医療AIエージェントは「回答」から「実行」へ、シンガポールの共通基盤AgentSeaを解剖｜2026年8月29日版
医療現場の生成AIが、文章を要約するだけの道具から、複数の作業を順番に進めるエージェントへ移り始めています。
シンガポールの国立医療IT機関Synapxeは、公共医療部門の職員が自然言語でAIエージェントを作成・共有できる共通基盤「AgentSea」を展開しました。導入から2カ月余りで作成されたエージェントは1万2,000件を超えています。
重要なのは件数ではありません。医療AIの実装単位が、一つの回答から業務フロー全体へ広がったことです。
- AgentSeaは、臨床記録の要約や勤務表作成など複数段階の業務を支援する
- 職員は高度なプログラミング知識がなくても、自然言語でエージェントを構成できる
- 承認済みツールへのアクセス、監査ログ、モニタリングを共通基盤に組み込む
- 医療上の判断と責任は人に残し、AIの「提案」だけでなく「行動」を管理する
AgentSeaは何を変えたのか
従来の医療向け生成AIは、診療記録の下書き、会話の文字起こし、文書検索といった一回ごとの処理が中心でした。AgentSeaが狙うのは、その先です。
利用者が目的を与えると、エージェントは許可された情報やツールを使い、必要な処理を組み合わせます。Synapxeが示した用途には、次のようなものがあります。
- 患者の背景、臨床上の問題、治療計画、未完了のフォローアップを診察前に整理する
- 臨床記録を要約し、複雑な診察の準備を支援する
- 調達関連の文書を確認する
- 勤務表や業務報告を作成する
- 手術回診の要約や薬剤計算など、専門業務を補助する
なかでも具体的なのが、National Heart Centre Singaporeの医師が作成した診察準備用エージェントです。患者情報を一つの要約にまとめ、医師が診察前の確認に費やす作業を支援します。
ここではAIが診断を確定するわけではありません。情報を集めて並べ直す実行部分をAIが担い、臨床判断は医師が担うという役割分担です。
仕組みの核心は「モデル」より共通基盤
AgentSeaの技術的な価値は、特定の大規模言語モデルを採用したことより、エージェントを医療組織内で安全に動かす共通層を用意した点にあります。
個別開発を共通の入口に集約
病院や部門がそれぞれAI環境を構築すると、認証、データ保護、モデル接続、監査、運用監視を個別に実装しなければなりません。連携先や安全基準もばらつきます。
シンガポールでは、すでに生成AI基盤「Tandem」を公共医療機関向けに展開していました。Tandemは、一般的な生成AI利用、医療データを扱う安全な検証環境、検証済みアプリの本番展開という段階を共通化しています。
AgentSeaはこの流れを、複数の処理を動かすエージェントへ拡張したものです。職員が自然言語で用途を定義し、組織が認めた範囲内でツールやコネクターを利用できる構成になっています。
エージェントの行動を後から追跡する
チャットAIの出力は、人が読んでから採用するかを決められます。しかし、エージェントがシステムに接続して処理を進める場合、誤りは文章の中だけにとどまりません。
たとえば、誤った患者情報を次の工程へ渡す、不要な処理を開始する、権限外の情報へ接続するといったリスクが生じます。このためAgentSeaには、次の統制が組み込まれています。
- 利用できるツールとコネクターの制限
- アクセス権限の管理
- 操作を追跡する監査ログ
- 稼働状況と異常を確認するモニタリング
- 医療データを外部へ出さないための保護策
ここがポイント: AIが答えを作る段階では「出力の正しさ」が中心でした。AIが処理を実行する段階では、権限、操作履歴、停止手段、人による承認まで含めて管理する必要があります。
1万2,000件は普及の証拠であって、効果の証明ではない
AgentSeaでは、提供開始から2カ月余りで1万2,000件を超えるエージェントが作られました。ノーコードに近い操作で現場職員が試せるため、用途探索の速度は上がります。
一方、作成数だけでは患者や医療従事者への効果を判断できません。試作されたエージェントのうち、継続利用されたもの、本番業務に組み込まれたもの、作業時間やミスを減らしたものが何件あるかは別の指標です。
シンガポール保健省も、導入件数から成果測定へ軸を移す必要性を示しています。確認すべきなのは、たとえば次の結果です。
- 医師や看護師が患者に向き合う時間は増えたか
- 見落としや連絡漏れは減ったか
- AIの誤りを人が修正する負担はどの程度か
- 患者の待ち時間や治療結果は改善したか
- 異なる病院でも同じ品質を保てるか
AIエージェントを大量に作れることと、安全に運用できることは同義ではありません。試作から本番へ進める際の評価基準が、次の焦点になります。
医療で「実行するAI」をどう統制するか
シンガポール保健省と保健科学庁は、2026年に医療AIガイドライン「AIHGle 2.0」を公表しました。開発者、導入する医療機関、利用する医療従事者の責任を分け、安全性と性能の評価、導入後の監視、事故報告、多職種によるガバナンスを求めています。
エージェントでは、権限の段階設計が特に重要です。
人が必ず確認する処理
診断、治療方針、処方など、患者の健康に直接影響する判断は人が担います。AIが要約や候補を作っても、医療従事者が根拠と患者の状況を確認する必要があります。
条件付きで自動化できる処理
定型文書の準備や情報の整理などは、自動化しやすい領域です。ただし、参照できるデータ、実行回数、出力先を制限し、異常時には停止できる設計が欠かせません。
自動化すべきでない処理
責任主体が不明になる判断や、誤作動時に取り消せない処理をエージェントへ直接任せるのは危険です。「モデルが高性能だから許可する」のではなく、処理ごとの影響と復旧可能性で権限を決める必要があります。
日本の医療・福祉現場への示唆
日本で参考になるのは、エージェントそのものより導入順序です。病院ごとに個別のAIツールを増やす前に、認証、接続先、ログ、監視、承認手順を共通化する。この順序なら、現場の試行を促しながら管理負担を抑えられます。
開発担当者
エージェントの精度だけでなく、どのデータを読み、どのツールを呼び、どこで人の承認を待つかを設計対象にする必要があります。ログから一連の動作を再現できることも必須です。
医療機関の管理者
利用件数を成果指標にせず、時間短縮、修正率、事故やヒヤリ・ハット、患者への影響を測る仕組みが必要です。試作を本番へ移す条件も事前に決めておくべきです。
医療従事者と患者
AIが作った要約や提案を誰が確認したのか、誤りをどこへ報告するのかが明確でなければなりません。患者に関係する処理では、AIの利用範囲と人の責任を説明できることが信頼の前提になります。
継続ウォッチ
AgentSeaは、医療AIが業務支援ツールから共通の実行基盤へ移る動きを示しました。次に見るべきなのは、作成数ではなく運用結果です。
- 1万2,000件のうち、本番業務で継続利用されるエージェントの割合
- 医療従事者の作業時間、修正負担、患者対応時間の変化
- エージェントが実行できる権限と、人の承認が必要な境界
- 監査ログや事故報告から得られた知見の公開範囲
- シンガポール、韓国、台湾が進める医療AI成果測定の共通枠組み
医療AIエージェントの次の競争軸は、モデルの回答性能だけではありません。誰が何を許可し、失敗時にどう止め、効果をどの数字で確かめるか。その運用設計が、試作を患者に届く仕組みへ変えられるかを左右します。