AI ネイティブ医療：100 万件の診療、10〜20 時間の節約、数分での事前承認 — Abridge の Janie Lee と Chai Asawa

AIE Melbourne（LS 割引）および AIE World's Fair（グループ割引最大 25% - Autoresearch および Vertical AI の CFP は現在も受付中）で特別割引が用意されています。そこで会いましょう！ Abridge は「GPT のラッパー」として始まったわけではありません。2018 年に設立され、AI アプリケーション層の企業のカンブリア爆発の数年前のことです。OpenAI が ChatGPT を一般公開したのは 2022 年 11 月 30 日でしたが、その頃には Abridge はすでに何年もかけて、医療において最も文脈が重要で重要なワークフローの一つである「患者と臨床医との対話」に対する信頼を構築するという地味な作業に取り組んでいました。 ![image](https://substackcdn.com/image/fetch/$s_!MX36!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F967bcd77-27ed-4487-bcc1-28c3d66d057c_2018x1576.png) Abridge の当初の切り込み口は臨床ドキュメンテーションでした。診察を録音し、診療記録を生成し、事務負担を軽減して、臨床医が電子カルテ（EHR）に向き合う時間を減らし、患者とより多くの時間を過ごせるようにすることです。医師が実際にどのように文書を作成するか、医療システムがどのように購入を行うか、EHR 統合が実際にどう機能するか、臨床医が出力を検証する方法、そして診察中の文脈の欠如が請求、事前承認、品質管理、フォローアップにわたってどのような後続的な摩擦を生むかに焦点を当てることで、大規模言語モデル（LLM）の導入は、すでに敏感な文脈収集のために最適化されたワークフローにおいて増幅効果を持つ力となりました。 同社は急速にスケールしており、Abridge は今年、250 の大規模かつ複雑な米国医療システム全体で 8,000 万件以上の患者と臨床医の会話をサポートすると予測されています。また、28 以上の言語と 50 以上の専門分野に対応しています。同社は 2025 年 6 月に 30 億ドルの評価額で 3 億ドルを調達し、同年 earlier に 25 億ドルのラウンドを実施した後のことです。 ![image](https://substackcdn.com/image/fetch/$s_!EAxq!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F994c46e8-d0f0-44ad-96e0-6531a31268b0_1962x1718.png) 本日、Abridge の Janie Lee 氏と Chaitanya "Chai" Asawa 氏が、Redpoint の Jacob Effron 氏（Abridge の取締役会メンバー）とのクロスオーバー・ポッドキャストに参加し、Abridge がどのようにして環境ドキュメンテーションから始まり、臨床意思決定支援、事前承認、ペイヤー/プロバイダー/製薬企業のワークフローを経て、最終的には患者との会話の前・中・後に行動するリアルタイムエージェントへと展開していくのか、医療における臨床インテリジェンス層を構築しているかを探ります。 私たちは、1 億件以上の医療会話や専門分野に特化した評価から、リアルタイムアラート、電子カルテ（EHR）統合、匿名化、臨床医兼研究者チームに至るまで、AI を最もリスクの高いエンタープライズ環境の 1 つに導入する背後にある製品、データ、インフラ、評価、ワークフロー、プライバシー、組織設計の選択について詳しく掘り下げます。また、なぜ医療分野が最先端の AI 課題の一部を最初に解決しうるのかについても議論します。 私たちが取り上げる話題： 翻訳全文 なぜ Abridge は臨床ドキュメンテーション、パジャマタイム（帰宅後の業務）、そして週に 10〜20 時間の医師の時間節約から始めたのか 環境型スクリプトから臨床インテリジェンスレイヤーへの移行：時間を節約し、お金を節約し、命を救う 患者と医療従事者間の対話がヘルスケアにおいて最も重要なワークフローである理由（患者受診サマリー機能） Chai の「ヘルスケア向け Glean」の枠組み：文脈が王様だが、ヘルスケアでは安全性、評価、展開におけるリスクが高まる Abridge が AI を「エアコン」のように感じさせたい理由：常に背景にありつつ、本当に重要な時だけ介入する 事前承認（Prior Authorization）の事例：数週間後に拒否された MRI 検査を、患者がまだ診察室にいる間にリアルタイムガイダンスに変える ペイヤーポリシー、電子カルテ（EHR: Electronic Health Record）データ、医学文献、および病院固有のガイドラインがこの問題を難しくしている一方で、同時に参入障壁（モート）も形成する理由 Abridge が考える環境型フォームファクター：モバイル、デスクトップ、診室内デバイス、看護ワークフロー、マルチモーダル性、そして将来の AR（拡張現実） ヘルスケアにおける多面的な顧客：CMIO（最高医療情報責任者）、CFO（最高財務責任者）、CIO（最高情報責任者）、臨床医、患者、ペイヤー、および製薬企業 Abridge における最も困難な AI の課題：高リスクの臨床現場において、高品質で低遅延かつ低コストのリアルタイムサポートを実現すること Abridge が最先端モデルと独自モデルをどのように使い分けるか、そして医療会話からの独自のデータがなぜ重要なのか 「すべてのエージェントは本質的にコーディングエージェントである」理由と、電子カルテ（EHR）をヘルスケア向けエージェントのためのファイルシステムとして捉える考え方 Abridge が個々の医師、専門分野、医療システム全体にわたってどのようにパーソナライゼーションに取り組んでいるか 文脈を欠いた AI を「AI スロップ」と呼ぶ理由と、編集機能、記憶機能、臨床医の嗜好がデータ・フライホイール（データ増幅サイクル）をどう形成するか Abridge の評価スタック：LFDs（学習フィードバックデータ）、LLM 判定者、社内臨床医、第三者評価者、専門分野固有の評価、段階的ロールアウト HIPAA、PHI（保護医療情報）、匿名化、一方通行の匿名化、顧客契約、そして医療データを安全に活用して学ぶこと 1 億件以上の会話を扱う際に何が変わるか：信頼性、コスト、トレーニング後の調整、モデルルーティング、インフラ最適化 なぜ同じ臨床会話で医師、患者、保険者、製薬会社、そして将来の臨床試験ワークフローすべてに対応できるのか Abridge が電子カルテ（EHR）とどのように連携し、なぜ深い相互運用性が臨床医の採用には不可欠な前提条件なのか なぜ医療 AI には規制面の追い風があり、なぜ 80/20 の法則がここでは通用せず、なぜ高リスク領域こそが AI を前進させる原動力となるのか なぜ Abridge は「臨床科学者」を製品チームと評価チームに組み込んでいるのか Glean で得た検索、品質、そして持続可能な AI インフラに関する Chai の教訓 AI インフラの未来は、コンテキスト層、イベント駆動システム、Kafka、Temporal、ソケット、CRDT（Conflict-free Replicated Data Type：競合解決型複製データ型）、人間のために構築されたツールのようなものになるかもしれない理由 Janie が「PRD は死んだ」という見解をなぜ変えたのか、そして複雑な AI プロダクトにおいて明確な文章による記述がなぜより重要になるのか Abridge が社内で Claude Code、Cursor、コーディングエージェントをどのように活用しているか Abridge: ウェブサイト：https://www.abridge.com/ X（旧 Twitter）：https://x.com/AbridgeHQ Janie Lee: LinkedIn: https://www.linkedin.com/in/janiejlee Chaitanya "Chai" Asawa: LinkedIn: https://www.linkedin.com/in/casawa タイムスタンプ 00:00:00 イントロダクションと Abridge の概要 00:02:05 環境記録から臨床知能へ 00:04:04 クリニカル・デシジョン・サポート（臨床意思決定支援）と文脈の重要性 00:06:57 アラート疲労、プロアクティブなインテリジェンス、および事前承認 00:12:36 環境 AI のフォームファクターと医療顧客 00:16:59 医療における最も困難な AI 課題 00:18:26 フロンティアモデル、独自データ、およびモデル戦略 00:21:07 EHR をエージェントのファイルシステムとして活用する 00:24:03 パーソナライゼーション、メモリ、および臨床医の嗜好 00:30:40 評価（Evals）、LLM 判定者、および段階的ロールアウト 00:36:47 HIPAA、匿名化、およびプライバシー 00:39:21 1 億件の会話とスケールした運用 00:44:10 EHR 統合と臨床知能レイヤー 00:46:39 医療規制、レイテンシ、およびハイリスク AI 00:50:11 臨床科学者とロングテールの品質 00:53:04 Glean からの教訓と持続可能な AI インフラストラクチャ 00:57:03 エージェント型医療ワークフローの未来 00:57:34 PRD、製品の明確さ、そして本格的な AI プロダクトの開発 01:03:11 Abridge における AI コーディングツール 01:04:06 アウトロ トランスクリプト イントロダクション：Abridge、臨床知能、および潜在空間 x 教師なし学習のクロスオーバー Swyx [00:00:00]: はい。これは特別なクロスオーバー企画です。潜在空間と教師なし学習のポッドキャストです。 Jacob [00:00:07]: これをやることをとても楽しみにしています。 Jacob [00:00:08]: この時点で、私たちは年に一度集まります。 Swyx [00:00:10]: 年に一度ですね。 Jacob [00:00:11]: そしてこれは、それを行うのに楽しい機会です。 Swyx [00:00:13]: 私は本当に Abridge と話したかったのですが、医療分野は私たちが非常に深く取り扱っているわけではないため、自分が資格不足だと感じていました。たまたま Redpoint が Abridge の主要な投資家であり支援者なのです。 Jacob [00:00:27]: ポートフォリオ企業をあなたのポッドキャストに招待したい場合はいつでも。 Jacob [00:00:29]: ぜひ、どうぞ。 Swyx [00:00:31]: それではゲストをご紹介します。Chai と Janie、ポッドキャストへようこそ。 Janie [00:00:34]: 招待してくださりありがとうございます。 Chai [00:00:35]: ありがとうございます。 Janie [00:00:35]: ここにいられてとても嬉しいです。 Chai [00:00:36]: ありがとうございます。 Swyx [00:00:36]: 聴衆の皆さんにとって、両社が会社でどのようなことをしているのかを簡単に説明していただければ、会社の位置づけがわかりやすいと思います。 Janie [00:00:42]: Abridge は医療システム向けの臨床インテリジェンス層です。私たちは当初、ドキュメンテーションの作成と医師向けツールの構築から始めました。医師が抱える負担を軽減するという観点で考えると、彼らは週に 10〜20 時間をドキュメンテーションに費やしています。国内では医師不足が深刻な問題となっています。また、患者と医療従事者との対話は、おそらく医療における最も重要なワークフローであると私たちは考えています。ここがケアが行われ受けられる場所ですが、GDP の約 20% が医療に充てられていることを考えると、請求、支払い、実際の診断、治療など、ほぼすべての要素がこの対話から派生していると言えます。私たちは医師のドキュメンテーション負担を軽減するために「対話」から始めましたが、より広範な臨床インテリジェンス層へと進化していくこれからの道に大きな期待を抱いています。 Chai [00:01:34]: 私は Chai です。Abridge で臨床意思決定支援に取り組んでいます。 Swyx [00:01:37]: はい。 Chai [00:01:37]: Janie がおっしゃった通り、私たちは臨床ノート（clinical note）からスタートしたという点で独自の立場にあります。私が特に楽しみにしているのは、患者に関するすべての文脈情報、保険者ガイドライン、医学文献へのアクセスが可能であれば、対話の前・中・後に何ができるかという領域へと拡大していくことです。それらを統合し、医療が根本的にどのように異なる姿を見せることができるかを提示することに大きな興奮を覚えています。 Swyx [00:02:01]: それが、皆さんが開発された文脈エンジンなんですか？ Chai [00:02:04]: はい。 Swyx [00:02:04]: そういう名前だったんですか。わかりました。 Swyx [00:02:05]: 歴史的な経緯を私が理解する限り、同社は 2018 年に設立されました。医師たちが「録音することに同意しますか？」と尋ねる AI 音声メモというフォームファクターについては、多くの方がご存知のことと思います。これは手書きなどを置き換えるものですが、最近では会社全体で大きな転換があったようです。その広範な転換についてお聞かせください。 ドキュメンテーションから臨床インテリジェンスへ：時間を節約し、お金を節約し、命を救う Janie [00:02:26]: 転換の観点から言えば、私たちは私たちの旅を「第一幕は、いかにして時間を節約できるか」と捉えています。それが多くの場合、当初の製品に込められた目的でした。 Swyx [00:02:37]: ちなみに、興味深い統計の一つが Swyx [00:02:39]: あなたのランディングページにあったもので、医師たちは勤務時間外にも時間を費やしているという話です。 Janie [00:02:43]: それを「パジャマタイム」と呼んでいます。 Swyx [00:02:44]: なぜそれがパジャマタイムと呼ばれるのですか？ Janie [00:02:46]: 仕事が終わった後の医師が、パジャマ姿で Swyx [00:02:48]: パジャマ姿で。ああ。 Janie [00:02:49]: 自宅で毎日、記録を書き写し、追記をしているのです。 Janie [00:02:53]: 私たちの好きな顧客の愛の物語の一つに、「Love Stories」という Slack チャンネルがあります。臨床医の方々が「Abridge のおかげで、早期退職ができたり、ついに初めて Janie [00:03:06]: 子どもたちと夕食を共にして帰宅できるようになりました」と語ってくれています。 Chai [00:03:08]: 場合によっては、結婚生活を救うことにもつながります。 Swyx [00:03:10]: ある引用に「もう離婚はしない」という言葉がありました。 Swyx [00:03:12]: 私は「なぜですか？」と尋ねました。 Swyx [00:03:14]: 彼らが働きすぎているからです。 Janie [00:03:16]: しかし、私たちが向かおうとしている方向や拡大の観点では、医療システムがどのようにしてコストを削減し、より多くの収益を生み出せるかに焦点を当てた第2期、第3期の戦略について真剣に考えています。現在、医療システムは歴史的な低水準の運営利益率で運営されており、患者へのサービス提供がますます困難になっています。規制上の追い風も一部ありますが、それ以上に多くの逆風が押し寄せており、AI はコスト削減と収益増強において大きな役割を果たす準備ができています。そして最終的には、どのようにして命を救うかです。私たちのソフトウェアや製品は、患者が診察室に入る前・中・後に週に数百万回も利用されているという事実は、Chai が構築している臨床意思決定支援（clinical decision support）のような製品を通じて、患者のアウトカムを改善する上で巨大な機会をもたらしています。これはおそらく現在取り組むべき最も重要なワークフローと課題の一つです。 Glean からヘルスケアへ：文脈が王様 ジェイコブ [00:04:04]: 興味深い点があります、チャイさん。あなたはグリンと臨床意思決定支援からアブリッジに移籍されましたが、聴衆の皆様にとってこれは、診察の文脈において医師が適切なケアの種類を見極めるための支援を意味します。多くの面でこれは検索問題であり、さまざまなデータソースを横断して情報を処理する作業です。これは、あなたがグリンで最も初期のエンジニアの一人として携わっていた以前の役割と非常に類似しています。聴衆の皆様の多くは、現在取り組んでいる課題にどのような共通点があるのか、また医療分野に移ったことで何が異なるように感じられるのかについて興味を持っていることと思います。 Chai [00:04:33]: とても似ています。一歩引いて考えてみると、各波の到来に伴い、異なる製品間で非常に類似したパターンが頻繁に発生しています。多くのソーシャルネットワーキング製品は同じように見え、クレジットベースの製品も同様です。そして現在、エージェント時代においても同様の傾向が見られており、もちろん Redpoint のポートフォリオにある多くの企業などがその例です。両社における重要な洞察は、素晴らしいモデルを持っている一方で、「文脈」が王様であるという点です。文脈こそがそれらを機能させる鍵となります。私はこれを多くの面で見ていますが、この製品はヘルスケア分野に特化した Glean のバージョンと言えますが、その違いは非常に興味深いです。まず思い浮かぶのは、私たちが置かれている環境の厳格さです。ヘルスケアにおける下振れリスク（ダウンサイドリスク）は極めて高く、場合によっては致命的になり得ます。例えば、患者がアレルギーを持つ薬を処方してしまうようなケースです。一方、Glean では「質問に誤りがあった」という程度で、多くの場合世界が終わるわけではありません。では、これは何を意味するのでしょうか？それは私たちの評価戦略、すなわちオフラインでの評価や段階的なロールアウトのあり方を形作ります。これらについてはさらに深く掘り下げることも可能です。 次に思い浮かぶのは、「垂直統合型」と「水平展開型」の違いです。両社とも大きなバリエーションがありますが、Glean はより水平展開型の企業であり、扱うペルソナや提携企業の多様性が非常に大きいです。私たちも同様にペルソナのバリエーションがあり、異なる専門分野や病院システムを扱っていますが、その範囲はもう少し狭いと言えます。製品視点から言えば、特に成熟しつつある技術を用いてこれまで存在しなかった新しい製品を構築する際には、より焦点を絞って取り組むことが可能になります。また、ヘルスケア分野では多くの問題が人的労働とプロセスによって解決されてきたため、AI がさらに支援・強化を行うために極めて適した土壌となっています。 最後に、特に AI 分野の他の多くの企業と比較して Abridge に特徴的なのは、私たちが最初に採用したモダリティです。私たちは「アンビエント（周囲環境に溶け込む）」であり、常時バックグラウンドで聴き続けています。多くの AI プロダクトが今後この方向へ進むことになるでしょうが、これは私たちの出発点です。そしてこれが私たちが創り得る最も優れた形の AI であり、シームレスな AI です。画面を見ている必要はありません。常にそこにはあり、常にお手伝いし、先回りしてサポートします。Jarvis のビジョンについて言えば、過去 10 年間で参加したすべてのハッカソンでは必ず Jarvis の競合が存在しました。しかし Abridge はその機会から始まり、現在もその方向へと進み続けています。 環境型 AI とアラート疲労：製品はいつ介入すべきか Jacob [00:06:57]: 製品視点から非常に興味深い点の一つとして、常時稼働でシームレスに背景で動作する一方で、壁を破って「医師の皆さん、X について考慮されていないかもしれません」といったメッセージを発信するか、あるいは何をしたいかによって判断する必要があります。医療業界では従来、「アラート疲労（alert fatigue）」という概念があり、何千ものポップアップが表示されるが、医師はそれらをすべて無視してしまうという状況がありました。おそらく多くのビルダーが現在このパターンを模索しているところです。医師の診察において、介入したりポップアップを表示したりする適切な方法について、どのようにお考えでしょうか？ Janie [00:07:26]: それは素晴らしい質問ですね。アラートは、特に医療分野では悪名高いものです。アラートの 90% 以上が無視されています。第一に最も重要なことは、コンテキスト（文脈）がすべてであるという点です。Chai が示唆したように、また私も考えることですが、私たちがどのようにして、最も重要な瞬間において反応的な通知から、真の予防的インテリジェンスへと移行できるかということです。私たちはよく、「私たちの製品はエアコンのように感じられるべきだ」と言います。それは背景にあり、静かに状況を改善するものでなければなりません。そして、もし臨床リスクが極めて高く、今介入することが後で介入することよりも非常に重要であると私たちが鋭く認識している場合、行動を起こすことを決定すべきです。しかし、予防的 versus 反応的という観点から考えると、患者と深刻かつ繊細な会話をしている最中に医師にアラートを出すのではなく、その患者と対面する前に医師をどのように準備させるかという問いになります。歴史的には、医師は数ヶ月や数年にわたって担当した患者のカルテを手動で確認し、何をすべきかを突き止めようとしていました。Abridge がある世界を想像してみてください。私たちは、最新のコンテキストをすべて要約して提示します。また、患者が受診する理由に基づいて、あなたが議論すべき事項の種類も伝えます。つまり、いきなり患者のもとへ赴くのではなく、準備を整えた状態でその会話に臨むのです。そして、診療の最中にこの製品が 5 回や 10 回もあなたを中断させるようなことはなくなります。もちろん、中断することが本当に重要な場合もあります。私たちが提供する「Prior Authorization（事前承認）」という製品はその一例です。例えば、膝の痛みで医師の診察を受けた際、MRI の処方が行われることがあります。多くの人が経験したことがあるでしょう。「Sean さん、処方された MRI は承認されませんでしたので、またお越しください。後ほど対応します」という電話が 4 週間後に届くというものです。Abridge がある世界では、診療中に医師に静かに、しかし確実にアラートを出すことを選択できるかもしれません。ただし、「アラート」という言葉すら私たちが望む表現ではないでしょう。患者が退室する前に、医師にこう伝えるのです。「ドクター、Sean さんが帰る前に、彼に尋ねてください。理学療法を受けたことはありますか？また、痛みは 6 週間以上続いていますか？なぜなら、カリフォルニア州の Aetna プランでは 6 つの要件が求められているからです。私たちはすでに文脈をすべて把握しているため、そのうち 4 つの要件は満たされていることを確認しています。しかし、残りの 2 つの基準については、Sean さんが部屋を出る前にこれらに対応していただければ、MRI の承認を退室前にお約束できます」と。臨床的な有用性や患者への影響を考えるとき、患者がまだ診察室内にいる間に医師に気づかせることができれば、「時間の節約」「費用の削減」「命の救済」というすべての項目を満たすことができるのです。しかし、医師が診療間の 15 分しか持たない場合、何が本当に重要なのかについて、私たちは非常に慎重である必要があります。 事前承認：ケアの遅延を削減する Chai [00:10:23]: AI が持つ興味深い製品機会の一つは、世界における遅延（レイテンシ）を減らすことです。例えば、事前承認はケアが遅れる典型的な例であり、優れた AI によってこれを短縮できます。ただし、アラートに関する問題の多くは技術的な課題です：アラートの質が極めて重要です。もし意味のないアラートばかり送られてくれば、それらは無視されることになります。エンジニアリングの世界でも同様で、対応できないノイズの多いアラートでは役に立ちません。しかし、Janie 氏が述べたように文脈を含め、かつ非常に高品質なモデルを用いて高品質なアラートを生成できれば、全く別のゲームが創り出せるのです。 Janie [00:10:53]: 私はその体験をとても気に入っています。なぜこれがこれほど難しく、ユニークなのかを解きほぐし始めるからです。まず、この事前承認の例を実現するためには、必要なデータをすべて把握する必要があります。患者の文脈を理解するために電子カルテ（EHR）と連携し、過去の検査結果や画像データへのアクセス権があるか確認しなければなりません。また、あなたが Aetna の加入者であることを特定し、対応するためには、各州によって異なるすべての保険会社の方針を収集・統合する必要があります。これらの保険方針の一部はウェブサイトに掲載されており、一部は未整理の...

AI ネイティブ医療：100 万件の診療、10〜20 時間の節約、数分での事前承認 — Abridge の Janie Lee と Chai Asawa

背景や根拠まで確認しますか？

調べる

選ぶ

サイト