医療や保険などの規制の厳しい環境では、プロバイダは関連する地域の適用法令内でデータを厳密に保持しながら、健康リスクの分析や顧客の請求の確認などのタスクを実行する必要があることがよくあります。
このドキュメントで説明するソリューションは、 Cloud de Confiance by S3NSを使用してこれらの課題を解決するためのブループリントを提供します。保険会社は、 Cloud de Confiance by S3NS に BigQuery ML をデプロイして、健康リスク スコア、モデルプラン、請求データベースをリアルタイムで分析できます。同時に、ローカルのオープンウェイト Gemma LLM システムが、Cloud Storage に保存されている請求書類の検証を行います。このアプローチにより、外部 API 呼び出しや主権境界外へのデータの移動を行うことなく、コンテキスト認識型のコンプライアンスと完全な監査可能性が確保されます。
このソリューションは、Terraform を使用して付属のリファレンス実装に沿ってデプロイできます。
対象者
このソリューションは、国の医療機関または規制対象の保険会社向けに設計されています。次の関係者を対象としています。
- 監査担当者と請求調査担当者: ショールーム ダッシュボードを確認して、提出された請求書類を検証し、フラグが設定されたケースを監査し、AI アシスタントとやり取りします。
- JupyterLab 環境を使用して生データに安全にアクセスし、健康リスク分析モデルを構築、検証、実行するデータ サイエンティスト。
中核となる機能
- 主権内の健康モデリング: BigQuery ML を使用して、請求と顧客のデータセットをスクリーニングし、データを主権の境界外に移動することなく、健康リスク要因を特定します。
- AI による請求の確認: オープンウェイトの Gemma LLM を使用してローカライズされたドキュメント チェックを実行し、請求の詳細をデータベース レコードと照合して確認します。
- インタラクティブな chatbot ウィジェット: AI アシスタント chatbot を使用して、アクティブなデータベースの請求をクエリし、コンテキストを認識したリアルタイムの回答を受け取ります。
- シームレスな JupyterLab 分析: データベース接続変数と Workload Identity バインディングがプリロードされた専用の Jupyter 環境にアクセスします。
- 国際化: UI の言語を英語、フランス語、ドイツ語の間で瞬時に切り替えます。
アーキテクチャ
コンポーネント
このソリューションでは、次のテクノロジーとサービスを使用します。 Cloud de Confiance by S3NS
| コンポーネント | テクノロジー | 目的 |
|---|---|---|
| データベース | Cloud SQL | 保険金請求、プラン、顧客のストレージ。 |
| その他のストレージ | Cloud Storage | 請求書類の保存。 |
| DWH | BigQuery | データ ウェアハウスの分析テーブルとビッグデータ ストレージ。 |
| モデル | BigQuery ML | 健康リスクスコアの機械学習分析。 |
| LLM | Gemma | 請求書類の確認と chatbot ウィジェット用のオープンウェイト モデル（google/gemma-3-27b-it）。 |
| コンテナ インフラストラクチャ | GKE | 請求アプリケーションと JupyterHub サーバーのコンテナ インフラストラクチャ。 |
| 分析 | JupyterLab | アクティブなデータがプリロードされた専用のノートブック。 |
| アプリ | Node.js | ウェブアプリ ショールームのダッシュボード。 |
リファレンス実装
Terraform を使用したこのソリューションのリファレンス実装は、GitHub で提供されています。これはデモンストレーション用に構築された概念実証プロトタイプであり、実装は本番環境のユースケース向けに監査または保護されていません。
前提条件とデプロイ手順については、BigQuery ML と Gemma を使用した主権的健康保険のリスク分析をご覧ください。