最新動向

医療AIのAbridge、Lilly出資とNvidia提携で診療の基盤へ

医療AIのAbridge、Lilly出資とNvidia提携で診療の基盤へ

この記事の要点

診療記録AIのAbridgeが6月11日、Eli Lillyからの戦略出資とNvidiaとの臨床会話特化の基盤モデル共同開発を発表。記録作成から請求、治験適格性の確認まで領域を広げ、医療AIの主導権争いが本格化した。

結論

診療記録AIの米Abridgeが6月11日、製薬大手Eli Lillyからの戦略出資と、Nvidiaとの基盤モデル共同開発をあわせて発表しました。診察会話の自動記録で広がった足場を、医療費請求、支払い審査、治験の候補患者探しへと拡張します。医療というAI活用が最も難しい分野で、書類仕事の自動化から診療全体の基盤への進化が始まっています。

何が起きたか

Abridgeは診察中の医師と患者の会話を録音し、カルテの下書きを自動生成するサービスで成長してきた企業です。発表は3つの要素からなります。

第一に、Nvidiaとの共同開発です。両社は臨床会話に特化した初の基盤モデルを作ると発表しました。汎用モデルを医療向けに後から調整するのではなく、訓練の全段階に臨床知識を組み込み、医師のように推論するモデルを目指します。第二に、Eli Lillyからの戦略的な出資です。金額は非公開ですが、根拠に基づく診療と研究への接続を支援する目的とされています。第三に、事業範囲の拡大です。診療記録にとどまらず、医療費請求の作成、保険側の支払い審査、製薬企業の治験に合う患者の特定まで、診療データが流れる先の業務全体を扱う基盤への転換を打ち出しました。保険大手のAetnaやCignaとの提携も同時に報じられています。

米メディアはこの動きを「医療のオペレーティングシステムを目指す戦略」と評しています。

発表の3つの要素を整理する

要素相手狙い
基盤モデル共同開発Nvidia臨床会話に特化したモデルを訓練段階から構築
戦略出資Eli Lilly診療データと治験・研究の接続
事業範囲の拡大Aetna、Cignaなど請求作成、支払い審査、治験候補の特定へ

診察の会話を記録するという入口の業務から、その記録が流れていく請求、審査、研究という下流の業務へ一気に広げる構成です。入口を押さえた企業が下流も取るという、業務AIで繰り返されてきた拡大の型をなぞっています。

なぜ製薬と半導体が組むのか

この提携は3者それぞれの思惑がかみ合っています。Abridgeは診察現場で日々生まれる会話データという、他社が持たない訓練資源を持ちます。Nvidiaは自社GPUの需要を生む産業特化モデルの成功例を増やしたい。Eli Lillyにとっては、治験の候補患者を診療の現場から直接見つけられる仕組みは、新薬開発の期間短縮に直結します。治験は適格な患者集めが最大の律速要因の一つで、ここが速くなる価値は大きいからです。

製薬と診療をAIでつなぐ動きとしては、OpenAIが創薬AIのGPT-Rosalindを生物防御へ拡大した例が先行しており、医療データを握る企業とモデルを作る企業の合従連衡は今後も続くとみられます。

現場の実務にどう効くか

日本の医療機関や介護事業者にとって、この発表は「診療記録AIは入口にすぎない」ことを示す先行例です。記録の自動化を検討しているなら、その先の請求業務や監査対応まで同じデータで自動化できるかという視点で製品を選ぶと、二重投資を避けられます。国内での具体的な進め方は医療・介護現場のAI導入事例医療・介護の事務作業のAI活用と注意点で詳しく扱っています。

医療以外の業種でも、この型は応用できます。現場で日々発生する会話や記録をまず自動化し、たまったデータで後工程の業務を順に取り込んでいく進め方です。最初の自動化対象を選ぶ際に、そのデータが後続業務でも使えるかを確認しておくと、拡張の選択肢が残ります。なお、Abridgeのサービスは現時点で米国向けであり、国内導入の可否や時期は公式情報で確認してください。

まとめ

診療記録AIの一社が、製薬、半導体、保険のそれぞれ最大級の企業と同時に手を結びました。現場の記録という入口を押さえた企業が、データの流れる先の業務をまとめて取りにいく構図は、医療以外の業種にもそのまま現れます。自社の業務で「日々自動的にデータがたまる入口」がどこかを特定することが、AI活用の打ち手を考える出発点になります。

出典

よくある質問

Abridgeはどんな会社か?

診察中の医師と患者の会話を自動で記録し、カルテの下書きを作る米国の医療AI企業です。今回の発表で、記録作成に加えて医療費請求や治験の候補患者探しまで事業範囲を広げました。

Nvidiaとの提携で何を作るのか?

臨床会話に特化した基盤モデルを共同開発します。汎用モデルを医療向けに後付け調整するのではなく、訓練の段階から臨床知識を組み込み、医師のように推論できるモデルを目指すとしています。