Flo Health、Amazon Bedrockで医療コンテンツレビューをスケーリング – パート2

Flo Healthは女性の健康をサポートするアプリを提供しており、アプリ内ストーリー、記事、オンボーディングフロー、マーケティング資料など多様なコンテンツを作成しています。すべてのコンテンツは厳格な医学的正確性基準を満たす必要があります。以前は、医学レビューが最大のボトルネックでした。各医学専門家は1記事につき平均7営業日を費やし、事実確認や参考文献の照合を行っており、コンテンツ生産の拡大が困難でした。

この課題を解決するため、Flo HealthはAWS Generative AI Innovation Centerと協力し、概念実証（PoC）を本番システムに発展させました。システムはAmazon Bedrockを基盤とし、「AIが先にレビューし、人間が最終確認する」アプローチを採用しています。検証は3層構造です。まず内部ガイドラインに照らしてコンテンツをチェックし、問題点をフラグ付けします。次に、外部の信頼できる医学情報源（エビデンスに基づく臨床意思決定ツール、査読付きジャーナル、規制機関の刊行物）と照合します。最後に、医学専門家がAIによって注釈されたコンテンツを、適用されたルールと関連ソースへのリンクがハイライトされた簡素化されたインターフェースでレビューします。

AIレビューシステムでは、Flo Healthは複数の専用AIジャッジを作成しました。各ジャッジは医学的正確性、法的コンプライアンス、ブランドスタイルなど特定のレビュー次元に焦点を当てています。各ジャッジは異なるプロンプトとトレーニング例を持ち、必要とされる品質基準、リスクレベル、レイテンシ、運用コストに基づいて最適なモデル（Claude HaikuやSonnetなど）が選択されます。高リスクのチェックでは正確性と信頼性が優先され、低リスクのチェックではより軽量なモデルが使用されます。このモジュール設計により、各ジャッジを独立して改善でき、回帰問題を回避できます。

AIコンテンツ生成では、検索拡張生成（RAG）を活用しています。システムはAmazon S3に保存された知識ベースから関連する医学ガイドライン、ルール、テンプレートを検索し、Amazon Bedrock上のClaudeモデルを使って構造化されたコンテンツを生成します。生成プロセスでは連鎖思考（Chain-of-Thought）プロンプトを使用し、まず分類を行ってから高品質なコンテンツを生成します。さらに、自動検証ステップで医学的正確性とブランドガイドラインの準拠をチェックし、問題があれば再処理をトリガーします。

アーキテクチャでは、リクエストはAmazon API Gatewayを経由し、UIにリアルタイムで進捗が伝えられます。コアパイプラインは3つのステップで構成されます。知識ベースからの情報検索、Claudeモデルによるコンテンツ構造化、出力の検証です。状態とメタデータはAmazon DynamoDBで管理され、AWS Step Functionsがエンドツーエンドのワークフローを調整します。

チームはまた、YAMLがJSONよりも堅牢な出力形式であること（インデントベースの構造がエラーを減らす）、ルールセットは具体例で補強すべきこと、段階的な導入と継続的な検証が信頼構築に重要であることなどの教訓を得ました。最終的に、このシステムは医療チームを拡大することなく、レビュー時間を60%削減し、コンテンツスループットを3倍に向上させました。また、Claude HaikuとSonnetの使い分けや、中間結果を段階的に表示するユーザー体験の改善など、実践的な最適化も行われています。