Frekil

医療AI学習用画像の調達から専門医療陣による精密なアノテーションまで、ワンストップで支援する医療データプラットフォーム

有料Web

概要

Frekilは、製薬・バイオテック・CROのためのリアルワールドデータ（RWE）生成インフラであり、EHRや請求データを接続することで、コホート設計から統計分析、最終報告書の作成まで、エンドツーエンドの臨床研究を自動化します。AIがFDA適合の研究プロトコルと統計解析計画書（SAP）のドラフトを作成し、自然言語でコホートとエンドポイントを定義すると、R/Pythonコードを自動生成します。HIPAA/GDPRに準拠した安全なサンドボックス内で実行されるため、患者データがAIに公開されることはありません。

差別化ポイント

Frekilは一般的なデータラベリングプラットフォームとは異なり、医療画像に特化しており、FDA承認を受けた医療従事者が直接アノテーションを行う点が主な差別化要因です。Scale AI、Labelbox、CloudFactoryなどの汎用ラベリングサービスと比べると、医療分野の専門性と規制準拠の面で強みがありますが、医療以外の一般画像やテキストのラベリングには適していません。PhilipsやGE Healthcareのような大手医療企業の社内データチームと比べると、より柔軟な外部委託パートナーとして活用できますが、長期的なデータ保有や社内ワークフローとの統合には限界がある可能性があります。

主な機能

自然言語に基づくコホート・共変量・エンドポイントの定義
AIによるFDA適合研究プロトコルおよびSAPドラフトの自動生成
OMOP CDMスキーマの自動マッピングおよび標準化
R/Python統計解析コードの自動生成および透明性の高い監査トレース
KM曲線・フォレストプロットなどのTFL自動生成
HIPAA/GDPR準拠のセキュリティサンドボックス（臨床データのAIへの非公開）

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

医療画像データの調達から専門家によるアノテーションまでワンストップで提供するため、病院や研究機関が個別にデータを収集する場合と比べて、時間とコストを削減できると評価されています。FDA承認を受けた医療従事者がラベリングを行うため、データの精度と信頼性が高く、規制当局の承認プロセスで有利です。AI支援ラベリングによって一次アノテーションを自動生成した後、専門家が確認する方式で作業効率を高め、大規模プロジェクトにも迅速に対応できます。HIPAAやGDPRなどの医療データ規制に準拠したセキュリティ体制を備えており、機密性の高い患者情報を扱う機関でも安心して利用できます。

デメリット

料金体系が公開されておらず、正確な費用を把握するには見積もりを依頼する必要があるため、小規模プロジェクトやスタートアップにとっては導入障壁が高い可能性があります。医療画像に特化しているため、ほかの業界や一般的な画像ラベリングには利用できず、汎用性に欠けます。日本語対応の有無や国内の医療データ規制（K-PHIなど）に関する明確なガイドが確認できないため、国内機関は導入前に別途検討する必要があります。小規模なデータセット（数十～数百枚）では費用対効果が低く、大量データの処理に最適化されたサービスと見られます。