閉域網連携と全社横断RAG

医療業界のDXは、厳格なセキュリティ要件による「ネットワークの分離（閉域網）」や、高度な専門知識の「サイロ化」によって阻まれてきました。本記事では、これらの課題を生成AIで解決した2つの代表的なユースケースを紹介します。

事例1：VLMを活用した「閉域網・電子カルテ」の疑似連携

医療機関の電子カルテは高いセキュリティ基準により外部ネットワークから遮断された閉域網で運用されており、クラウドサービスとの直接的なシステム連携が極めて困難でした。この課題に対し、タブレット端末のカメラで電子カルテ画面を撮影し、クラウド上のVision-Language Model（VLM）で患者IDを自動抽出するアプローチを採用しました。電子カルテ側と外部との通信を一切必要としないため、ネットワーク経由のセキュリティリスクを完全に排除しつつ、病院側のシステム改変コストも大幅に削減しました。

2024年現在、最新のVLMアーキテクチャでは複雑なカルテ画面のレイアウトからゼロショットでID情報をJSON形式で構造化抽出することが可能です。さらに、タブレット（エッジデバイス）側で軽量なAIモデルを用いて患者氏名などの機密情報をマスキングする「プライバシー保護型エッジ処理」への拡張も進んでいます。

事例2：グローバル医療機器メーカーにおける全社横断RAGの構築

グローバルに臨床検査機器・試薬を展開する医療機器メーカーでは、顧客からの膨大な問い合わせ・メンテナンス依頼への対応が課題となっていました。試薬の保存方法・有効期限・機器の利用方法など膨大な社内データが蓄積されているにもかかわらず、必要な情報に迅速にアクセスする仕組みが不足していました。この課題に対し、社内ドキュメントを統合したRAG（検索拡張生成）対応チャットボットを開発・試験運用しました。顧客サポートだけでなく、営業部門では営業資料・顧客情報の検索に、研究部門では研究データ・学術論文の検索に活用するなど、全社展開を進めています。

医療機器の仕様や試薬の組み合わせなど複雑な依存関係を持つ文書群に対しては、単純なベクトル検索だけでは限界があります。最新の事例では、文書間の関係性を知識グラフとして構造化するGraphRAGを導入することで、「A試薬をB機器で使う際のエラー原因」といった複合的な推論を伴う検索精度を劇的に向上させています。また、Agentic RAGの導入により、研究データの分析から報告書ドラフト作成までのプロセス自動化も進展しています。全社横断型のAI推進コミュニティと「AI専門チーム（CoE）」を組織的に立ち上げ、生成AIの活用を体制として推進しています。