FHIRInsightで血液検査を理解する：FHIRをわかりやすく
血液検査の結果を見て、何が書いてあるのか全然わからないあの感じ、分かるかと思います。 その問題を解決してくれるのがFHIRInsightです。 そもそも医療データは怖いものや分かりにくいものではなく、誰もが活用できるものであるべきだ、という考えから始まりました。 血液検査は健康チェックではとても一般的ですが、正直なところ、理解するのは多くの人にとって難しく、臨床検査を専門としない医療スタッフにとっても難しいことがあります。 FHIRInsightは、血液検査のプロセスをもっと分かりやすくし、情報をより活用しやすくすることを目指しています。
🤖 FHIRInsightを構築した理由
すべては、シンプルながら強力なこの質問から始まりました。
「なぜ血液検査の結果を読むのは、時には医師にとってもこんなに難しいのか？」
血液検査の結果を見たことがあるなら、大量の数字、意味の分かりにくい略語、そして自分の年齢や性別、状態に合っているかどうかもわからない「基準範囲」を見たことがあると思います。 確かに診断ツールではありますが、状況が分からなければ、結局推測することになります。 経験豊富な医療従事者でさえ、すべてを理解するためにはガイドラインや論文、専門家の意見を照らし合わせる必要があることがあります。
そこで登場するのがFHIRInsightです。
FHIRInsightは、患者のためだけではなく、医療現場の最前線で働く人たちのために開発されました。 連続シフトをこなす医師のために、バイタルの微妙な変化を見逃さない看護師のために、限られた時間と大きな責任の中で最善の判断をしようとするすべての医療従事者のために、です。 私たちの目標は、複雑な臨床FHIRデータを、分かりやすく、実用的で、実際の医療科学に基づく情報に変えることで、医療現場の仕事をほんの少しでも楽にすることです。 人間にもわかるように伝えます。
FHIRInsightは、単に検査値を説明するだけではありません。 次も行います。
- 検査結果が軽度・中等度・重度のどれにあたるのかを、状況に応じてアドバイスする
- 臨床症状に基づき、考えられる原因や鑑別診断を提案する
- 追加検査、紹介、または緊急対応など、次のステップを推奨する
- RAG（Retrieval-Augmented Generation）を活用し、分析をサポートする関連する科学論文を取り込む
若い医師が患者の貧血検査結果を見ているところを想像してください。 異常値をその都度Googleで検索したり、医学ジャーナルを掘り起こしたりする代わりに、問題を要約するだけでなく、その根拠を裏付ける最新の研究やWHOガイドラインまで引用したレポートを受け取ることができます。 これこそ、AIと厳選された研究のベクトル検索を組み合わせることで得られるパワーです。
では、患者はどうでしょうか？
患者は、大量の数字をただ眺めて「ビリルビン 2.3 mg/dL」が何を意味するのか、心配すべきなのか悩むことはありません。 代わりに、患者には簡潔で丁寧な説明が提供されます。 臨床報告書というよりも、会話のように感じられるもの。 患者が実際に理解できて、医師との話し合いに使えるもので、準備が整い不安も軽減されます。
FHIRInsightの本当の目的はここにあります。医療の複雑さを分かりやすくし、医療従事者と患者が一緒に、より良く自信を持った判断を下せるようにすることです。
🔍 内部の仕組み
もちろん、表面上のこのシンプルさは、裏で静かに動く強力な技術によって実現されています。
FHIRInsightは、次の技術に基づいて構築されています。
- FHIR（Fast Healthcare Interoperability Resources）：これは、世界的に標準化された医療データ規格です。 検査結果や患者の病歴、人口統計情報、受診記録などの構造化された情報を受け取ることができます。 FHIRは医療システムが話す言語であり、私たちはその言語を人が実際に使える形に翻訳します。
- RAG (Retrieval-Augmented Generation) のベクトル検索：FHIRInsightは、科学論文（PDF形式）や信頼できるURLをInterSystems IRISのネイティブベクトル検索を用いてベクトルデータベースにインデックス化することで、診断推論を強化します。 検査結果があいまいだったり微妙な場合、システムは推奨内容をサポートする関連情報を取得します。記憶からではなく、実際の最新の研究からです。
- 医療推論のためのプロンプト設計：LLMが血液関連のさまざまな状態を特定できるよう、プロンプトを微調整しています。 鉄欠乏性貧血、出血傾向、ホルモンバランスの乱れ、自己免疫反応などに関わらず、このプロンプトは症状の変化、検査結果のパターン、考えられる原因を通じてLLMを導きます。
- LiteLLM統合：カスタムアダプターにより、複数のLLMプロバイダー（OpenAI、Anthropic、Ollamaなど）へのリクエストを統一インターフェースでルーティングでき、フェイルオーバー、ストリーミング、モデル切り替えを簡単に実行できます。
これらはすべて数秒で行われ、未加工の検査値をわかりやすく、実践的な医療インサイトに変換します。医師が患者30人分のカルテを確認する場合でも、患者が自分の数値の意味を理解しようとする場合でも同様です。
🧩 LiteLLMアダプターの作成: すべてのモデルを1つのインターフェースで管理
舞台裏では、FHIRInsightのAI搭載レポートはLiteLLMによって支えられています。LiteLLMは優れた抽象化レイヤーで、100種類以上のLLM（OpenAI、Claude、Gemini、Ollamaなど）を、OpenAI風の単一インターフェースから呼び出すことを可能にします。
しかし、LiteLLMをInterSystems IRISに統合するには、ビジネスオペレーションに隠されたPythonスクリプト以上に、より恒久的で再利用可能な仕組みが必要でした。 そこで、私たちは独自のLiteLLMアダプターを作成しました。
LiteLLMAdapter の紹介
このアダプタークラスは、堅牢なLLM統合に必要なすべてに対応しています。
prompt、model、temperatureなどのパラメーターを受け入れる- 環境変数（例: APIキー）を動的にロードする
これを相互運用性の本番環境に組み込むため、専用のBusiness Operation内にラップしました。
- 標準の
LLMModel設定を通じて本番環境の構成を処理する - FHIRAnalyzerコンポーネントと統合して、リアルタイムにレポートを生成する
- LLMへのアクセスを必要とする将来のコンポーネントに対して、一元的な「AIブリッジ」として機能する
コアとなるフローをシンプルに表すと、次のようになります。
set response = ##class(dc.LLM.LiteLLMAdapter).CallLLM("Tell me about hemoglobin.", "openai/gpt-4o", 0.7)
write response
🧭 まとめ
FHIRInsightの構築を始めたとき、私たちのミッションはシンプルで、血液検査を、誰にとってももっと分かりやすくすることでした。 患者だけでなく、医師や看護師、介護者... そして検査結果を見て*「で、これって結局どういう意味？」*と思ったことがあるすべての人にとってです。
誰もが一度は経験したことがあります。
FHIRの構造、InterSystems IRISの高速処理、LLMのインテリジェンス、そしてベクトル検索による真の医学研究の奥深さを組み合わせることで、わかりにくい数値を意味あるストーリーとして届けるツールを作り上げました。 人々が自分の健康についてより賢い判断を下せるようにサポートする、そして、見逃されがちな異常の早期発見につながるストーリーです。
しかし、FHIRInsightは単なるデータだけの話ではありません。 大切なのは、データを見たときに私たちがどう感じるかです。 データを明確で、支えとなり、前向きな力を与えてくれるものにしたいと考えています。 さらにこの体験が... まあ、**医療を「バイブコーディング」**するような感覚、スマートなコード、優れたデザイン、人間的な共感が絶妙に融合するあの絶妙な体験です。
ぜひ試してみてください。使い倒して、疑問を持ち、改善にご協力ください。
次に見たいものを、ぜひ教えてください。 より多くの病状？ より高い説明可能性？ もっとパーソナライズについて？
これはまだ始まりにすぎません。次に生まれるものを、ぜひ一緒に作り上げていきましょう。