Healthcare Credentialing Intelligence

医療資格審査インテリジェンス MCP サーバー

ApifyForge で表示 | Apify Store で利用

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します。

{
  "mcpServers": {
    "healthcare-credentialing-intelligence-mcp": {
      "url": "https://ryanclinton--healthcare-credentialing-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

医療提供者の資格審査は、不正、資格除外、法的責任に対する最初の防衛線です。この MCP サーバーは、医師、ナースプラクティショナー、医療関連専門職、施設を対象に、構造化された資格審査インテリジェンスを提供します。8 つの連邦および学術データベースを並行してスクリーニングし、明確な判定と実行可能な推奨事項を添えた**総合資格審査スコア（0～100）**を返します。

複数のデータベース契約を維持することなく、迅速かつ繰り返し医療提供者を検証する必要がある、病院の資格審査委員会、医療保険会社、人材派遣会社、コンプライアンス担当者向けに構築されています。Model Context Protocol 経由で一度接続すれば、Claude、Cursor、または MCP 対応の任意の AI クライアントから、8 つの専門ツールを直接呼び出せます。

どのようなデータにアクセスできますか？

データ項目	ソース	例
📋 OFAC SDN リストのスクリーニング	OFAC Sanctions Search	一致スコア 92 — 「Dr. Mehmed Kaya」が SDN 監視リストに掲載
🌐 複数管轄区域の監視リストのスクリーニング	OpenSanctions Search	4 つの監視リストに登録された事業体 — EU／国連／OFAC の重複
⚠️ OIG／LEIE 資格除外リストの該当情報	Data.gov NPI/OIG datasets	「Healthcare Exclusions LEIE 2024」データセットで該当
📜 免許の執行措置および懲戒処分	Federal Register	「DEA 登録の取り消し — Dr. James Holloway」
🏢 診療所の法人事業体の検証	OpenCorporates	「Pinnacle Medical Group LLC」— 有効、ニューヨーク州、2018 年
📊 患者の請求に関する苦情の傾向	CFPB Consumer Complaints	未解決の医療費請求に関する紛争 7 件 — 回答が遅延
🔬 査読済み論文の発表状況	PubMed Research Search	査読済み論文 34 件、うち 12 件は 2023 年以降に発表
🎓 学術上の本人確認	ORCID Researcher Search	ORCID：0000-0002-1825-0097 — 本人確認済み

医療資格審査インテリジェンスを利用する理由

手作業での資格審査は時間がかかり、情報が分散しています。OFAC、OIG／LEIE、NPI 登録簿、州の免許委員会、Federal Register、PubMed、法人登記簿を個別に確認すると、資格審査担当者は医療提供者 1 人あたり 3～6 時間を要します。誤りや見落としは法的責任につながります。CMS は病院に対し、OIG によって資格除外された医療提供者のスクリーニングを義務付けており、資格除外された医療提供者を雇用すると、請求 1 件あたり 10,000 ドルの民事制裁金が科される可能性があります。

この MCP サーバーは、複数のデータベースにまたがる資格審査ワークフロー全体を自動化します。AI エージェントが 1 つのツールを呼び出して 30～60 秒待つだけで、5 つのリスク領域のスコア、総合判定、具体的な推奨事項を含む構造化レポートを受け取れます。資格審査記録にそのまま貼り付けて利用できます。

• スケジュール設定 — 月次の再スクリーニングワークフローを実行し、次回の NCQA 監査前に新たな資格除外や執行措置を検出します
• API アクセス — HRMS、資格審査管理システム、またはカスタムの Python／JavaScript ワークフローから資格審査を実行します
• プロキシローテーション — Apify の組み込みインフラストラクチャが、IP ブロックを回避しながら 8 つすべてのデータソースにおけるレート制限に対応します
• モニタリング — 再スクリーニングで現在資格を認定済みの医療提供者に新たな制裁対象が見つかった場合、Slack またはメールでアラートを受け取ります
• インテグレーション — 結果を Zapier、Make、Google Sheets、または Webhook に送信し、後続の資格審査ワークフローに利用できます

機能

• 8つのデータソースを並列呼び出し — OFAC、OpenSanctions、CFPB、OpenCorporates、Data.gov、Federal Register、ORCID、PubMedに同時にクエリを送信し、レイテンシーを最小限に抑えます
• 一致信頼度を含むOFAC SDNスクリーニング — 数値の一致スコア（0～100）を解析し、スコアが80以上の場合は信頼度の高いSDNヒットとして扱い、ただちに除外審査が必要なものとして判定します
• OIG／LEIE除外の検出 — キーワードに一致するデータセット名を使用して、Data.govの連邦データセットを照合し、LEIE、OIG除外リスト、医療従事者の資格剥奪記録を確認します
• 複数管轄区域にまたがる制裁対象の把握 — OpenSanctionsのデータセット配列を分析し、3つ以上の監視リストに掲載されている組織を複数管轄区域にまたがる除外リスクとして特定します
• Federal Registerの執行措置の解析 — 規制関連のタイトルと要約を検索し、8つの除外キーワード（取り消し、資格剥奪、資格停止、不正請求、キックバック）と9つの医療過誤キーワード（過失、不法死亡、手術ミス、投薬ミス）を検出します
• NPDB指標の代理情報 — Data.govで、医療従事者への不利益措置、NPDB、医療過誤報告に関するデータセットを照合します
• CFPB苦情の重大度スコアリング — 会社の回答遅延や苦情の記述に含まれる医療過誤キーワードなどの重大な苦情と、一般的な請求に関する苦情を区別し、異なる重み付けで評価します
• PubMedの新しさの分析 — 2023年以降の論文数を個別に数え、最近の論文には5ポイント、過去の論文には3ポイントを付与します
• h-indexの推定 — 総被引用数から平方根の公式を使ってh-indexを概算し、推定h-indexが20以上の場合は研究への大きな貢献として特定します
• ORCIDによる身元確認 — Open Researcher and Contributor IDデータベースと照合して研究者の身元を確認し、学術資格を申告している医療従事者にORCIDがない場合はフラグを付けます
• 5次元のスコアリングモデル — 医療従事者のコンプライアンス（25％）、制裁・除外（25％）、医療過誤の傾向（20％）、ライセンス確認（15％）、出版活動（15％）
• 複合判定システム — 5段階の判定レベル：CREDENTIALED、PROVISIONAL、REVIEW_REQUIRED、HIGH_RISK、DO_NOT_CREDENTIAL
• 構造化された推奨事項 — 各検出結果に応じた対応文を自動生成します：「医療従事者が除外リストに掲載されています — 認定しないでください」、「ライセンスを確認できませんでした — 一次情報源による確認を依頼してください」
• 資格情報の不足分析 — 専用のcredential_gap_checkツールで、未確認のORCID、論文なし、企業記録なし、ライセンス信頼度の不十分さなど、未確認の項目を特定します
• 医療従事者の比較 — compare_providersツールは2～5人の名前を受け取り、それぞれを完全に分析して、複合リスクスコアの順に並べた結果を返します

医療従事者の資格審査におけるユースケース

病院および医療システムの資格審査委員会

急性期病院の資格審査コーディネーターは、臨床権限を付与する前に、すべての医療従事者を確認する必要があります。このMCPは、初期スクリーニング段階を自動化します。制裁・除外の確認、ライセンスの相互照合、医療過誤の傾向に関するフラグを構造化レポートとして返すため、委員会は情報をまとめるのではなく、レポートを審査できます。CMSの参加条件では継続的な監視が求められます。新たなOIG除外を自動的に検出できるよう、現役の医療スタッフ全員を対象とした月次の再スクリーニングを設定してください。

医療保険ネットワークの健全性監視

医療保険プランは、新たに除外された医療従事者がいないか、ネットワークを継続的に監視する必要があります。CMSは、OIGによって除外された個人が提供したサービスへの支払いを禁止しています。四半期ごとにprovider_compliance_screenをネットワーク全体に実行することで、コンプライアンス違反につながる前に除外リスクの兆候を把握できます。compare_providersツールは、候補者を並べてスコアリングし、ネットワーク構成の見直しを支援します。

人材派遣医師と医療人材派遣会社

一時的な人材配置では、時間的な制約のもとで迅速な対応が求められるため、資格確認の手順が省略され、責任リスクが高まることがあります。新しい医療従事者の包括的なオンボーディングには facility_credentialing_report を使用し、配属前に請求すべき書類を正確に特定するには credential_gap_check を使用してください。compare_providers ツールを使うと、1件の人材配置案件で複数の人材派遣医師候補を順位付けできます。

医療コンプライアンスおよび法務チーム

内部監査の実施、政府機関による調査への対応、またはNCQA/URACの認定審査への準備を行うコンプライアンス担当者には、資格確認に関するデューデリジェンスの証拠を文書化する必要があります。このMCPは、監査証跡に記録できる構造化JSON出力を生成します。連邦官報の執行措置データとCFPBの苦情データは、調査対象となる可能性のある医療従事者を早期に把握するのに役立ちます。

M&Aにおける医療人材のデューデリジェンス

医師の診療所、医療グループ、または医療施設を買収する際、買い手のデューデリジェンスには主要な医療従事者の資格確認状況を含める必要があります。主要な医師に関する制裁対象との一致、免許の取り消し、または医療過誤の傾向は、取引価値に重大な影響を与えます。臨床面のデューデリジェンスの一環として、買収対象組織の主要な医療従事者10～20名に facility_credentialing_report を実行してください。

研究機関における資格確認と助成金管理

連邦政府の助成を受けた研究に携わる研究者の資格確認を行う大学医療センターや研究機関は、研究者の本人確認、論文発表記録、および資格停止対象でないことを確認する必要があります。publication_activity_score ツールは、PubMedの論文数、ORCIDの認証状況、および推定h-indexを返します。credential_gap_check は、学術的な資格を申告している研究者について、ORCID認証が欠落している場合にその旨を示します。

医療従事者の資格確認を行う方法

1. MCP サーバーに接続する — Apify APIトークンを使って、サーバーURL https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp をClaude Desktop、Cursor、またはWindsurfのMCP設定に追加します。
2. AI アシスタントに依頼する — 「Northside OrthopedicsのSarah Chen医師について、資格確認の全レポートを実行してください」と入力するか、医療従事者名または施設名を指定して facility_credentialing_report ツールを直接使用します。
3. 総合スコアと判定を確認する — 応答には、0～100のリスクスコア、判定（CREDENTIALEDからDO_NOT_CREDENTIALまで）、5つすべての評価項目のスコア、および検出された問題への具体的な推奨事項が含まれます。
4. 構造化出力をダウンロードまたは記録する — JSON応答は資格確認ファイルに保存したり、Webhookに送信したり、Apify APIを介して資格確認管理システムに渡したりできます。

MCP ツール

ツール	価格	データソース	説明
provider_compliance_screen	$0.045	OFAC, OpenSanctions, Federal Register, Data.gov	制裁リスト、除外リスト、規制遵守をスクリーニングします
sanctions_exclusion_check	$0.045	OFAC, OpenSanctions, Data.gov, CFPB	OIG/LEIE、SDN、複数の管轄区域にわたる除外対象を詳細にスクリーニングします
publication_activity_score	$0.045	PubMed, ORCID	査読済み論文数、h-index の推定値、ORCID の検証
malpractice_pattern_analysis	$0.045	CFPB, Federal Register, Data.gov	苦情の傾向、執行措置、NPDB の指標
license_verification	$0.045	OpenCorporates, Federal Register, Data.gov, ORCID	NPI/DEA/ライセンスデータベースとの照合と事業体のステータス確認
credential_gap_check	$0.045	OpenCorporates, ORCID, PubMed, Data.gov, Federal Register	不足している検証項目を特定します。ギャップの一覧と推奨レベルを返します
compare_providers	$0.045	OFAC, OpenSanctions, PubMed, ORCID, CFPB, OpenCorporates	2～5 件のプロバイダーを並べて比較し、複合リスクスコア順にランク付けします
facility_credentialing_report	$0.045	8 件すべてのソース	5 つの評価軸のスコア、判定、すべてのシグナル、推奨事項を含む総合レポート

出力例

facility_credentialing_report ツールの戻り値：

{
  "entity": "Dr. Sarah Chen, Northside Orthopedics",
  "compositeScore": 18,
  "verdict": "CREDENTIALED",
  "providerCompliance": {
    "score": 5,
    "sanctionHits": 0,
    "regulatoryFlags": 0,
    "complianceLevel": "COMPLIANT",
    "signals": []
  },
  "sanctionsExclusion": {
    "score": 0,
    "ofacHits": 0,
    "openSanctionsHits": 0,
    "exclusionListMatches": 0,
    "exclusionLevel": "CLEAR",
    "signals": []
  },
  "publicationActivity": {
    "score": 74,
    "peerReviewedCount": 22,
    "orcidVerified": true,
    "hIndexEstimate": 11,
    "activityLevel": "ACTIVE",
    "signals": [
      "22 peer-reviewed publications — strong academic record",
      "8 recent publications (2023+) — actively publishing",
      "ORCID identity verified — academic credentials confirmed"
    ]
  },
  "malpracticePattern": {
    "score": 0,
    "complaintCount": 0,
    "malpracticeIndicators": 0,
    "patternLevel": "CLEAN",
    "signals": []
  },
  "licenseVerification": {
    "score": 68,
    "corporateRecords": 2,
    "regulatoryRecords": 3,
    "confidenceLevel": "VERIFIED",
    "signals": [
      "2 active corporate entities verified"
    ]
  },
  "allSignals": [
    "22 peer-reviewed publications — strong academic record",
    "8 recent publications (2023+) — actively publishing",
    "ORCID identity verified — academic credentials confirmed",
    "2 active corporate entities verified"
  ],
  "recommendations": []
}

フラグが付いたプロバイダーの DO_NOT_CREDENTIAL 結果：

{
  "entity": "Advanced Pain Solutions LLC",
  "compositeScore": 83,
  "verdict": "DO_NOT_CREDENTIAL",
  "providerCompliance": { "score": 88, "sanctionHits": 3, "regulatoryFlags": 4, "complianceLevel": "EXCLUDED" },
  "sanctionsExclusion": { "score": 76, "ofacHits": 2, "openSanctionsHits": 3, "exclusionListMatches": 2, "exclusionLevel": "EXCLUDED" },
  "malpracticePattern": { "score": 71, "complaintCount": 9, "malpracticeIndicators": 3, "patternLevel": "CRITICAL" },
  "licenseVerification": { "score": 12, "corporateRecords": 0, "regulatoryRecords": 1, "confidenceLevel": "LOW" },
  "allSignals": [
    "3 sanctions/watchlist matches — provider exclusion screening required",
    "OFAC SDN high-confidence match — immediate exclusion review",
    "Entity on 4 watchlists — multi-jurisdiction exclusion risk",
    "2 OIG/LEIE exclusion list matches",
    "5 severe/unresolved complaints — malpractice pattern emerging"
  ],
  "recommendations": [
    "Provider appears on exclusion lists — do not credential",
    "Active sanctions/exclusion match — halt credentialing immediately",
    "Critical malpractice pattern — require enhanced review and peer references"
  ]
}

出力フィールド

フィールド	型	説明
entity	string	照会対象のプロバイダーまたは施設名
compositeScore	number	総合リスクスコア 0-100（数値が高いほどリスクが高い）
verdict	string	CREDENTIALED / PROVISIONAL / REVIEW_REQUIRED / HIGH_RISK / DO_NOT_CREDENTIAL
providerCompliance.score	number	コンプライアンス次元のスコア 0-100
providerCompliance.sanctionHits	number	OFAC と OpenSanctions の一致件数
providerCompliance.regulatoryFlags	number	Federal Register の除外キーワードとの一致件数
providerCompliance.complianceLevel	string	COMPLIANT / LOW_RISK / REVIEW / HIGH_RISK / EXCLUDED
providerCompliance.signals	string[]	この次元に関する人が理解しやすい調査結果
sanctionsExclusion.score	number	制裁・除外次元のスコア 0-100
sanctionsExclusion.ofacHits	number	OFAC SDN の一致件数
sanctionsExclusion.openSanctionsHits	number	OpenSanctions の複数リストとの一致件数
sanctionsExclusion.exclusionListMatches	number	OIG/LEIE/資格停止データセットとの一致件数
sanctionsExclusion.exclusionLevel	string	CLEAR / LOW_RISK / FLAGGED / HIGH_RISK / EXCLUDED
publicationActivity.score	number	出版活動スコア 0-100（数値が高いほど活動的）
publicationActivity.peerReviewedCount	number	PubMed の査読済み出版物の総数
publicationActivity.orcidVerified	boolean	ORCID の本人確認が完了しているかどうか
publicationActivity.hIndexEstimate	number	被引用数から算出した h 指数の推定値
publicationActivity.activityLevel	string	INACTIVE / LOW / MODERATE / ACTIVE / HIGHLY_ACTIVE
malpracticePattern.score	number	医療過誤リスクスコア 0-100
malpracticePattern.complaintCount	number	CFPB への苦情件数の合計
malpracticePattern.malpracticeIndicators	number	Federal Register における執行措置の件数
malpracticePattern.patternLevel	string	CLEAN / LOW_RISK / MONITOR / HIGH_RISK / CRITICAL
licenseVerification.score	number	ライセンス信頼度スコア 0-100（数値が高いほど検証済み）
licenseVerification.corporateRecords	number	OpenCorporates の事業体件数
licenseVerification.regulatoryRecords	number	Federal Register のライセンス・認定記録件数
licenseVerification.confidenceLevel	string	UNVERIFIABLE / LOW / PARTIAL / VERIFIED / FULLY_VERIFIED
allSignals	string[]	5 つすべての次元のシグナルを統合したもの
recommendations	string[]	資格確認に関する具体的な対応の推奨事項

credential_gap_check の出力には、gaps（文字列配列）、gapCount（数値）、licenseConfidence、publicationActivity、recommendation（ENHANCED_VERIFICATION_REQUIRED / ADDITIONAL_DOCUMENTATION_NEEDED / CREDENTIALS_SUFFICIENT）が含まれます。

医療プロバイダーの資格確認にはどのくらいの費用がかかりますか？

この MCP はイベントごとの従量課金制です。ツールの呼び出し 1 回につき $0.045かかります。プラットフォームのコンピューティング費用が含まれています。

シナリオ	ツール呼び出し数	1 回あたりの費用	合計費用
制裁の簡易スクリーニング	1	$0.045	$0.045
1 人のプロバイダーの完全なレポート	1	$0.045	$0.045
候補者 3 人の比較	1	$0.045	$0.045
月次の再スクリーニング（プロバイダー 50 人）	50	$0.045	$2.25
四半期ごとのネットワーク監査（プロバイダー 500 人）	500	$0.045	$22.50

実行ごとに最大利用額を設定して、費用を管理できます。設定した予算に達すると、アクターは停止します。

専用の資格確認プラットフォームと比較してみてください。Verisys は NPDB の照会 1 回につき $3.00-6.00 を請求します。Medallion と CredentialStream は月額 $500-2,000 以上のプラットフォーム料金がかかります。プログラムから資格確認データを取得する必要がある AI 支援ワークフローでは、この MCP を使うと、同等のスクリーニングデータをわずかな費用で利用できます。ほとんどのユーザーの月額利用料は $5 未満です。

Apify の無料プランには月額 $5 分のプラットフォームクレジットが含まれており、支払いなしで最初の 100 回以上のツール呼び出しを利用できます。

API を使った医療プロバイダーの資格確認

Python

import requests
import json

APIFY_TOKEN = "YOUR_API_TOKEN"
MCP_URL = "https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {APIFY_TOKEN}"
}

# Full credentialing report
payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "facility_credentialing_report",
        "arguments": {"entity": "Dr. Marcus Webb, Westside Cardiology Associates"}
    },
    "id": 1
}

response = requests.post(MCP_URL, headers=headers, json=payload)
result = response.json()
report = json.loads(result["result"]["content"][0]["text"])

print(f"Verdict: {report['verdict']} (score {report['compositeScore']}/100)")
print(f"Compliance: {report['providerCompliance']['complianceLevel']}")
print(f"Exclusion: {report['sanctionsExclusion']['exclusionLevel']}")
print(f"Publications: {report['publicationActivity']['peerReviewedCount']} papers, ORCID verified: {report['publicationActivity']['orcidVerified']}")
print(f"Malpractice: {report['malpracticePattern']['patternLevel']}")
print(f"License confidence: {report['licenseVerification']['confidenceLevel']}")
if report['recommendations']:
    print("Recommendations:")
    for rec in report['recommendations']:
        print(f"  - {rec}")

JavaScript

const APIFY_TOKEN = "YOUR_API_TOKEN";
const MCP_URL = "https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp";

// Compare candidates for a locum tenens engagement
const response = await fetch(MCP_URL, {
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": `Bearer ${APIFY_TOKEN}`
    },
    body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
            name: "compare_providers",
            arguments: {
                providers: [
                    "Dr. Aisha Okonkwo",
                    "Dr. James Holloway",
                    "Dr. Patricia Reyes"
                ]
            }
        },
        id: 1
    })
});

const result = await response.json();
const comparison = JSON.parse(result.result.content[0].text);

for (const provider of comparison.comparison) {
    console.log(`${provider.provider}: score ${provider.compositeScore} — ${provider.verdict}`);
    console.log(`  Compliance: ${provider.compliance} | Exclusion: ${provider.exclusion} | Malpractice: ${provider.malpractice}`);
}

cURL

# Run a sanctions and exclusion check
curl -X POST "https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "sanctions_exclusion_check",
      "arguments": {"entity": "Pinnacle Pain Management Center"}
    },
    "id": 1
  }'

# Run a credential gap check for a specific provider
curl -X POST "https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "credential_gap_check",
      "arguments": {"provider": "Dr. Elena Vasquez"}
    },
    "id": 2
  }'

Healthcare Credentialing Intelligence の仕組み

フェーズ 1：並列データ収集

ツールが呼び出されると、アクターは Promise.all を使用して、最大 8 つの Apify サブアクターに同時に HTTP リクエストを送信します。各サブアクターは、メモリ上限 512 MB、タイムアウト 120 秒で実行されます。8 つのデータソースは次のとおりです。

• OFAC 制裁対象検索（アクター ID：t398ffhJgct2clv9s）— 米国財務省の SDN リストを検索します
• OpenSanctions 検索（アクター ID：6Zlkz0wjdXewfq3yK）— EU、国連、100 以上の各国リストを含む、複数の法域にまたがる監視リストを検索します
• CFPB 消費者苦情（アクター ID：OuMDkYU3IROUS0AEj）— 請求や金融上の不正行為の傾向を把握するため、CFPB の苦情データベースを検索します
• OpenCorporates 検索（アクター ID：x0a1Q4g0MLc7h15Im）— 法人の確認にグローバルな法人登記情報を検索します
• Data.gov データセット検索（アクター ID：1pdOsFEBvCm5RzMfM）— NPI 登録簿、OIG/LEIE、プロバイダー登録データセットの連邦オープンデータを検索します
• Federal Register 検索（アクター ID：8bZkbWKlXQrDq0ZgK）— 規制措置、懲戒手続き、ライセンスの執行情報を検索します
• ORCID 研究者検索（アクター ID：Nuq9OYuSRgU3DKFYz）— 学術的な身元を確認します
• PubMed 研究検索（アクター ID：AwPvHhEjcgAd6hcvG）— 国立医学図書館の出版物データベースを検索します

各ツールは、その機能に関連するソースのみを呼び出します。publication_activity_score は PubMed と ORCID のみを呼び出し、sanctions_exclusion_check は OFAC、OpenSanctions、Data.gov、CFPB を呼び出します。

フェーズ 2：各次元のスコアリング

5 つの独立したスコアリング関数が、生データを処理します。

• プロバイダーのコンプライアンス — OFAC/OpenSanctions の該当情報に最大 40 点（各 15 点）、Federal Register の除外キーワードに 30 点、Data.gov の OIG/LEIE 該当情報に 15 点を付与します。さらに、制裁と規制のフラグが同時に該当した場合、複合ボーナスとして 15 点を付与します。
• 制裁対象による除外 — OFAC SDN は最大 35 点（該当 1 件につき 12 点）、OpenSanctions の複数リストは最大 30 点（対象 1 件につき 10 点）、OIG/LEIE 除外データセットは最大 20 点、CFPB の金融上の不正行為は最大 15 点です。
• 出版活動 — PubMed の論文は 1 件につき 3 点、2023 年以降の論文には 5 点の新しさボーナスを加算します（最大 50 点）。ORCID の確認は 15 点、h-index の推定値（被引用数の平方根）は最大 30 点です。スコアが高いほど活動が活発で、総合スコアでは反転されます。
• 医療過誤の傾向 — CFPB の苦情件数は 1 件につき 2 点、期限超過または医療過誤キーワードを含む回答には重大度倍率として 8 点を付与します（最大 35 点）。Federal Register の執行措置は 1 件につき 8 点（最大 30 点）、NPDB データセットの代理指標は 1 件につき 7 点（最大 20 点）です。
• ライセンス確認 — OpenCorporates の有効な法人は 1 件につき 8 点（最大 25 点）、Federal Register のライセンス関連キーワードは 1 件につき 6 点（最大 25 点）、Data.gov の NPI/DEA 該当情報は 1 件につき 6 点（最大 25 点）、ORCID の確認は 20 点です。スコアが高いほど確認の確度が高く、総合スコアでは反転されます。

フェーズ 3：総合スコアと判定

総合スコア = （コンプライアンス × 0.25）+（制裁 × 0.25）+（（100 − 出版活動）× 0.15）+（医療過誤 × 0.20）+（（100 − ライセンス）× 0.15）。ライセンスと出版活動の次元は、肯定的な指標です。十分に確認され、出版活動が活発なプロバイダーは、全体的なリスクスコアを下げます。

判定のしきい値：0-19 = CREDENTIALED、20-39 = PROVISIONAL、40-59 = REVIEW_REQUIRED、60-79 = HIGH_RISK、80-100 = DO_NOT_CREDENTIAL。

フェーズ 4：シグナルの集約と推奨事項

5 つの次元すべてのシグナルを allSignals に統合します。推奨エンジンは 5 つのロジックルールを適用します。コンプライアンスレベルが EXCLUDED、制裁レベルが EXCLUDED、医療過誤の傾向が CRITICAL、ライセンスの信頼度が UNVERIFIABLE、または出版活動が不活発で確認が不完全な複合ケースです。各ルールに該当すると、特定のアクション文字列が recommendations 配列に追加されます。

最適な結果を得るためのヒント

1. 確度の高いスクリーニングには、正式な氏名を使用します。 「Dr. Sarah Chen」を使うと、「S. Chen」を使うより誤検出を減らせます。組織の場合は、NPI または州の法人登記簿に記載されている正式な法人名を使用します。

2. 新規プロバイダーについては、facility_credentialing_report の前に credential_gap_check を実行します。 ギャップチェックによって、事前に依頼すべき書類が特定され、完全なレポートの作成に着手する前にプロバイダーとのやり取りを減らせます。

3. 候補者を選ぶ際は、compare_providers を使用します。 このツールは 1 回の API 呼び出しで実行され、すべての候補者を複合リスクスコア順に返すため、個別のレポートを順番に実行するより効率的です。

4. 大規模な候補者グループをスクリーニングする場合は、予算上限を設定します。 大量の再スクリーニングワークフローをスクリプト化する際は、Apify の実行ごとの支出上限を使用します。1 回の呼び出しは $0.045 で、500 人のプロバイダーなら $22.50 かかります。超過を防ぐため、上限を $25 に設定してください。

5. 診療権限の判断には、一次情報源による確認を併用します。 この MCP は、公開データベースに基づくリスクスクリーニング情報を提供します。診療権限を付与する際は、NCQA/URAC の資格審査基準で求められている一次情報源による確認（州の医療委員会、NPDB、DEA）と併用してください。

6. Apify のスケジューラーで四半期ごとの再スクリーニングを設定します。 OIG の除外情報は毎月公開されます。資格審査済みプロバイダーのリストを対象に、四半期ごとに自動実行するよう設定し、DO_NOT_CREDENTIAL または HIGH_RISK の結果をコンプライアンスアラート用ウェブフックに送信してください。

7. すべての資格審査レポートを記録します。 構造化された JSON 出力は監査に対応しています。各レポートを文書管理システムまたは資格審査データベースに書き込むようウェブフックを設定し、認定関連の記録を残してください。

他の Apify MCP サーバーとの組み合わせ

MCP サーバー	組み合わせ方法
OFAC Sanctions Search	完全な資格審査レポートの前に、大量の SDN スクリーニングを単独で実行します
OpenSanctions Search	海外医学部卒業者の資格審査時に、PEP および複数法域のスクリーニングをより詳細に実施します
Federal Register Search	資格審査要件に影響する新たな CMS および HHS の裁定を監視します
CFPB Consumer Complaints	監査対象の既存ネットワークプロバイダーについて、請求に関する苦情分析を単独で実行します
OpenCorporates Search	グループ診療所や病院の買収について、企業構造と所有関係を確認します
PubMed Research Search	学術職の資格審査において、論文を単独で検証します
ORCID Researcher Search	NIH の資金提供を受ける研究者の資格審査において、研究者の身元を確認します

制限事項

• NPDB の一次情報照会の代替にはなりません。 NPDB（National Practitioner Data Bank）で権威ある医療過誤の支払い履歴や不利益措置の履歴を確認するには、HHS を通じた正式な照会が必要です。この MCP が使用するのは Data.gov の代理指標であり、NPDB に直接アクセスするものではありません。
• 州の医療委員会のデータは直接照会されません。 州ごとの免許状況、懲戒処分、委員会認定を確認するには、各州の委員会への照会が必要です。Federal Register と Data.gov のデータで得られる情報は一部に限られ、州の免許に関する全容を把握できるものではありません。
• 出版活動のスコアリングは、臨床医兼研究者を対象としています。 主に臨床業務を担う医療従事者（病院総合診療医、救急医など）の出版活動スコアは、通常低くなります。この評価項目は、適切な重み付けで扱う必要があり、学術職以外の役割における資格上のマイナス要素と解釈しないでください。
• CFPB の苦情データが対象とするのは金融紛争であり、臨床上の苦情ではありません。 CFPB のデータベースが収集するのは、請求、債権回収、消費者金融に関する苦情です。州の医療委員会への苦情、医療過誤訴訟の提起、臨床上の有害事象は収集しません。
• 名前の照合は文字列ベースです。 よくある名前（例：「John Smith」）の医療従事者では、無関係な人物が誤って一致する可能性があります。高リスクのスコアに基づいて対応する前に、具体的な兆候とデータの根拠を必ず確認してください。
• データの鮮度は、データソースの更新頻度によって異なります。 OIG の除外情報は月次で公開され、OFAC の情報はほぼリアルタイムで更新されます。Federal Register のデータには、公開までに 2～4 週間の遅れが反映されます。結果は、照会時点における各データソースの状態を示します。
• DEA 登録状況を直接照会するものではありません。 現在、DEA 登録の確認には Federal Register と Data.gov の代理データを使用します。DEA 固有の確認については、DEA Diversion Control Division に直接照会してください。
• 海外の医療従事者に関する情報は限定的です。 OFAC と OpenSanctions は海外の情報も対象としますが、NPI、OIG/LEIE、Federal Register のデータは米国中心です。海外医学部卒業者については、制裁・除外に関する評価項目の情報が最も充実しています。

統合

• Zapier — HRMS に新しい医療従事者が追加されたときに資格審査を開始し、結果を資格審査コーディネーターに振り分けます
• Make — Google Sheets から医療従事者のリストを取得して審査を実行し、要確認の結果を Slack に投稿する月次の再審査ワークフローを構築します
• Google Sheets — 複合スコアと判定を含む資格審査レポートの要約を、医療従事者のコンプライアンス管理表に記録します
• Apify API — HTTP 経由で資格審査チェックを資格審査管理システムや HRMS に直接統合します
• Webhooks — 完了したレポートを文書管理システムに送信するか、高リスクの判定が返されたときにコンプライアンス担当者に通知します
• LangChain / LlamaIndex — AI を活用したコンプライアンスエージェントや医療デューデリジェンスのワークフローで、資格審査インテリジェンスをツールとして使用します

トラブルシューティング

• 既知のプロバイダーでスコアが低い場合。 正当なプロバイダーのライセンス信頼度が UNVERIFIABLE となる場合、通常は企業エンティティの記録が存在しないことを意味します（例：独自の診療所法人を運営せず、病院に雇用されているプロバイダー）。licenseVerification.signals フィールドを確認し、具体的にどのデータベースで一致が見つからなかったかを把握したうえで、一次情報源による確認を補足してください。

• 一般的な名前で複合スコアが高い場合。 一般的な名前（例：「Michael Chen」）のプロバイダーは、無関係な人物の制裁情報や苦情シグナルが蓄積されることがあります。allSignals 配列を確認して、エンティティ固有の詳細を調べてください。シグナルに異なる地域や専門分野が記載されている場合、一致は誤検出の可能性が高いです。特定の精度を高めるには、所属機関を含むフルネーム（例：「Dr. Michael Chen, Northwestern Memorial」）を使用してください。

• 結果が返る前に支出上限に達した場合。 ツールを呼び出すたびに、その前にイベント単位の課金が発生します。Apify アカウントの残高が不足している場合、ツールは { "error": true, "message": "Spending limit reached..." } を含むエラーオブジェクトを返します。Apify アカウントにプラットフォームクレジットを追加するか、実行ごとの予算上限を引き上げてください。

• facility_credentialing_report がタイムアウトする場合。 このツールは 8 つすべてのサブアクターを同時に呼び出し、アクターごとに 120 秒のタイムアウトを設定しています。通常、全体の所要時間は 30～90 秒です。サブアクターがタイムアウトした場合、その結果は空の配列に設定され、対応する評価項目はリスクゼロとしてスコア付けされます。これは楽観的なデフォルト値です。時間的制約が厳しいクエリには、完全なレポートではなく、対象を絞った単一ディメンションのツール（sanctions_exclusion_check、provider_compliance_screen）を使用してください。

• compare_providers が一部の結果しか返さない場合。 比較配列内のいずれかのプロバイダーでエラーが発生すると、そのプロバイダーの結果はランキング出力から除外されます。入力配列よりもエントリ数が少ない応答が返されます。結果が欠落したプロバイダーについて、facility_credentialing_report を個別に再実行してください。

責任ある利用

• この MCP は、一般に公開されている政府データベースと学術レジストリのみを参照します。
• 患者のケアに影響する資格審査の判断には、必ずこのスクリーニングデータに加えて、一次情報源による確認を含めてください。
• 採用や特権付与の判断にスクリーニング結果を使用する場合は、適用される雇用法を遵守してください。
• 人による確認を行わず、自動スクリーニング結果のみを根拠として、ケア、雇用、特権を拒否するために出力を使用しないでください。
• データ利用の合法性に関するガイダンスについては、ウェブスクレイピングの合法性に関する Apify のガイドを参照してください。

FAQ

OIG の除外リストに対する医療従事者の資格審査スクリーニングの精度はどの程度ですか？ sanctions_exclusion_check ツールは、OIG/LEIE の除外データを含む Data.gov のデータセットに加えて、OFAC SDN と OpenSanctions の複数法域リストを相互照合します。リスクシグナルと既知の除外データセットとの一致を特定します。正式な OIG/LEIE 確認には、HHS OIG 除外データベース検索ツール exclusions.oig.hhs.gov を一次情報源として利用してください。この MCP は、プログラムによる一括スクリーニングと初期のリスク検出に使用し、その後、フラグが付いたプロバイダーを一次情報源と照合して確認してください。

この MCP による医療従事者の資格審査は、Verisys や Medallion と比べてどうですか？ Verisys は NPDB クエリごとに 3.00～6.00 ドルを請求します。Medallion と CredentialStream の月額 SaaS 料金は 500～2,000 ドル以上です。この MCP の料金は呼び出しごとに 0.045 ドルです。大規模な医療システム向けの完全な資格審査管理プラットフォームの代替ではなく、AI 支援ワークフローとコンプライアンス自動化を目的として設計されています。 これを使ってナースプラクティショナー、PA、その他の医療従事者の資格審査を行えますか？ はい。ツールは、医師、NP、PA、薬剤師、歯科医師、心理士、その他の医療従事者など、名前を指定すればあらゆる種類の医療従事者に対応します。同じデータベース（OFAC、OIG/LEIE、Federal Register、NPI）が、免許を持つすべての種類の医療従事者を網羅しています。論文発表実績のスコアリングは、主に臨床に従事する医療従事者よりも、学術分野の臨床医に適しています。それに応じて期待値を設定してください。

施設全体の資格審査レポートの実行にはどれくらいかかりますか？ facility_credentialing_report の一般的な応答時間は30～90秒です。8つのサブアクターは120秒のハードタイムアウトで並列実行されます。ネットワークの状態、Apifyプラットフォーム上のサブアクターのキュー待ち時間、医療従事者名の具体性が、合計レイテンシーに影響します。対象を絞ったツール（sanctions_exclusion_check、publication_activity_score）は15～45秒で応答します。

政府の公開データを使って医療従事者をスクリーニングすることは合法ですか？ 8つのデータソースはすべて、一般公開されている政府データベース（OFAC、CFPB、Data.gov、Federal Register）または一般公開されている学術レジストリ（ORCID、PubMed、OpenCorporates）です。資格審査やコンプライアンススクリーニングのために公開データにアクセスして処理することは、米国では合法です。詳しいガイダンスについては、ウェブスクレイピングの合法性に関するApifyのガイドをご覧ください。

5ドルの無料クレジットで、1か月に何人の医療従事者をスクリーニングできますか？ ツール呼び出し1回あたり0.045ドルのため、5ドルで約111回呼び出せます。完全なレポートに facility_credentialing_report を使う場合、111件の資格審査をすべて完了できます。sanctions_exclusion_check などの対象を絞ったツールを使う場合も、対象範囲は呼び出しごとに狭くなりますが、111回分を利用できます。

総合資格審査スコアでは何を測定しますか？ 総合スコア（0～100）は、重み付けされたリスク指標です。医療従事者のコンプライアンス（25％）、制裁・除外（25％）、医療過誤の傾向（20％）、および免許確認の反転値（15％）と論文発表実績の反転値（15％）で構成されます。論文発表実績と免許のスコアは肯定的な指標です。完全に確認済みで、継続的に論文を発表している医療従事者は、総合リスクスコアを下げます。スコア0～19はCREDENTIALED、20～39はPROVISIONAL、40～59はREVIEW_REQUIRED、60～79はHIGH_RISK、80～100はDO_NOT_CREDENTIALに該当します。

このMCPをスケジュールして、医療従事者リストを毎月再スクリーニングできますか？ はい。Apifyの組み込みスケジューラーを使うと、任意の間隔で医療従事者リストに対して資格審査スクリプトを実行できます。provider_compliance_screen ツールは、この用途を想定して設計されています。これにWebhookを組み合わせると、フラグが付いた結果をコンプライアンスチームに送れます。医療従事者200人のリストを毎月再スクリーニングする場合、費用は約9ドルです。

このMCPはDEA登録状況を網羅していますか？ DEA登録の確認には、Federal RegisterとData.govの代替データが使われます。license_verification ツールには、NPIとDEA免許記録を対象とするData.govクエリが含まれます。正式なDEA登録状況を確認するには、DEA Diversion Control Division（deadiversion.usdoj.gov）に直接問い合わせてください。このツールは、規制関連の文脈（執行措置、Federal Registerでの登録取り消し）にDEA関連の記録が見つかった医療従事者を特定するために使用してください。

医療従事者の名前を検索して、8つすべてのソースで結果が見つからなかった場合はどうなりますか？ どのソースからも医療従事者のデータが返されない場合、すべての評価項目のスコアは低リスクに設定されます（シグナルがない場合、否定的な所見もありません）。credential_gap_check ツールはこの状況を明示的にフラグ付けします。企業記録の欠落、ORCIDの未確認、論文数ゼロをギャップとして返し、一次資料の文書を請求するよう促します。これは、連邦データベースにデジタル上の記録がない新しい医療従事者に対する想定どおりの動作です。 コードを書かずに、この MCP を Claude Desktop に接続できますか？ はい。claude_desktop_config.json ファイルに MCP サーバーの URL と Apify トークンを追加してください（下記の接続セクションをご覧ください）。設定が完了すると、コードを書かずに、平易な英語で Claude に資格確認の実行を依頼できます。

論文出版活動のスコアリングでは、h-index はどのように推定されますか？ h-index の推定値には、Math.round(Math.sqrt(totalCitations)) を使用します。これは PubMed の検索結果に基づく累積被引用数から算出した、簡易的な代替指標です。研究インパクトのレベルを示すもので、論文出版活動スコアに最大 30 点加算されます。推定 h-index が 20 以上の提供者には、「顕著な研究インパクト」のシグナルが付与されます。

この MCP サーバーへの接続方法

Claude Desktop

claude_desktop_config.json に追加します：

{
  "mcpServers": {
    "healthcare-credentialing-intelligence": {
      "url": "https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor、Windsurf、Cline

MCP クライアントの設定で、サーバー URL https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp と、Apify API トークンを Bearer 認証ヘッダーとして追加します。この MCP は、Model Context Protocol 仕様を実装するすべてのクライアントと互換性があります。

プログラムからの接続（HTTP）

curl -X POST https://healthcare-credentialing-intelligence-mcp.apify.actor/mcp \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"provider_compliance_screen","arguments":{"provider":"Northside Orthopedic Group"}},"id":1}'

改善へのご協力

問題が発生した場合は、Apify アカウントで実行の共有を有効にすると、より迅速なデバッグにご協力いただけます：

1. アカウント設定 > プライバシーに移動します
2. 実行を公開 Actor クリエイターと共有するを有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に問題を修正できます。データを閲覧できるのはアクターの開発者のみで、一般公開はされません。

サポート

バグを見つけた場合や機能のリクエストがある場合は、このアクターのページにあるIssues タブで Issue を作成してください。カスタムソリューションやエンタープライズ統合については、Apify プラットフォームからお問い合わせください。