Flo HealthがAmazon Bedrockで医療コンテンツ審査を効率化｜AI活用事例を解説

2026年7月15日

AIニュース重要度

★★★☆☆

3.0 / 5｜知っておくと役立つ通常ニュース

知っておくと役立つ通常のアップデートのため★3としました。

生成AIの学び方で悩んでいませんか？

「何から学ぶか」「続けられるか」「仕事で使えるか」が大切と分かっていても、独学では難しいですよね。

DMM 生成AI CAMP 学び放題は、DMM.comが提供する月額制の生成AIオンラインスクールです。

総額200万円相当の約1,000レッスンが学び放題。職種別・ツール別のコースを、メンターやAIチューターのサポートを受けながら継続的に学べます。

その第一歩として、入会前に中身を体験できる60分の無料セミナーが用意されています。参加すると、こんなことが分かります。

自分の職種で使えるか - マーケティング・営業・人事など職種別8コースの中身を体感できる！
ツールごとの学び方 - ChatGPTやDifyなど、ツール別のマスターコースも確認できる！
学習の進め方 - 約1,000レッスンをどう学べば短期間で身につくか、プロが提案してくれる！
続けられる仕組み - 24時間対応のAIチューターやメンター相談、コミュニティの中身が分かる！
生成AIの最新デモ - 生成AIの最新技術デモをその場で体験できる！

「無料セミナーで体験してから、学び放題に入会して継続的に学ぶ」という流れで始められるので、合うか分からないまま入会する心配がありません。

予約・参加は無料。入会するかはセミナーの後に決められます。

＼予約は30秒・日時を選ぶだけ／

60分の無料セミナーを予約する（無料）

⇒入会・コース詳細を公式サイトで見る

※無料なのはセミナーで、学び放題本体は月額制の有料サービスです。料金は公式サイトをご確認ください。
※セミナー・コース内容は変更される場合があります。

概要

女性向けヘルスケアアプリを展開するFlo Healthが、AWSの生成AIサービス「Amazon Bedrock」を使い、医療コンテンツの審査・生成システムを本番運用に導入した事例をAWS Machine Learning Blogが公開しました。本記事はシリーズ第2弾で、PoC（概念実証）から実運用システムへと発展させた過程を、Flo Health自身のエンジニアリングチームが解説しています。

何が発表・更新されたのか

Flo Healthは、AWS Generative AI Innovation Centerとの共同PoCを土台に、Amazon Bedrock上で稼働する医療コンテンツ審査・生成システムを構築しました。特徴は次の3点です。

「AI Judge」と呼ばれる複数の評価モデルを用意し、医療的正確性・法的コンプライアンス・ブランドスタイルなど観点ごとに個別評価する仕組み
内部の医療ガイドライン照合、外部の信頼できる医療情報源との照合、専門家による最終レビューという3層の検証フロー
Retrieval Augmented Generation（RAG）を組み込んだコンテンツ生成システムで、Anthropic社のClaudeモデル（軽量なHaikuと高精度なSonnet）を用途に応じて使い分け

このシステムをContentful（CMS）と連携させ、編集者や医療専門家が使い慣れたワークフローの中でAIの提案を確認・選択できるようにしています。

公式記事によると、この仕組みの導入によりレビュー時間が60%削減され、医療チームの人員を増やすことなくコンテンツ生産量が3倍になったとされています。

なぜ重要なのか

医療関連の情報発信では、AIが事実に基づかない内容を生成してしまう「ハルシネーション（幻覚）」のリスクが特に懸念されます。Flo Healthは、信頼できる医療情報源のみを根拠とし、参照元を明示する仕組みをあえて構築することで、この課題に対応しています。専門知識を持つ医療レビュアーの採用・拡充は難易度もコストも高いという課題に対し、AIで専門家の生産性を高めるアプローチを取った点が、今回の事例のポイントです。

誰に関係があるのか

ヘルスケア・医療分野でコンテンツを制作している企業や編集チーム
専門知識を要する審査業務（法務・コンプライアンス・品質保証など）を抱える組織
Amazon BedrockやClaudeモデルを使った生成AIの実運用に関心がある開発者・情報システム担当者

仕事や業務でどう使えるのか

本事例は、審査対象のコンテンツを複数の観点（正確性、法令順守、文体など）ごとに専用のAIモデルで評価し、人間の最終判断を残しながら効率化するという設計思想を示しています。単一の万能プロンプトに頼るのではなく、観点ごとにモデルや評価基準を分けることで、精度改善やモデル変更を個別に行えるという点は、医療分野に限らず、契約書レビューや品質管理など、専門家による確認作業を伴う業務全般の参考になる考え方です。

注意点

本記事はAWSブログに掲載されたFlo Health側の視点による事例紹介であり、成果指標（レビュー時間60%削減、生産量3倍など)はFlo Health社内での測定結果として述べられています。公式情報上では、日本での提供状況や対象プランの詳細、料金体系については確認できませんでした。自社での導入を検討する場合は、業種や取り扱う情報の特性に応じて、一次情報や自社の要件に照らして個別に確認することをおすすめします。