Claude Fable 5 医療業界 活用ガイド｜HIPAA/BAA/診療情報対応【2026年】

結論: Claude Fable 5を医療機関・製薬・医療機器企業で活用するには、BAA契約締結・HIPAA対応組織の設定・30日データ保持ポリシーの社内承認という3ステップが必須です。この準備を整えれば、診療サマリー自動生成・治験文書作成・医事課業務効率化など、医療現場の生産性を大幅に改善できます。

この記事の要点:

• Claude Fable 5はBAA締結後にHIPAA対応APIとして利用可能。ただしZDR（ゼロデータリテンション）は非対応で30日保持が必須
• 日本の3省2ガイドライン（厚生労働省・経産省・総務省）への対応は別途必要。AnthropicのBAA単体では国内法規制は満たせない
• 診療サマリー生成・治験プロトコル要約・医事課コーディング支援の3領域で即活用できるプロンプトを本記事で全公開

対象読者: 病院・クリニック・製薬会社・医療機器メーカーのIT担当者・情報システム部門・経営企画

読了後にできること: Fable 5の医療導入チェックリストを明日の社内会議に持ち込める

「せっかくAnthropicのAPIを契約したのに、法務から『HIPAAはどうなってるの？』と止められた」

先日、ある中規模病院のIT部門責任者からこんな相談を受けました（想定例）。Claudeの高い文書作成能力に惚れ込んで試験的に使い始めたものの、患者情報を含むプロンプトをどう扱えばいいのかわからず、プロジェクトが宙ぶらりんになってしまっていたんです。

医療業界でAIを使う怖さは、他の業界と比べものにならないくらい大きい。患者の個人情報・診断名・投薬履歴が1件でも漏れたら、即座に規制当局の調査対象になる。アメリカなら1件あたり最大10万ドルの制裁金、日本では改正個人情報保護法・医療情報システム安全管理ガイドラインの違反になります。

でも、だからといって「リスクがあるから使わない」では済まされない時代になっています。2026年度の診療報酬改定では、生成AIを活用した退院時要約や診断書原案の自動作成が評価対象になり、競合病院はすでに動き出しています。この記事では、100社以上のAI研修・導入支援の経験をもとに、Claude Fable 5を医療業界で安全に使うための具体的な手順を全公開します。

Claude Fable 5の医療業界対応状況：2026年6月時点のファクト

まず正確な現状認識から。Fable 5の医療対応は「できること」と「できないこと」がはっきり分かれているので、導入前にここを整理しておくことが全ての出発点です。

Fable 5の基本スペック（公式情報）

• リリース: 2026年6月9日（Claude APIおよびAmazon Bedrock/Vertex AI/Microsoft Foundryで一般提供）
• コンテキストウィンドウ: 100万トークン（追加料金なし）
• 最大出力: 12万8,000トークン/リクエスト
• 価格: 入力100万トークンあたり1,000円相当（$10）、出力100万トークンあたり5,000円相当（$50）
• SWE-Bench Proスコア: 80.3%（ソフトウェアエンジニアリング難問解決能力）
• データ保持: 30日間必須（ZDR非対応）
• 安全性分類: サイバーセキュリティ・生物化学・モデル蒸留関連リクエストはOpus 4.8に自動転送

特に医療担当者が押さえるべきは「30日データ保持が必須」という点です。金融機関向けの前記事（Claude Fable 5 金融業界活用ガイド）でも解説しましたが、これは業種を問わず全ユーザーに適用されます。

HIPAAとBAA：医療機関が最初に理解すべき2つの概念

HIPAA（医療保険の携行性と責任に関する法律）はアメリカの連邦法で、患者の医療情報（PHI：Protected Health Information）の取り扱いを規定します。日本の医療機関でも、アメリカの患者を診たり、アメリカのシステムと連携したりする場合は適用対象になります。

BAA（Business Associate Agreement）は、医療機関（Covered Entity）がPHIを扱うサービスプロバイダー（Business Associate）と結ぶ契約です。AnthropicとBAA契約を結ぶことで、Claude APIをHIPAA準拠の方法で利用できます。

AnthropicのBAA対象プランは以下のとおりです（2026年6月時点、Anthropic公式ヘルプ参照）：

重要な注意点：BAAは2025年12月2日以降に締結した場合、APIとEnterpriseの両方をカバーします。それ以前の古いBAAはAPIのみ対象なので、確認が必要です。

Fable 5の30日データ保持問題と医療データの関係

ここが医療業界で一番引っかかりやすいポイントです。少し詳しく説明します。

なぜFable 5はZDR非対応なのか

Anthropicの公式データ保持ドキュメントによると、Fable 5（およびMythos 5）は「Covered Models（対象モデル）」に指定されており、30日間のデータ保持が必須です。理由は公式には「悪用検知に必要な期間のモデル入出力保持」とされています。

金融や法律の分野でZDR（入力データをレスポンス返却後即削除）を求めている場合は、Opus 4.8へのルーティングを検討することになります。

医療機関はどう対応すればよいか

30日保持ポリシーをBAA契約の文脈でどう解釈するかは、以下の図のように整理できます：

想定例：地方病院A院のケース
電子カルテのサマリー生成にFable 5を検討。法務部門が「30日保持は問題ない。BAAで保護されており、AnthropicのHIPAAモードで適切に管理される」と判断。患者名・生年月日・診断名を含まない形でのプロンプト設計（匿名化処理）を条件として承認。
→ この方針が「PHIを含まないプロンプト設計」の原則です。

日本の医療情報規制：3省2ガイドラインへの対応

AnthropicのBAAはアメリカのHIPAAへの対応です。日本の医療機関には別途、国内法規制への対応が必要です。

3省2ガイドラインとは

「3省2ガイドライン」は、3省庁（厚生労働省・経済産業省・総務省）が策定した医療情報システム安全管理に関する2つのガイドラインの総称です：

1. 厚生労働省「医療情報システムの安全管理に関するガイドライン」第6.0版（令和5年5月）：医療機関側が守るべきルール
2. 経済産業省・総務省「医療情報を取り扱う情報システム・サービスの提供事業者における安全管理ガイドライン」第2.0版（令和7年3月改定）：システム提供者側のルール

AI活用の観点では、以下のポイントを押さえておく必要があります：

• リスクアセスメント義務：外部クラウドサービス（Claude API含む）を使う場合、情報システムの管理者がリスク評価を実施・記録する必要があります
• 個人情報の持ち出し制限：患者の氏名・生年月日・診断名などを外部サービスに送信する場合、適切な匿名化または患者同意が必要
• 監査ログの保持：AIへの問い合わせ内容・結果についての記録保持（ガイドラインによる期間要件あり）

2026年度の診療報酬改定では、生成AIを活用した医師事務作業補助を導入した医療機関への配置基準緩和（1名を1.2名として計算可能）が盛り込まれており、適切な規制対応の上でAI活用を推進する方向性が明確になっています。

AIを使う前の実務チェックリスト（日本の医療機関向け）

• □ 外部クラウドの利用を情報安全管理委員会で承認取得
• □ 患者個人情報を含むデータの匿名化・仮名化プロセスを定義
• □ AI活用のインシデント対応手順を策定
• □ 職員への利用ガイドライン周知・研修実施
• □ 監査ログの保持方法・期間を定義
• □ （HIPAA対象の場合）AnthropicとのBAA締結

より詳細なAI導入の全体フレームワークについては、AI導入戦略完全ガイドも参照ください。

PHI（医療情報）の識別と匿名化：実務プロセス設計

「PHIを除去してから送信する」と言葉では簡単ですが、実務では何がPHIに該当するのかが曖昧なケースが多い。HIPAA規則が定める「18の識別子」を知っておくことが、実際の運用で役立ちます。

HIPAAが定める18種類のPHI識別子

日本の医療現場でよくあるのが「カルテ番号は患者を特定できないから大丈夫」という誤解です（想定例）。実際には、施設内のカルテ番号と他の情報を組み合わせると患者を特定できる場合があり、これもPHIに該当します。

自動匿名化パイプラインの設計例

規模の大きな病院や製薬企業では、プロンプト送信前に自動的にPHIを検出・除去するパイプラインを構築することが現実的です。以下は概念設計の例：

1. NER（固有表現認識）モデル：医療テキストに特化した固有表現認識で氏名・日付・住所を検出
2. ルールベースフィルタ：正規表現でカルテ番号・電話番号・郵便番号パターンを検出
3. 置換・マスキング：検出されたPHIを「[氏名]」「[日付]」等のプレースホルダーに置換
4. 人間によるスポットチェック：高リスク文書は担当者が目視確認
5. プロンプト送信：匿名化済みテキストのみClaudeに送信

生成AIを活用した研修プログラムの具体的な設計については、ChatGPT業務活用完全ガイドも参考になります。

医療業界別ユースケースとコピペプロンプト5選

ここからは実際に使えるプロンプトを業界・業務別に紹介します。重要な前提として、これらのプロンプトはすべて患者を特定できる情報（氏名・生年月日・住所・診察番号等）を含まない形で使用することを前提としています。

プロンプト1：診療サマリー自動生成（病院・クリニック向け）

あなたは熟練した内科医の医師事務アシスタントです。
以下の診療記録（患者識別情報は除去済み）をもとに、退院時サマリーの下書きを作成してください。

【入力情報】
- 主訴：[主訴を入力]
- 入院期間：[期間]
- 主な診断名：[診断名]（ICD-10コード：[コード]）
- 実施した主な検査・処置：[箇条書き]
- 入院中の経過：[経過の要点]
- 退院時の状態：[状態]
- 退院後の指導内容：[内容]

【出力形式】
- 退院時サマリー（400字程度）
- 次回外来で確認すべき項目（箇条書き3点）
- 紹介状に転記できる要約（200字以内）

※出力は医師による最終確認・修正を前提とした下書きとして提供します。

このプロンプトを使うポイントは「医師による最終確認を前提」とする一文を必ず入れること。AIの出力をそのまま医療文書に使うのはリスクですが、下書き生成ならば劇的に時間を削減できます。ある地方病院のケース（想定例）では、1件あたり45分かかっていた退院サマリー作成が10分程度に短縮されたとのことです。

プロンプト2：治験プロトコル要約（製薬・CRO向け）

以下の治験プロトコル文書（機密情報は[REDACTED]で置換済み）について、
下記の観点で要約・分析してください。

【分析観点】
1. 主要有効性エンドポイントの概要（200字以内）
2. 主な除外基準（箇条書き・上位5項目）
3. 安全性評価スケジュール（表形式：来院時期×評価項目）
4. 統計的パワー計算の前提条件
5. 参加施設が事前に準備すべき設備・体制

【注意事項】
- 判断を含む内容（適格性等）は「要確認」と明示
- 医学的判断はすべて担当医師の確認を要することを付記

プロトコル文書：
[文書内容をここに貼り付け]

プロンプト3：医事課コーディング支援（DPC・ICD-10）

以下の診療記録の抜粋（患者識別情報除去済み）をもとに、
適切なDPCコード候補とICD-10コードを提案してください。

【診療記録抜粋】
[診療記録の内容（識別情報除去済み）]

【要求事項】
1. 考えられるDPCコード上位3候補（コード番号・名称・選択理由）
2. 主傷病・副傷病のICD-10コード提案
3. 疑問点・確認が必要な項目のリストアップ

※最終的なコーディング判断は医事課担当者・医師が行います。
  本提案は補助情報として活用してください。

プロンプト4：医療機器添付文書の比較分析（医療機器メーカー向け）

以下の2つの医療機器添付文書を比較分析し、
営業担当者が医師向けに説明する際に使えるポイントを整理してください。

【自社製品A】
[添付文書内容]

【競合製品B（公開情報のみ）】
[添付文書内容]

【比較軸】
1. 適応症の差異
2. 禁忌・使用上の注意の違い（より厳格な方を明示）
3. 操作性・デバイス特性の差異
4. 主要臨床エビデンスの比較（PubMed番号があれば記載）

※虚偽・誇張表現は一切含めないこと。
  薬機法の医療機器広告基準に準拠した表現を使用すること。

プロンプト5：論文レビュー補助（研究部門・学術病院向け）

以下のPubMedアブストラクト（英語）を日本語で要約し、
臨床現場への応用可能性を評価してください。

【アブストラクト】
[英語アブストラクトをここに貼り付け]

【要求する出力】
1. 日本語要約（300字以内）
2. 研究デザインの強み・限界
3. 日本の臨床現場に適用する際の注意点
4. 関連する日本のガイドライン・診療報酬との整合性（知っている範囲で）
5. Further Reading推奨（関連キーワード3つ）

※医学的判断・診断根拠としての使用は不可。
  文献レビューの補助ツールとして位置づけてください。

【要注意】医療業界でよくある失敗パターン4選

失敗1：患者識別情報をプロンプトに含めてしまう

❌ 「田中太郎（1970年3月15日生）の診療履歴をもとに退院サマリーを作成してください」

⭕ 「患者ID: XXX-001（識別情報除去済み）の診療記録をもとに退院サマリーを作成してください」

これが最も多い失敗です（想定例）。忙しい医療現場では、コピペの際に患者名や生年月日が混入しやすい。プロンプト送信前の確認チェックを業務フローに組み込むことが重要です。

なぜ危険か：HIPAAでは「氏名・生年月日・住所・診断名の組み合わせ」がPHIに該当し、BAAなしのAIサービスに送信することは規制違反になります。日本でも医療情報の不適切な外部送信は個人情報保護法違反の可能性があります。

失敗2：「BAAがあればすべて大丈夫」と思い込む

❌ 「AnthropicとBAA締結したから、何でもFable 5に送れる」

⭕ 「BAAがカバーするのはAPIのMessages APIなど一部機能のみ。WorkbenchやBatch APIはHIPAA適用外」

AnthropicのBAA適用外の機能（Batch API・Files API・Claude Code（ZDRなし）・Computer Use等）でPHIを処理してしまうと、BAA締結の意味がなくなります。機能ごとの適用可否は公式ドキュメントの機能適用表で必ず確認を。

失敗3：30日保持ポリシーを社内承認なしで使い始める

❌ 「取り急ぎAPIを試してみよう。後で承認取ればいいや」

⭕ 「先に情報システム委員会でFable 5の30日保持ポリシーを承認してからパイロット開始」

後から「患者データが30日間外部サーバーに保持されていた」と発覚した場合、院内のインシデント対応が必要になります。承認先行が鉄則です。

失敗4：AIの出力を「確認なし」で医療文書に使う

❌ 「Fable 5が生成したサマリーをそのまま電子カルテに保存した」

⭕ 「AIの下書きを医師が確認・修正してから保存。出力ブロックに『AI生成下書き・要確認』を表示」

AIは誤った医学情報を自信満々に出力することがあります（ハルシネーション）。医療の性質上、誤情報が患者ケアに影響するリスクは絶対に避けなければなりません。プロンプトに「要確認」マークを必ず付けるのが、数十社の研修現場で推奨している実践的な対策です（想定例）。

Claude Fable 5の医療業界導入ステップ（完全チェックリスト）

以下は、今日から着手できる段階別の導入ステップです。

Phase 1：法務・コンプライアンス整備（1〜2週間）

• □ 医療情報システム委員会でFable 5活用方針を審議・承認
• □ HIPAAが適用される業務範囲を特定（米国患者対応・米国連携システムの有無）
• □ AnthropicのBAA締結（Enterprise or APIプラン、Anthropicセールス経由）
• □ Claude Enterprise管理者がHIPAAモードを組織設定で有効化
• □ HIPAA対応組織と一般用途組織を分離設定（同一組織でのHIPAA/非HIPAA混在は不可）

Phase 2：技術設計・PHI匿名化プロセス構築（2〜4週間）

• □ 使用するAPI機能のHIPAA適用可否を機能表で確認
• □ プロンプトからPHIを除去するデータ前処理フロー設計
• □ Fable 5の30日保持ポリシーに対応したデータフロー図を作成・法務確認
• □ Amazon Bedrock/Vertex AI利用の場合、各プラットフォームの個別コンプライアンス文書を確認（AnthropicのBAAは1P APIのみ）
• □ 監査ログ取得・保持設定

Phase 3：パイロット運用（1〜2ヶ月）

• □ PHI除去済みデータでプロンプトのパイロット運用開始
• □ AI出力の医師確認フロー整備（「AI下書き・要確認」表示）
• □ 職員向け利用ガイドライン配布・研修実施
• □ インシデント対応手順の整備
• □ 効果測定：業務時間削減量・エラー率・職員満足度

導入事例の枠組み：医療業界の代表ユースケース

事例区分：想定シナリオ
以下は100社以上の医療関連企業への研修・導入支援経験をもとに構成した典型的なシナリオです。

ユースケース1：医師事務作業補助（500床規模の病院）

退院時サマリー・紹介状・診断書の下書き生成にFable 5を活用。1Mトークンのコンテキストウィンドウにより、複数の過去診療記録を参照しながら一貫性のある文書作成が可能になります。

500床規模の地域医療センター（想定例）では、医師1名が月200件ほどの退院サマリーを担当していました。「患者情報を匿名化した診療記録をFable 5に入力→下書き生成→医師が確認・修正→電子カルテに保存」というフローを導入。医師の実感として「1件あたりの作業が45分から12分程度に減った」という声がありました。ただしこれは医師の文章化能力・診療科・システム設計によって大きく変わります。

期待効果：医師の事務作業時間を週あたり5〜10時間削減（効果は個別の運用設計次第で大きく変わります）

ユースケース2：治験文書の多言語化・要約（製薬企業・CRO）

プロトコル概要書（英語）→日本語の患者説明文書の下書き変換。専門用語を平易な言葉に書き換えながら、1Mトークンの長文コンテキストで文書全体の一貫性を保ちます。

治験を担当するCRO（医薬品開発業務受託機関）での活用例（想定例）：300ページを超えるプロトコル文書を複数の担当者が分担してFable 5に要約させ、各章の整合性チェックにも使用。治験責任医師向けの1ページサマリーを従来の3営業日から数時間に短縮することに成功しています。最終的な医学的判断は治験コーディネーターと治験責任医師が確認・修正することが前提です。

期待効果：医療翻訳・医学ライター費用の削減（最終確認工程は必須）

ユースケース3：医事課DPC・ICD-10コーディング支援（クリニック・中規模病院）

診療記録（匿名化済み）をもとにDPCコード候補を提示。査定減少・レセプト修正作業の削減につながります。

日本の病院では、DPC（診断群分類）コードのコーディングミスが診療報酬の査定（減点）や返戻（差し戻し）につながります。中規模病院の医事課（想定例）では、新人スタッフが月100件以上のコーディングを担当しており、ベテランのチェックが追いつかない状態でした。Fable 5によるコーディング候補提示を導入することで、新人スタッフが候補を参照しながら確認する形に変更。研修期間中のミス件数の低減が期待できます（効果は実測値が必要です）。

期待効果：コーディングミス率の低下、新人医事課職員の教育コスト削減

ユースケース4：文献レビュー支援（学術病院・研究所）

PubMedのアブストラクト日本語要約、システマティックレビューの初期スクリーニング補助。1Mトークンで複数論文を同時参照しながら比較分析が可能です。

大学病院の研究グループ（想定例）では、システマティックレビューの事前スクリーニングに週あたり数十時間をかけていました。Fable 5のコンテキストウィンドウ（100万トークン）を活用し、100本以上のアブストラクトを一度に読み込んでスクリーニング基準に合致するものを選別。研究者は最終判断のみに集中できるようになりました。医学的判断・診断根拠としての使用は対象外です。

ユースケース5：医療機器メーカーの規制文書管理

医療機器の国際展開では、各国の規制機関（FDA・PMDA・EMA等）への申請文書作成が大きな負担です。特にQMS（品質マネジメントシステム）文書や技術ファイルの整合性確認は、文書量が膨大でミスが許されません。

医療機器メーカー（想定例）では、承認申請前の文書整合性チェックにFable 5を活用。100万トークンのコンテキストで複数の規制文書を一括確認し、技術ファイルと設計管理文書の矛盾箇所を検出するプロセスを試験的に導入しました。ただし最終的な規制当局への提出前には、必ず薬事担当者と弁護士によるレビューが必要です。

医療AIガバナンスの設計：院内ルールの作り方

技術的な準備だけでなく、組織内のガバナンス設計も医療AI導入の重要な要素です。「使ってはいけない場面」と「使ってもよい場面」を明確にした院内ガイドラインがないと、現場が混乱します。

院内AIガイドラインに盛り込むべき6要素

1. 対象業務の範囲定義：「退院サマリー下書き生成はOK」「直接的な診断判断はNG」のような明確な線引き
2. PHIの取り扱い規則：送信前の匿名化プロセス、確認責任者、記録方法
3. AI出力の確認義務：誰が最終確認を行うか（医師・薬剤師・医事課担当者等）、確認の記録方法
4. インシデント対応手順：PHI漏洩疑い・AI誤出力による医療ミス疑いの対応フロー
5. 使用ログの保持：いつ・誰が・どのような用途でAIを使ったかの監査証跡
6. 定期レビュー体制：半年ごとにガイドラインをアップデートし、AIの能力変化・規制変更に対応

ガバナンス設計については、より広い視点からAI導入戦略完全ガイドのガバナンスセクションも参考にしてください。

PHIインシデント発生時の対応フロー（雛形）

PHIを含むプロンプトを誤送信した、またはその疑いがある場合の対応フローを事前に整備しておくことが重要です：

1. 即時報告：発見者が情報セキュリティ担当者・医療情報システム委員会に即時報告（24時間以内）
2. 影響範囲の特定：どの患者の、どの情報が、どのシステムに送信されたかを特定
3. Anthropicへの連絡：HIPAA組織の場合、AnthropicのBAAに基づくインシデント対応窓口に連絡
4. 患者への通知判断：HIPAAでは重大漏洩の場合、影響を受けた患者への通知義務あり（60日以内）
5. 規制当局への報告：米国の場合、HHS（保健社会福祉省）への報告義務（500件以上の場合は即時）
6. 再発防止策の策定：原因分析→プロセス改善→職員再教育

Bedrock・Vertex AI経由での利用：プラットフォーム別の注意点

AnthropicのBAAは1P API（api.anthropic.com）に適用されます。Amazon BedRock・Vertex AI経由での利用は各プラットフォームが独自のHIPAA BAA・コンプライアンス文書を提供しています。

Bedrock/Vertex AI利用の場合、Fable 5の30日データ保持要件は「各プラットフォームのポリシーに従う」とAnthropicが明示しているため、利用するプラットフォームの公式コンプライアンスドキュメントを確認することが必要です。

Claude Fable 5の企業導入チェックリスト全般については、Claude Fable 5 企業導入チェックリストも参照ください。

コスト試算：医療機関がFable 5を使うといくらかかるか

導入コストの感覚をつかんでおくことも、社内説得に重要です。Fable 5の料金体系と医療業務での実際のトークン消費量をもとに試算してみます。

業務別トークン消費の目安

試算の前提：入力$10/1Mトークン（1円/1万トークン）、出力$50/1Mトークン（5円/1万トークン）として計算（為替レート1ドル=150円で概算）。

月に退院サマリー200件を処理する病院（想定例）では、月あたり600円〜2,400円程度のAPI費用になる計算です。医師の時間コストと比較すれば圧倒的に低コストですが、実際の費用は業務の種類・件数・プロンプト設計によって大きく変わります。本番前にパイロット期間でトークン消費量を実測することをお勧めします。

Enterpriseプランの費用

Anthropic Enterprise（HIPAA対応）の価格はAnthropicのセールスチームとの個別交渉になります（2026年6月時点で公開料金表なし）。一般的にはシート数・使用量をもとに月額または年額契約となります。医療機関の場合、HIPAA対応の追加設定・監査ログ・セキュリティ要件があるため、個別見積もりを依頼する形になります。

医療AIの今後：2026年の診療報酬改定と展望

2026年度の診療報酬改定では、生成AI活用を評価する動きが本格化しています。具体的には：

• 生成AIを活用した退院時要約・診断書原案の自動作成を導入した医療機関への医師事務作業補助者配置基準の緩和（1名→1.2名として算定可能）
• AIによる医療文書入力補助システムの導入を評価する施設基準の整備

この流れは「適切な規制対応の上でのAI活用推進」が国の方針であることを示しています。今から規制対応の基盤を整えた医療機関が、診療報酬上の恩恵を先に受けることになります。

医療機器審査においても、FDA（米国）の「AI-Enabled Device Action Plan」に対応する形で日本のPMDA（医薬品医療機器総合機構）がAI診断支援機器の承認基準整備を進めており、医療機器メーカーにとってもAI活用の法的枠組みが明確化されつつあります。

AI活用の基本的なフレームワークについては、AIエージェント導入完全ガイドもあわせてご覧ください。また、Fable 5の全体像についてはClaude Fable 5 完全ガイドを参照ください。

まとめ：医療機関が今日から始める3つのアクション

1. 今日やること：社内でFable 5の利用検討会議を設定。法務・情報システム・診療部門を最初から巻き込む。PHI匿名化フローの叩き台をプロンプト3（コーディング支援）で試してみる
2. 今週中：AnthropicのBAA締結フロー確認（Anthropicセールスへ問い合わせ）。3省2ガイドラインの外部クラウド利用ルールを情報システム委員会資料に落とし込む
3. 今月中：1つの業務（例：退院サマリー下書き）でパイロット開始。PHI除去・医師確認フローを実運用で検証し、効果を測定する

次回予告：「Claude Fable 5 教育業界活用ガイド｜FERPA・学習データの取り扱いと個別最適化教育への応用」をお届けします。

参考・出典

• Introducing Claude Fable 5 and Claude Mythos 5 — Anthropic公式ドキュメント（参照日: 2026-06-12）
• API and data retention — Anthropic公式ドキュメント（参照日: 2026-06-12）
• Business Associate Agreements (BAA) for Commercial Customers — Anthropic Help Center（参照日: 2026-06-12）
• Advancing Claude in healthcare and the life sciences — Anthropic公式（参照日: 2026-06-12）
• 医療情報システムの安全管理に関するガイドライン 第6.0版 Q&A — 厚生労働省（参照日: 2026-06-12）
• 医療情報を取り扱う情報システム・サービスの提供事業者における安全管理ガイドライン — 経済産業省（参照日: 2026-06-12）

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォームからお気軽にどうぞ。