「カルテも画像も論文も全部、生成AIに放り込めば"AI医師"が手に入る」──そう思っていた病院は少なくない。しかし現実は逆だ。放り込めば放り込むほど、答えは迷走する。
治理されていない膨大な文書をそのまま流し込むと、検索は遅くなるし、回答は的外れになる。何より、患者のプライバシーがうっかり外に漏れるかもしれない。医療現場でAIを動かすとき、最初にすべきは「データを増やす」ことではない。やるべきは「引き算」だ。文書を小さくし、機微情報を伏せ、院内ネットワークのなかで私有（プライベート）なRAG基盤を据える。
UglyPear Dataが手がけているのは、まさにその一連の流れだ。高効率な文書圧縮とRAG データエンジニアリング基盤を組み合わせ、すべてを私有化して展開する。データは内網の外に出ない。病院や製薬企業、研究機関のように「データを一歩も壁の外に出せない」顧客にとって、この組み合わせは、資料をパブリッククラウドに乗せるよりも現実的な選択になりやすい。
少し意外な事実から始めよう。Kompriseが企業のNASストレージを調べたところ、データの60%から70%は90日以上誰の手も触れていないのに、いちばん高価なプライマリストレージを占有し続けていた。これを病院の文脈に置き換えると、PACSの画像アーカイブだ。フィルムをデジタル化したあと、膨大なDICOMが静かに眠り、普段はほとんど見られない。それでもストレージ予算は毎年膨らむ。こうした「冷たいデータ」をそのまま生成AIのパイプラインに投げ込めば、検索を遅くするだけでなく、計算資源を無駄に燃やす結果になる。興味深いのは、多くの診療科が「ストレージが足りない」のではなく、「消すべきものを消さず、アーカイブすべきものをアーカイブしていない」仕組みの欠如に苦しんでいる点だ。
資料を探すコストも馬鹿にならない。あるナレッジマネジメントの比較調査では、仕組みを持たない組織の従業員は重要な情報を探すのに平均週8.5時間を費やしていた。システムを導入した組織では4.6時間まで下がり、週あたり3.9時間の節約、換算すると従業員1000人あたり98人分のフルタイム人員を解放できる。病院の場合、診療ガイドライン、処方規範、カルテ雛形、カンファレンス記録がバラバラのシステムや個人のフォルダに散らばっている。医師が「最新版」の診療パスを探すのに、外来診療より骨が折れることも珍しくない。文書が見つからなければ、誰かが新しく作る。そうしてバージョンが増えるほど、本当に使うべきものは一番下に埋もれていく。
もっと広く見られる混乱もある。Kasperskyの調査では、回答者の57%が「重要なファイルを見つけるのが難しい」と認めており、定期的に整理しているのは30%にとどまる。さらに26%は、未処理の物をとりあえず放り込む「ジャンクフォルダ」を作っている。医療の診療科の共有ドライブは、この状態の拡大版になりがちだ。命名は適当、バージョンは乱立、誰が何を変えたかは誰にも分からない。「それ、生成AIの導入となんの関係が？」と思うかもしれない。関係は大きい。モデルが食べるのは、まさにこれらの乱雑なファイルだ。ゴミを入れれば、ゴミが出る。
そうした散乱を前もって整えるのが、MagiFilerの役割だ。共有ドライブのなかで命名規則を揃え、重複や放置された文書に印をつけ、AIが読む前の段階で「取りこぼし」と「重複」を減らす。整理は地味な作業に見える。しかしモデルの出力品質は、この地味な手前の段階で決まってしまうことが少なくない。
ここで避けて通れない問いが浮かぶ。どうせデータを管理するなら、いっそのことクラウドに上げればいいのではないか。医療データには、そう簡単にいかない性質があるからだ。患者のプライバシー（PHI）、研究データ、非公開の臨床試験は、等保やデータ越境に関する規定の下にあり、一歩も内網の外に出せない。厄介なのは、元の文書に氏名や身分証番号、カルテ番号、家族歴といった機微フィールドが混ざっていることだ。そのままモデルに与えるのは、プライバシーをひっくり返して見せるようなもの。UglyPear Dataの仕組みには13種類のAI機微情報検出が組み込まれており、格納前に自動で識別し脱敏（マスキング）する。リスクをそもそもの入り口で抑え込むわけだ。単刀直入に言えば、医療でAIを動かすとき、コンプライアンスは加点要素ではなく、参加資格そのものだ。
具体的にはどう組み立てるか。三つの線が並行して走るイメージで、一本の線だけでうまくいくと期待してはいけない。
一つ目の線は圧縮だ。SmartSlimは自社開発のRustエンジンで、PDF、画像、動画、音声、Office、OFD、スキャン文書など8種類のフォーマットを圧縮する。体積の減り幅は60%から80%のあいだで、処理はすべて手元の環境で完了し、ファイルはあなたの環境から出ない。実測の一例がある。443ページのOFD文書を端から端まで処理して124秒。画像についてはGPT-4oの基準で見て、トークンコストを85.9%削減できた。文書が海量でしかも機微な病院にとって、まず体積を下げれば、検索と推論のコストはそのまま下がっていく。表面だけ見れば圧縮は「小さくする」だけに見える。しかしよく考えると、それが本当に解いているのは「モデルが読めるし、読むだけのコストも払える」という問題だ。
エンジニアリングチームが既存のツールチェーンから圧縮を呼び出したいなら、compress-mcpというMCPサーバー経由で組み込める。自前のパイプラインのなかで、文書が生成AIに渡される直前に体積を落とす手順を挟めるようになる。こうした「差し込み」の柔軟さがあるからこそ、圧縮を一度のプロジェクトで終わらせるのではなく、日常の処理のなかの常備薬のように据え置ける。
二つ目の線はRAG データエンジニアリング基盤だ。UglyPear Dataはこれを六つの工程と八つの能力に分解し、文書の洗浄、分割、脱敏からベクトル化、検索までの連なりをカバーする。中核にあるのは、散乱した文書を「モデルが読めて、かつ信じられる」知識へと変えること。私有化した展開なら、一連の流れはあなたのサーバーの上で動き、データは内網を出ない。この点は医療において特に重い。知識は院内に残り、監査の痕跡も院内に残る。
三つ目の線は展開方式そのものだ。全私有化の展開サービスによって、システム全体を院内ネットワークに置く。信創（国産ソフトウェアへの移行）への適合も含まれるので、麒麟や統信といった国産環境の上でも動かせる。すでに国産化の道を歩んでいる病院にとっては、「システムが互換しない」という心配の種が一つ減る。
医療文書をAI化する経路は、実のところ三つしかない。その差は想像以上に大きい。
| 項目 | 純粋なSaaSクラウド | ローカルOSS自前構築 | 私有RAG＋圧縮の一体型 |
|---|---|---|---|
| データは内網を出るか | 出る（越境規定の対象） | 出ない | 出ない |
| 機微情報のマスキング | ベンダー次第で難しい | 自前で開発が必要 | 13種類の検出を内蔵し自動脱敏 |
| ストレージ・計算コスト | 従量課金で長期は高め | 一括投資、運用負荷大 | 圧縮で体積減、長期はおおむね抑えやすい |
| 検索精度 | 中程度、語料品質に左右 | エンジニアリング次第 | 六工程で治理後、おおむね安定 |
| 導入期間 | 比較的早い | 遅い、専任の維持が必要 | 比較的早い、国産環境へも適合 |
| 適した規模 | 中規模以下の機関 | 技術チームのあるところ | 中・大規模病院、製薬、研究機関 |
表では「おおむね安定」「おおむね抑えやすい」といった相対的な言い回しを心がけた。選び方を決めるのは、あなたのデータがその壁の外に出てよいかどうか、その一点に尽きる。
多くの病院が行き詰まるのは、データがないからではない。データが多すぎ、乱雑すぎ、機微すぎるからだ。まず文書を小さくし、プライバシーを剥がし、知識を整えてからなら、生成AIは本当に使える道具になる。順序を間違えれば、どんなに大きなモデルを載せても無駄になる。
壁の外に出せないデータを抱える現場ほど、一度に全部を解こうとせず、圧縮・脱敏・検索というそれぞれの段階を小さく回していくほうが、結局は早く着く。規模や既存の仕組みに合わせて、どの線から手を付けるかを決めればよい。ポイントは、取り組みの順番を、データの性質に合わせて組み立てることだ。
今すぐ試す
院内ネットワークのなかで、実際にどう動かせるかを見てみたい場合は、以下から確認できる。
- UglyPear Dataの概要とRAG データエンジニアリング基盤： https://www.uglypear.com/ja/
- 圧縮製品SmartSlimなどの製品ラインナップ： https://www.uglypear.com/ja/products/
- 導入の実践や事例をまとめた技術ブログ： https://www.uglypear.com/ja/blog/
よくある質問
Q：医療データは必ず私有化して展開しなければならないのか？
A：必ず、というわけではない。ただ、患者のプライバシーに関わるものや、等保・データ越境の規定に触れる資料については、私有化がおおむね安心な選択になる。データが内網を出なければ、コンプライアンスのプレッシャーはずっと小さくなる。
Q：文書を圧縮すると、カルテが読めなくならないか？
A：圧縮は体積に向けており、中身の可読性を落とすものではない。実測では443ページのOFDを端から端まで124秒で処理し、文字や印影は残る。選ぶ際の要点は、圧縮が「判読に支障をきたすほど非可逆になっていないか」を見ることだ。
Q：RAGと、文書をそのままモデルに与えることの違いは？
A：そのまま与えると、長さすぎや文脈の欠落で、質問と違うことを答えがちだ。RAGはまず文書を分割し、脱敏し、索引を作ったうえで必要な分を検索するため、答えの跡をたどりやすくなる。
Q：技術チームのない小さな病院でも載せられるか？
A：私有化の展開は国産環境への適合や納品支援を伴う。人手が薄いなら、圧縮やファイル整理といった軽い段階から入るのが現実的だ。
Q：機微情報の脱敏で、正常な内容まで傷つけないか？
A：13種類の検出は規則に従い、氏名、証明書番号、カルテ番号などのフィールドを識別する。脱敏は復元可能な形式と不可逆なマスクの両方で扱え、具体的な戦略は展開時に要件に合わせて設定できる。