7月26日、AWSが「How UTHealth Houston built HIPAA-compliant generative AI at scale: iDFax's 2-year journey with Amazon Bedrock」と題した記事を公開した。この記事では、米国の学術医療センターUTHealth Houstonが2年かけてHIPAA準拠の生成AI基盤を本番環境に構築し、医療FAXの処理を自動化した実装事例について詳しく紹介されている。
FAX1枚あたり最大2.5分の作業を自動化——月10万件処理へ
医療現場ではいまだにFAXが大量に飛び交っている。UTHealth Houstonでは、受信した医療FAXを1枚ずつスタッフが目視確認し、分類・ルーティング・電子カルテ（EHR）への手入力をこなしていた。その所要時間は1枚あたり82〜150秒（約1.4〜2.5分）。年間で見れば数十万枚規模に上り、スタッフの工数とケアの遅延が深刻な問題になっていた。
2023年6月、UTHealth Houstonはこの課題に対してAmazon Bedrockベースのシステム「iDFax」を立ち上げた。パイロット開始時の処理件数は月2,800件だったが、2026年2月時点では月100,000件超——約3,500%増の規模に達している。
主な成果指標は以下のとおりだ。
- 年間120万件以上のFAXを処理（フル展開時）
- 1,200名以上のユーザー（医師・クリニックスタッフ）、100以上のクリニックで稼働
- 年間200万ドル超のコスト削減
- OCR精度95%以上を安定維持
- 処理時間を50〜70%短縮（82〜150秒 → 28〜68秒）
アーキテクチャ：8ステップのパイプライン
iDFaxは複数のAWSサービスを組み合わせた8段階の処理パイプラインで構成される。
- Ingestion — AWS Direct Connect経由でFAXデータをほぼリアルタイムでAmazon S3に送信
- Queueing — Amazon SQSで順序付きキュー管理
- Processing — Dockerコンテナ化したアプリをAmazon EC2上で実行し、キューからFAXを処理
- Metadata管理 — Amazon DynamoDBに処理メタデータを格納・追跡
- EHR連携 — 医師・患者データを自動抽出してEpic EHRと直接連携
- AI分類 — Amazon Bedrockのファウンデーションモデルがドキュメント分類とIDP（Intelligent Document Processing）を担当
- 紹介状自動化 — オーダー自動転記でEpic上の紹介処理を高速化
- ストレージ・ルーティング — 処理結果をEpicに送信、またはAWS環境に保存
HIPAA（Health Insurance Portability and Accountability Act）——医療保険の携行性と責任に関する米国連邦法——に準拠した医療データを扱うため、アーキテクチャ全体でHIPAA適格サービスのみを使用している点が設計上の大前提だ。HIPAAは患者の医療情報（PHI: Protected Health Information）の取り扱いに厳格な技術的・管理的要件を課しており、クラウドサービス採用時にはベンダーとのBusiness Associate Agreement（BAA）締結が必須となる。Epic EHRとの連携はAWS Direct Connect経由で行われ、従来は1枚あたり1.4〜2.5分かかっていた手動入力が不要になった。
4フェーズで2年かけて本番展開
段階的な展開戦略が成功の鍵だったと記事は強調している。
| フェーズ | 期間 | 月間処理件数 |
|---|---|---|
| パイロット | 2023年6〜12月 | 2,800 → 7,800件 |
| 拡張 | 2024年1〜12月 | 9,100 → 23,400件 |
| 本番展開 | 2025年1〜12月 | 100,000件超（2026年2月時点） |
| 最適化 | 2026年1月〜現在 | 継続改善中 |
「本番展開」フェーズの月間100,000件超という数値は、元記事において2026年2月時点で確認された実績値として示されている。2025年通年の平均ではなく、直近の到達水準として参照されたい。
パイロット期間だけで22万件以上を処理し、性能ベースラインを確立。2024年は年間253,920件を処理しながらインフラのスケール基盤を整え、2025年に100クリニック以上への全面展開を完了した。
ROIは220%超、回収期間は3〜4ヶ月
財務インパクトも具体的な数字で示されている。1枚あたり平均68秒の削減×年間100万件で、医療事務職の人件費（時給48.05ドル）ベースで計算すると、労働コスト削減だけで年間約90万8,000ドル。実装・運用コストを差し引いた純年間リターンは220%超、投資回収期間は3〜4ヶ月という試算だ。
時給48.05ドルという前提について、元記事ではROI算出に用いた職種・雇用形態の詳細な内訳は示されていない。米国労働統計局（BLS）が公表する医療事務・医療記録技術者の賃金データ等を参照した推計と考えられるが、読者が自組織の文脈で同様の試算を行う際は、自社の実際の人件費水準に置き換えて検証することを推奨する。
処理時間の削減で生まれた年間約19,000スタッフ時間は、直接的な患者ケアに充てられる計算になる。記事ではこれを「20分換算で約57,000件の患者アポイントメントに相当する」と表現している。
得られた教訓：設計思想として参考になる7点
2年間の実装経験から導き出された知見として、以下の7点が挙げられている。エンジニアリング観点でも参考になる内容だ。
- 臨床リーダーシップを先頭に立てる — 現場のワークフロー課題を理解した臨床家が主導するプロジェクトが成功する
- コンプライアンスを最初から設計に組み込む — 後付けでHIPAA対応をするコストは甚大
- EHR連携を優先する — 既存システムとの直接連携がユーザー採用率を左右する
- フェーズ展開で進める — 段階的実装でリスクを抑えながら価値を証明する
- 厳密に測定する — 明確な性能指標がROI証明と組織の支持獲得につながる
- 変更管理に投資する — 研修と継続サポートが定着に不可欠
- 早い段階からユーザーフィードバックを取り込む — 継続的な改善がトラストを育てる
「コンプライアンスを最初から設計に組み込む」という点は、医療AI以外の規制業界（金融、法務など）のシステム開発にも通じる視点だ。医療分野における生成AIの規制動向については、米国ではHHS（米保健福祉省）のAIに関するガイダンスも参照されたい。日本国内の医療DX文脈では、厚生労働省の電子カルテ情報共有サービスに関する動向とも対照しながら読むと示唆が得やすい。
詳細はHow UTHealth Houston built HIPAA-compliant generative AI at scale: iDFax's 2-year journey with Amazon Bedrockを参照していただきたい。
