米国のメディケア・メディケイド・サービスセンター（CMS）が、ヘルスケア詐欺を検知する説明可能なAIモデルを開発するコンテスト「Crushing Fraud Chili Cook-Off」を開催している。
参加者はメディケア請求データ内の異常パターンを特定し、詐欺の指標に変換して、スケーラブルな分析・政策的解決策を提案することが求められる。
コンテストは2段階で構成され、第1段階ではホワイトペーパーの提出が必要である。第2段階では10チームが選出され、メディケア受給者の5%のランダムサブセットからの2022-2024年のデータセットへのアクセスが与えられる。対象データには有料ホスピスサービス、メディケアパートB料金、医療機器請求が含まれる。
登録締切は9月19日で、優勝者発表は12月15日を予定している。メディケアとメディケイドでは詐欺的請求により年間推定1000億ドルが失われている。保健福祉省長官のロバート・F・ケネディ・ジュニアが詐欺対策を目標の一つに掲げている。参加者はCMSに対して提出物の複製・出版・共有に関する取消不能なライセンスを付与する必要がある。
From: 
Uncle Sam wants AI models that can detect healthcare fraud
【編集部解説】
このCMSの「Crushing Fraud Chili Cook-Off」は、単なるコンペティション以上の重要な意味を持つ取り組みです。記事で示されている年間1000億ドルという医療詐欺の規模は、日本円で約15兆円に相当し、これは日本の医療費総額の約3分の1に匹敵する膨大な金額なのです。
特筆すべきは、今回の取り組みが「説明可能AI（XAI: Explainable AI）」を重視している点でしょう。従来のAI詐欺検知システムは「ブラックボックス」として批判されることが多く、なぜその判断に至ったのかが不透明でした。しかし医療詐欺のような法的・執行の文脈では、単にパターンを検出するだけでは不十分で、判断根拠の透明性が不可欠です。
今回のコンテストでは、参加者に対して異常パターンの背後にある「根本的要因」の理解を求めています。これは技術的に非常に挑戦的な課題です。AIが「この請求は怪しい」と判断するだけでなく、「なぜ怪しいのか」「どのような詐欺スキームが想定されるのか」まで説明できる必要があります。
データアクセスの段階設計も興味深い点です。第2段階では10月30日からデータアクセスが開始され、10月31日から12月1日までが提出期間となります。対象となるのは2022-2024年の限定データセットで、これには有料ホスピスサービス、メディケアパートB料金、医療機器（DME: Durable Medical Equipment）請求が含まれます。これらの領域は特に詐欺リスクが高い分野として知られており、実践的な検証が可能な設計となっています。
一方で、個人識別情報（PII）の保護については明確な言及がなく、これは重要な懸念点です。医療データの機密性を保ちながら効果的な詐欺検知を実現するバランスは、今後の医療AI開発における核心的な課題となるでしょう。
知的財産権の取り扱いも注目すべき要素です。参加者はCMSに対して提出物の複製・出版・共有に関する取消不能なライセンスを付与する必要があり、これはCMS自体が優秀なアイデアを活用する権利を確保していることを意味します。
この取り組みの成功は、日本の医療DXや診療報酬不正対策にも大きな示唆を与える可能性があります。特に説明可能AIの実装ノウハウは、規制の厳しい医療分野でのAI活用において極めて貴重な知見となるはずです。
【用語解説】
説明可能AI（XAI：Explainable AI）
従来の「ブラックボックス」型AIとは異なり、判断根拠や処理過程を人間が理解できる形で説明できるAI技術である。医療詐欺検知などの法的・執行の文脈では、単に結果を出すだけでなく、なぜその判断に至ったかの透明性が重要となる。
メディケア・メディケイド・サービスセンター（CMS）
米国保健福祉省の下部機関で、高齢者向け医療保険制度メディケアと低所得者向け医療保険制度メディケイドを管理している。米国の公的医療保険制度の中核的な役割を担う。
ホスピスサービス
終末期医療において、治癒を目的とした治療ではなく、患者の苦痛を和らげることに重点を置いた包括的なケアサービスである。メディケアでは特別給付として提供される。
メディケアパートB
外来診療、医師のサービス、医療機器、予防医療などをカバーするメディケアの医療保険部分である。パートAの入院保険とは別に運営される。
DME（Durable Medical Equipment）
耐久医療機器のことで、車椅子、酸素濃縮器、歩行器などの長期使用を前提とした医療機器を指す。メディケアでは別カテゴリとして請求・管理される。
【参考リンク】
CMS – Crushing Fraud, Waste, & Abuse（外部）
CMSの詐欺・浪費・濫用対策に関する公式情報サイト。2025年1月から7月までの実績として265件の支払い停止等の成果を公表
CMS – Crushing Fraud Chili Cook-Off Competition（外部）
今回のAI詐欺検知コンテストに関する公式詳細情報。参加要件や詳細なタイムライン、評価基準等が記載
【参考記事】
Challenge.gov – Crushing Fraud Chili Cook-Off Competition（外部）
米国政府公式コンテストプラットフォームでの告知。保健福祉省主催として国家レベルの技術開発プロジェクトであることを明記
Explainable AI (XAI) for Fraud Detection: Building Trust（外部）
説明可能AIが詐欺検知において予測精度と信頼性の両方を向上させることを示した学術論文
AI Fraud Detection: Benefits, Risks, and Fraud Types（外部）
AI詐欺検知の利点と共にデータプライバシーやアルゴリズムバイアス等のリスクも詳述
AI in Healthcare: Security and Privacy Concerns（外部）
医療AIにおけるプライバシー懸念について解説。匿名化データの再識別リスクなどを分析
【編集部後記】
今回のCMSの取り組みを見ていて、「これって日本でも活用できるのでは？」と思われませんか？実際、日本でも特殊詐欺の被害額が上半期だけで597億円と過去最悪のペースで増加しており、AIによる不正検知技術への関心が高まっています。
皆さんの職場や関わる業界では、どのような形でAIの「説明可能性」が求められそうでしょうか？単に効率化だけでなく、なぜその判断に至ったのかを人間が理解できることの重要性を、この記事を通して少しでも感じていただけたでしょうか。技術の進歩と透明性のバランスについて、ぜひ皆さんのご意見もお聞かせください。
