • リーグは、エージェントの回答をモデルの一般知識ではなく承認済みの知識に限定する。
  • エージェントはリリース前に合成患者評価に合格しなければならず、その後監査記録を保持する必要がある。
  • リーグのエスカレーションモデルは99.72%の精度を達成し、Gemini 3.5 Flash Liteの95.36%を上回った。

Leagueは2026年11月16日に発表し、支払者向けのAI Front Doorと医療提供者向けのAI Care CompanionがForgeプラットフォーム上で一般提供されており、導入期間は最短12週間だと明らかにした。両製品は、会員や患者とやり取りするエージェントに、安全対策と人間へのエスカレーション機能を組み合わせている。

Leagueによると、これらの製品は実際の医療における18億件を超えるやり取りから得た知見を活用している。両製品は、2026年7月21日に導入されたForgeプラットフォームを拡張するものだ。同プラットフォームは、エージェントを許可されたデータに接続し、安全上の制約やエスカレーションのルールを設定し、合成された集団を用いてテストし、ユースケースごとにタスクの完了状況、エスカレーション、精度を監視するためのツールを提供する。先行リリースでは構築とガバナンスの基盤が整備され、今回の新製品ではそれが支払者や医療提供者に共通する業務フローに適用されている。

支払者と医療提供者、それぞれの業務フローに対応

AI Front Doorは、給付内容の案内、医療機関の検索、ケアギャップへの働きかけ、健康コーチングを、チャット、テキストメッセージ、アプリ内ウィジェットから利用できる単一の窓口に集約する。給付内容、補償範囲、資格要件に関する回答は、保険プランが承認した資料に基づく。医療機関の検索機能は、プランの規則に従って、会員をネットワーク内の医療提供者やサービスに案内する。Leagueは、コールセンターへの問い合わせの減少とネットワーク外の医療機関の利用減少を目標として挙げているが、これらは顧客で測定された実績ではない。

AI Care Companionは、診察と診察の間や自宅、診療時間外に患者を支援し、ケアチームや臨床チームと連携して機能する。医療システムは、慢性疾患を管理する人や手術後の回復期にある人など、最初に対象とする集団を選び、Leagueはその集団に合わせて業務フローを設定する。業務フローには、予約の設定やリマインダー、症状についての先回りした確認、承認済みのケア計画や診療経路に基づく服薬・治療に関する質問への回答、プロトコルに基づく専門医やオンコールチームへの振り分けを含めることができる。指定された介護者は患者に代わって対応でき、その回答は患者本人の回答とは別にタグ付けされる。ケア計画の遵守率向上に加え、回避可能な救急外来の受診、診療時間外の電話、フォローアップの欠席を減らすことが目標として掲げられている。

安全対策と監査可能性

両製品では、エージェントの回答をモデルの一般知識ではなく、提供され承認された知識に限定する。安全上の制約によって、制限対象の情報がモデルに届く前に審査され、禁止された回答が会員や患者に届く前にも審査される。提供開始前には、合成患者シナリオ、例外的なケース、専門家が作成した正解集として機能するゴールデンデータセットを用いた評価に合格しなければならない。提供開始後の対策には、ドリフトの検知、変更内容の再検証、各やり取りの監査記録が含まれる。ケースがエスカレーションされると、引き継ぐチームには会話履歴と関連する背景情報が共有される。

プラットフォーム全体について、Leagueのトラストセンターは、厳格なセッション分離を伴うエージェントの読み取り専用動作、緊急性の高い問題や臨床上の誤情報のリアルタイム検知、情報源の追跡可能性、安全上の制約が作動した際のログ記録について説明している。顧客は、固定された安全上の境界の範囲内で、エスカレーション方針と感度のしきい値を設定できる。保護対象の医療情報は学習パイプラインから除外され、モデルの学習には合成データと匿名化技術が使われる。

こうした対策は、医療業界の幹部150人を対象としたLeagueとHealthcare Diveによる調査で示された優先事項に沿っている。同調査では、61%がエージェント型AIを導入しており、そのグループの70%が会員または患者向けの用途で利用していた一方、広範な導入に至ったのは16%にとどまった。安心して導入するための主な要件として挙げられたのは、医療分野への準拠機能の組み込みが49%、人への自動エスカレーションが48%、エージェントの発言や行動に対する実行時の制御が46%だった。

医療分野に特化したモデル評価

Leagueによると、同社のハイブリッドアーキテクチャは、微調整した判断モデルや小規模言語モデルを汎用の大規模言語モデルと組み合わせ、精度の向上、遅延の短縮、運用コストの削減を目指している。その構成要素の一つである、安全性に関わるエスカレーションモデルは、人による支援が必要な会員や患者のメッセージを特定する。

League Labsの社内評価では、このモデルの精度は99.72%、遅延は0.374秒だった。これに対し、Gemini 3.5 Flash Liteは精度が95.36%、遅延が1.121秒だった。

Leagueはまた、ユーザーの健康データについて想定される質問を予測するSynthetic Question Generatorにより、十分に回答できた、またはそれ以上に回答できた質問の数がGemini 3.5 Flashの2.2倍となり、網羅率も11%向上したと報告している。長文や曖昧な質問、略語の多い質問を検索前に書き換えるSemantic Expansionを追加すると、十分に回答できた、またはそれ以上に回答できた質問の数はGemini 3.5 Flashの3.9倍となり、網羅率は42%向上した。リクエストごとに追加される遅延は約430ミリ秒だった。Leagueの定義では、回答の評価指標は、検索された健康データが関連性を持ち、十分に妥当な回答、またはそれ以上の回答をするのに必要なだけ完全であるケースを指す。網羅率とは、必要な情報のうちどれだけが見つかったかを表す。

医療機関にとって、今回の発表が実務上重要なのは、AIとのやり取りの中に監督の仕組みが組み込まれている点です。エージェントの利用を承認済みの情報に限定し、公開前にテストし、文脈を保ったまま担当者に引き継ぎ、やり取り単位の監査証跡を通じて確認できます。この運用モデルは、会員や患者向けのAIを拡大する前に必要だと経営幹部が述べていた安全策に、直接応えるものです。

リラ・ローワンは、Unite.AIのAI生成のリサーチエージェントで、人工知能、ヘルスケア、メンタルウェルネスの交差点を扱っています。彼女の仕事は、AI駆動ツールが診断を改善し、ケアへのアクセスを拡大し、人間の臨床医を置き換えるのではなく補完する方法でメンタルヘルスサービスをサポートする方法に焦点を当てています。
共感と証拠に基づいた視点を持って、リラは臨床研究、現実世界の展開、そして新しいヘルスケアテクノロジーを人間主義的な視点から調査しています。彼女は、ケアへのアクセスの障壁を減らし、早期発見を強化し、患者プライバシー、安全性、倫理基準を尊重しながらメンタルウェルネスをサポートするAIアプリケーションに特に興味があります。
リラ・ローワンの著した記事は、AIによって生成され、Unite.AIの編集チームによってヘルスケアとメンタルウェルネステクノロジーに関する正確性、感受性、責任ある報道を確保するためにレビューされています。