Qualified Health と University of Texas System が Claude で 命を救う治療を必要とする患者を特定

Qualified Health は、命を救う治療やエビデンスに基づく改善された管理の対象となりながら、そうでなければ検出されないままの患者を特定するヘルスケアネイティブの AI プラットフォームです。 University of Texas System は、テキサス州全域の患者にサービスを提供する医療機関を擁する、米国最大級の公立大学システムの一つです。

Claude により、Qualified Health と UT System は以下を実現：

• 200 万人の患者集団をスクリーニングし、命を救う介入の候補者を特定
• 対象患者を裏付け文書とともに臨床医のワークフローに直接ルーティング
• 以前は大規模な手動抽出を必要としていたカルテレビューを数分で完了
• 薬物療法の最適化、治療的介入、またはさらなる議論から恩恵を受ける患者を特定
• 2026 年末までに循環器科からプライマリケア、血管外科、消化器科、リウマチ科、神経科に拡大予定

課題

テキサス州では、ほぼすべての郡で深刻な医師不足が発生しています。ヘルスケアプロバイダーは、疾患を早期に発見することがより良い転帰につながることを知っていますが、リスクのある患者を特定するために必要な情報は、人間が現実的に大規模にレビューすることが不可能な断片化された臨床データに埋もれています。

「人々は AI の補強なしに当社の労働力が現実的に提供できるレベル以上のヘルスケアへのアクセスを望み、また受ける権利があります」と、University of Texas Medical Branch（UTMB）の最高デジタル・ AI 責任者である Dr. Peter McCaffrey 氏は述べています。

「当社が直面している問題は、文字通り検索、取得、理解の問題です」と McCaffrey 氏は述べています。「それが当社の業務の 90% を占めています。労働力の多くがバーンアウトし、ケアギャップの大部分が蓄積される場所です。データの規模と範囲は拡大し続け、患者に対する責任の幅も拡大し続けていますが、労働力はそのペースに追いついていません」

組織はカルテの電子化に何年も費やしましたが、電子化によってデータが使えるようになったわけではありませんでした。膨大な量の非構造化臨床メモ、画像レポート、検査結果が、接続されていないシステムに散在する状態が残りました。患者が心不全の新たな診断を受けて治療が開始されても、その投薬と用量が最新のガイドラインに沿っていない場合があります。一方、同じ病院内の循環器チームは最新のガイドラインを把握していても、新しく診断された患者がガイドラインに沿った治療を受けているかどうかを把握していない可能性があります。テキサス州では、推定年間 400〜600 万人の患者がエビデンスに基づく介入の対象となりながら特定されず、予防可能な死亡、回避可能な合併症、医療システムへの負担増大を招いています。

Claude が集団規模の患者特定を実現

Qualified Health は Claude Sonnet 4.5 を使用して AI プラットフォームを構築し、医療システムが実証済みのエビデンスに基づく介入の対象となる患者を集団規模で特定できるようにしました。Claude は、臨床情報を正確に抽出する能力、ハルシネーションの最小化、ソースデータへの完全なトレーサビリティを持つ出力の生成能力に基づいて、複数のモデルの構造化された評価を経て選定されました。これらは臨床現場での安全な使用に必要な能力です。

プラットフォームは、メモ、検査結果、画像、処置記録などの断片化された臨床データを統合し、幅広い循環器プラクティスにわたって患者の適格性を判定するために、正確なガイドラインに基づく臨床基準を適用します。

これらの基準を満たす患者は、各所見をソースデータに遡って追跡するための裏付け文書とともに、臨床医の既存のワークフローに直接表示されます。このアプローチは、臨床医の監督を維持しながら、特定から治療までの経路を短縮し、医療システムが以前は実現不可能だった規模で、より一貫してエビデンスに基づくケアを提供することを可能にします。

反応的ケアから予防的介入へ

医師でありコンピュータサイエンティストでもある Justin Norden, MD は、医療システムが AI を安全かつ大規模に臨床および管理業務に導入し、そうでなければ見落とされる患者を臨床医が発見して治療できるようにするために Qualified Health を設立しました。彼の前の会社はハイリスク環境でのアルゴリズムの安全性と信頼性に焦点を当て、その後自動運転車のアプリケーションに買収されました。その経歴が Qualified Health のアプローチを形成しました：ハイリスクなヘルスケア環境で AI のパフォーマンスを監視、検証、管理するために必要なインフラの構築です。

「患者を早期に発見して介入すれば、すべての人にとってより良い結果になります。それは非常によく知られています」と Norden 氏は述べています。「まだ十分に知られていないのは、今日、それを実現する可能性があるということです」

UT System とのパートナーシップは、Dr. McCaffrey が UTMB での AI リーダーシップの役割を拡大していた時期に始まりました。この機関は、単に興味深い実験を行うだけでなく、迅速に動いて真の価値を実証できるパートナーを必要としていました。「ポスターで見栄えの良いことをしたというようなことにはあまり興味がありません」と Dr. McCaffrey 氏は説明しています。「この段階では、AI が実際に臨床に導入され、ケアに価値をもたらす真の事例が必要です。それが当社の使命だからです」

UTMB の Sealy Heart and Vascular Institute の循環器専門医にとって、ワークフローは簡単です。Qualified Health のプラットフォームにログインすると、AI によって事前スクリーニングされ、心不全や弁膜症などの領域でより最適化された管理の機会がある患者の一覧が表示されます。システムは、そうでなければ見落とされるかもしれないが、管理の改善から恩恵を受ける患者を強調するために、エビデンスに基づく適切性基準とバランスをとりながら、関連する医療および過去のコンテキストを提示します。Claude を搭載した AI プラットフォームは、各患者のカルテから関連する詳細を抽出・統合し、患者集団全体で手動でコンパイルすることが不可能な情報を提供します。

「カルテを何時間もかけて調べて心配事を見つけることはできます」と Norden 氏は述べています。「しかし、10,000 人の患者に対してそれを行うことはできません」システムは臨床判断に取って代わるものではなく、それを増幅するものだと彼は付け加えました。臨床医が以前は不可能だった範囲で専門知識を適用することを可能にします。

臨床精度のために Claude を選択

Qualified Health は、自動テストと現役医師による構造化レビューを組み合わせた厳格な社内ベンチマーキングプロセスを通じて、複数の大規模言語モデルを継続的に評価しています。モデルは、複雑なソースデータから構造化された臨床情報を正確に抽出する能力、ハルシネーションなどの障害モードを最小化する能力、基礎記録への追跡可能な引用を提供する能力で評価されます。

「当社の焦点は精度と信頼性です」と Norden 氏は述べています。「正しい臨床シグナルを一貫して特定し、エラーの導入を避け、すべての出力をソースデータに完全に参照可能にできるモデルが必要です。今回の評価では、Claude がこれらの側面で最も強いパフォーマンスを示しました」

「安全性はヘルスケアにおいて譲れません」と Norden 氏は付け加えました。「Anthropic は強力な安全性の基盤を持つモデルの構築において明確なリーダーであり、それは当社の意思決定における重要な要素でした」

検証プロセスは、Qualified Health のアルゴリズム安全性と臨床的厳密さのルーツを反映しています。各デプロイメントは、パートナーとのより広範な使用前に、過去データでのレトロスペクティブバックテスト、自動評価、構造化された医師レビュー、管理されたロールアウトを含む段階的アプローチに従います。

「完全に自動化された臨床的意思決定は行われていません」と Norden 氏は強調しています。「すべての出力は臨床医によってレビューされ、ソースデータとの直接的な検証が行われます。人間の監督がシステム設計に組み込まれています」

成果

デプロイメント初月に、プラットフォームは心不全患者の最大3分の1にガイドライン指向の薬物療法の最適化改善の機会があることを明らかにしました。初期のレビュー段階では、これは数十人の患者がエビデンスに基づく薬物管理の改善の機会を持っていることを意味し、循環器専門医がそれを検証してケアチームに通知できました。「これは AI が積極的に臨床労働力を補強する素晴らしい例です」と McCaffrey 氏は述べています。「多くの心不全患者が薬理学的管理の改善から恩恵を受けることはよく知られていますが、集団全体にわたるこのアドヒアランスと投薬実践の検査は現実的ではありません。臨床医の帯域幅がそのためにはありません」

このアプローチは循環器科を超えて広がっています。「循環器科から始めましたが、これは循環器科だけのツールではありません」と McCaffrey 氏は述べています。「どこでも同じ問題があります。消化器科には初期肝硬変の患者がいて、血管外科にはフラグが立てられたことのない動脈瘤の患者がいます。情報はそこにあります。ただ、それを表面化するスケーラブルな方法がなかっただけです。AI が医療的な意思決定をする必要はありません。むしろ、埋もれた問題を前面に出して、臨床医が医療的な意思決定をできるようにすることが必要です」

循環器科は、確立された診断基準、明確な臨床ガイドライン、命を救う可能性のある実証済みの介入が利用可能な専門分野として意図的に出発点として選ばれました。

UTMB の成功を基に、このイニシアチブは現在、システム全体に拡大しています。2026 年末までに、新しいデプロイメントによりテキサス州全域の医療システムが、プライマリケア、血管外科、消化器科、リウマチ科、神経科の専門分野でエビデンスに基づく治療の対象となる患者を特定できるようになります。Dr. McCaffrey 氏は、すべての UT System 医療機関にわたる AI 作業を統括しており、このシステムは卓越した地理的、医学的、社会経済的多様性を持つすべてのテキサス州民に対して責任を負っていると考えています。

Dr. McCaffrey 氏は次のように付け加えました：「そのインテリジェンス、つまり臨床推論を、すべての人に、どこにでもスケールできることは、本質的に社会的な善です」