ScarletのシリーズB、迅速なAI医療機器認証と規制スケールの限界を問う

ScarletはAI医療機器認証の拡大に向け、5,000万ドルのシリーズBを調達した。従来型の審査体制では対処が難しいボトルネックに挑む動きだ。ScarletのシリーズBはHeadlineが主導し、2026年10月12日に発表された。Notion Capitalが新規投資家として加わり、Atomico、Creandum、Kindred Capital、Entrepreneurs Firstも参加した。

この資金調達が重要なのは、Scarletが単なるコンプライアンス用ダッシュボードを販売しているわけではないからだ。同社は政府指定の認証機関として、規制対象の医療機器に関する重要な判断を下せる審査担当者を擁する。今後は米国とアジア太平洋地域で事業を拡大し、専門審査員とエンジニアの採用を増やす方針だ。

これは難しい命題の試金石となる。Scarletは、規制上の判断を自動化されたチェック作業に変えることなく、認証のスピードを高めようとしている。既存の認証機関は規模、実績、幅広い対象領域を持つ。一方Scarletは、専門性、ソフトウェア支援による証拠処理、継続的な監督が、AI製品により適していると主張する。

資金は拡大を後押しできるが、迅速性と厳格な審査の緊張関係を解消することはできない。Scarletは、独立性、追跡可能性、技術的知見に基づく判断を維持しながら、その運用モデルを複数の法域に拡張できることを示す必要がある。

ScarletのシリーズBが実際に資金を充てるもの

ScarletのシリーズBは規制対応能力に資金を投じるものであり、規制権限を広範に付与するものではない。

Scarletの公式資金調達発表によると、同社は調達資金を専門チームの拡充に充てる。米国とアジア太平洋地域での拠点を拡大し、評価可能なAIの範囲も広げる計画だ。

これらの目標には、地域拠点を開設する以上の取り組みが求められる。医療機器に関する規則は市場ごとに異なり、各指定には明確な法的範囲がある。そのため事業拡大は、規制当局からの認定、有資格者、運用管理、地域の製造業者を支援する能力に左右される。

同社は、Babylon Healthで医療AIに携わったJames DewarとJamie Coxがロンドンで設立した。Scarletは認証書の発行に先立ち、創業初期の数年間を規制上の指定の取得に費やした。この経緯は重要だ。認証権限は、単にソフトウェアをリリースしたり営業チームを採用したりするだけでは得られない。

今回の投資家グループは、その長期的な時間軸を反映している。Headlineが資金調達を主導し、Notion Capitalが新規投資家となった。既存投資家であるAtomico、Creandum、Kindred Capital、Entrepreneurs Firstも再出資した。HeadlineのパートナーであるNancy Xiao MclaughlinもScarletの取締役会に加わった。

報道された資金調達の詳細によれば、Scarletの顧客は同社のプラットフォームを通じて技術文書をアップロードする。有資格の審査員が、その機器と市場に適用される規則に照らして証拠を評価する。

ソフトウェアは文書の受け入れ、整理、追跡可能性を担う。規制上の判断については、人間の審査員が責任を保持する。この役割分担は、認証には解釈、リスク評価、証拠評価が伴うため、Scarletの訴求の中核をなす。

Scarletによれば、顧客は継続的なサーベイランス、年次監査、製品変更の評価についてサブスクリプション契約を結ぶ。このモデルでは、認証を市場投入前の一度きりの関門ではなく、継続的な関係として扱う。

このアプローチは、医療機器としてのソフトウェア、すなわちSaMDに特に関連する。SaMDとは、物理的な医療機器の一部ではなく、医療機能を果たすソフトウェアを指す。その挙動は、モデル更新、データパイプライン、インターフェース改訂、導入環境の変更によって変化し得る。

従来の認証プロジェクトでは、定義された製品バージョンに焦点を当てることが多い。しかしAI開発者は、より頻繁にモデルやワークフローを改訂したいと考える。重要な変更のたびに、安全性、有効性、文書化、追加の規制申請の必要性に関する疑問が生じ得る。

Scarletは、顧客の一部が製品更新サイクルを数か月から数週間へ短縮したとしている。また、一部の認証スケジュールから1年以上を削減できたとも主張する。これらは企業が報告した成果であり、すべての機器クラスを対象とする独立したベンチマークではない。

この区別は重要である。資金調達の発表は、あらゆる医療機器が同じ加速された道筋をたどれることを示すものではない。機器のリスク、臨床的証拠、ソフトウェアアーキテクチャ、申請の品質はいずれも審査期間に影響する。

今回の資金調達により、Scarletはより大きな規模で自社モデルを検証するためのリソースを得る。ただし、製品、審査員、規制制度が増えた場合にも一貫した結果を生み出せるかどうかは、まだ決着していない。

AI医療機器認証がボトルネックになった理由

医療AIは、それを評価する機関より速く変化し得る。しかし、審査の高速化は十分な証拠の代替にはならない。

Scarletとその投資家は、ソフトウェア開発と医療機器認証の間で広がる不一致を指摘している。チームは数週間でモデルを学習または改訂できる。しかし、その結果生まれた機器は、特に文書が不完全だったり審査員に専門的な対応能力がなかったりする場合、評価に何か月も費やす可能性がある。

資金調達に関する報道では、専門家による評価には12か月から18か月かかる場合があるとされる。軽微な更新の承認にも、さらに6か月から8か月の遅れが生じ得るという。これらの推計は、普遍的なスケジュールではなく、Scarletが解決しようとしている問題を表すものだ。

需要も増加している。FDAによれば、2026年9月までに1,600件を超えるAI搭載医療機器を認可していた。同局のAI医療機器一覧には、診断ツール、画像処理システム、モニタリング製品、治療支援ソフトウェアが含まれる。

この件数は複数の地点で負荷を生む。製造業者は証拠を準備し、規制当局は方針を維持し、審査員はますます複雑化するソフトウェアを理解しなければならない。病院や臨床医も、認可済みシステムが導入後も安全性を維持しているという保証を必要とする。

AI製品では、リスクがソースコードに限定されないため、この作業はより難しくなる。性能は、学習データ、入力品質、臨床状況、ユーザー行動、インフラ、ケアを受ける集団に左右される可能性がある。

一部のシステムは、発売後にも変化する。FDAは、特定のAI医療機器の申請に、あらかじめ定めた変更管理計画を含めることを認めている。PCCPは、予定された変更と、それらを安全に開発、検証、実装するための方法を記述する。

この枠組みは管理された反復を支援するが、製品を無制限に更新する許可を与えるものではない。認可された計画の範囲外の変更には、依然として審査が必要となる可能性がある。製造業者はまた、実環境での性能が発売前に提出した証拠と整合しているかを監視しなければならない。

Scarletの機会は、このライフサイクル上の課題の中にある。文書が構造化された状態を保ち、指摘事項の追跡可能性が維持され、審査員が変更を効率的に評価できれば、製造業者は散在するファイルから申請を毎回作り直すことを避けられる。

より難しい問題は、認証機関が繰り返される変更を通じて文脈を維持できるかどうかだ。モデル更新は、臨床性能、サイバーセキュリティ、ヒューマンファクター、リスク管理に影響し得る。審査では、どの前提がなお有効で、どの証拠を変更すべきかを見極めなければならない。

Scarletによれば、そのプラットフォームは指摘事項を裏付け資料や規制条項に結び付ける。この設計は、申請書類を検索する時間を減らせる可能性がある。また、規制当局や製造業者にとって、審査判断の監査を容易にすることもできる。

ただし、事務効率と証拠の十分性は別の成果である。不十分な臨床試験を整理しても、その試験が強固になるわけではない。不足文書を素早く検出しても、不足している証拠は解決しない。

したがってScarletの主張として最も強い形は、「AIが認証を高速化する」というものより限定的だ。同社のモデルは、資格を持つ専門家に安全性に関する判断を委ねたまま、回避可能な摩擦を取り除くことができる。

この区別は、医療AI開発者にとって重要であるべきだ。迅速な審査員でも、不明確な意図された使用目的、不適切な検証データ、脆弱な監視管理を補うことはできない。より良い準備と迅速なフィードバックは、一体となって機能する必要がある。

生成モデルが医療ワークフローに入るにつれ、市場圧力はさらに高まる可能性が高い。生成システムは可変的な出力を生み出すため、その故障モードは決定論的なソフトウェアのものとは異なる。審査員には、出力の変動性、臨床的な影響、変化するモデル挙動に対処する手法が求められる。

Scarletにとって、この需要はより大きな対象市場を意味する。同時に、個々の認証判断を支える技術的・制度的な負担も増大させる。

Scarletと総合型認証モデルの比較

Scarletは、認証の価値を支える独立性を弱めることなく、専門性が総合型認証を上回れると賭けている。

従来のノーティファイドボディは、多様な種類の医療機器を評価している。そのポートフォリオには、インプラント、診断機器、病院向けハードウェア、検査室向け製品、ソフトウェアが含まれる場合がある。この広がりは規模を支える一方、専門的なソフトウェア知識を配分することを難しくする可能性もある。

Scarletは、AIとソフトウェア医療機器を軸に位置付けている。同社は、これらのカテゴリーに特化した唯一の欧州ノーティファイドボディだとしている。専門分野に集中した審査員とソフトウェアを理解したプロセスにより、反復的に変化する製品をより一貫して評価できる、というのが同社の主張だ。

主な対抗相手は、単一の競合企業ではない。ソフトウェアほど頻繁に変化しない製品を前提として構築された、プロジェクト単位で文書負荷の大きい認証モデルである。

Headlineの投資論は、従来型の審査を、一貫性に欠け、不透明で、継続的なソフトウェア開発に適していないものと説明している。これらの主張は主幹事投資家の視点を反映しており、独立した比較として扱うべきではない。

それでも、この批判は現実的な設計上の問いを示している。医療ソフトウェアのチームは、課題追跡ツール、品質システム、臨床研究、モデル記録、リスク文書にまたがって証拠を整理することが多い。審査員は、これらの資料を特定の規制要件に結び付ける必要がある。

報道によれば、Scarletのプラットフォームは複数の形式で文書を受け付け、申請が完全かどうかを確認する。その後、資格を持つ審査員が関連する主張と管理策を評価できるよう、証拠を整理する。

このプロセスは、指摘事項の記録方法を標準化することで、一貫性を高められる可能性がある。また、製造業者に対して、何を変更すべきかについてより明確な説明を提供することもできる。いずれの利点も、基礎となる審査ルールと審査員の判断の質に依存する。

サブスクリプションモデルは、もう一つの違いを生む。製品の変更ごとに別個の契約として扱うのではなく、Scarletは製造業者と機器を継続的に把握できる。継続的なサーベイランスと年次監査も、その関係の一部として維持される。

Flok Healthは、このユースケースを端的に示している。同社はAI支援型の理学療法サービスを運営しており、医療機器のアップグレードを月2回リリースしたいと考えている。共同創業者のFinn Stevensonは、Scarletのアプローチによってこの頻度を実現できると述べた。

この発言は、認証の迅速化が持つ商業的な魅力を示している。ただし、月2回のリリースすべてが新たな認証を必要とする、あるいは取得することを意味するわけではない。規制上の扱いは、各変更の性質と重要性によって異なる。

継続的な関係は、双方が変更を分類するうえで役立つ可能性がある。審査担当者は既存の機器を理解でき、メーカーは提案する修正をより早い段階で提示できる。これにより、繰り返し必要となる状況把握の作業を減らせるはずだ。

ただし、継続的な商取引関係には強固な安全策も必要となる。認証機関はメーカーから収益を得る一方で、独立した評価の責任を負い続ける。この構造的な緊張関係はScarletに限らず、適合性評価全般に存在する。

専門性は、審査担当者がメーカーに適切な異議を唱えられるほど技術を理解している場合、独立性を強め得る。一方で、商業的なスピードが主要な成果指標となれば、信頼を損なう可能性がある。

したがってScarletには、自社モデルがより迅速でありながら、適切に厳格でもあることを示す証拠が必要だ。有用な指標としては、審査サイクルの所要期間、エビデンス確認の往復回数、監査所見、市販後の問題、規制当局からのフィードバックなどが挙げられる。

規模拡大は、この立証を複雑にする。小規模な専門チームであれば、密な協力を通じて共通の基準を維持できる。より大きな国際的組織には、正式な研修、評価のすり合わせ、品質保証、エスカレーション経路が必要になる。

同社は、より幅広いリソースと既存の関係性を持つ既存組織とも競合する。総合型の認証機関はソフトウェア専門家を採用し、デジタル審査システムを構築し、自ら継続型サービスを導入できる。

Scarletの防御力は、一部には取得まで何年も要する規制上の指定に依存している。また、AIおよびソフトウェアの評価を繰り返すことで得られる運用知識にも支えられる。

ただし、どちらの優位性も永続的ではない。指定は、定められた範囲内で事業を行う許可を与える。すべての市場において、優れた審査品質、顧客成果、規制当局からの受容を保証するものではない。

米国での認定は世界共通の承認を意味しない

Scarletの国際展開が成功するかどうかは、顧客が各認可と審査経路の限界を理解しているかにかかっている。

Scarletは、510(k)プログラムにおける第三者審査機関としてFDAから認定を受けている。FDAの認定審査機関リストにはScarlet NB B.V.が記載され、対象となる機器カテゴリーが示されている。

その対象範囲には、麻酔学、循環器医学、神経学、病理学、放射線医学などの分野にまたがる一部の機器が含まれる。しかし、この認定によってScarletがすべての医療機器を承認できるようになるわけでも、FDAそのものとして行動できるようになるわけでもない。

第三者プログラムの下では、認定組織は対象となる510(k)申請を審査し、勧告を行うことができる。FDAは規制上の役割を維持しており、適格性は該当する機器の製品コードに依存する。

この区別は重要だ。「FDA認定」という表現は、実際よりも広範な意味に受け取られかねない。メーカーは、自社機器が第三者審査の対象となるか、またScarletが該当カテゴリーをカバーしているかを確認しなければならない。

欧州の認証は、別の法的枠組みに従う。ノーティファイドボディは、欧州連合の医療機器規則に基づき外部審査が必要な機器について、適合性評価を実施する。その指定は、評価可能な機器の種類と適合性評価活動を定める。

英国は独自の枠組みを運用しており、承認機関が定められた適合性評価機能を担う。アジア太平洋地域は、そもそも単一の規制市場ではない。エビデンス、登録、現地代理人に関する要件が異なる各国の制度で構成されている。

Scarletは、欧州の一つのプロセスをそのまま各国へ複製することはできない。国・地域ごとの専門知識、規制当局との関係、現地規則を満たす運営主体が必要となる。

したがって同社の拡大計画には、相互に結び付いた二つの課題がある。審査インフラを構築すること、そして各サービスに必要な権限を取得または維持することだ。

既存の指定の範囲内であっても、規制当局は認証機関の業務を監督できる。オランダの監督記録には、2024年にScarletに関する監視活動が記録されている。また、当時の同組織が初期段階にあり、評価件数も限られていたことが示されている。

この種の監督自体は警告サインではない。監督は、ノーティファイドボディの判断に法的・臨床的な信頼性を与える仕組みの一部である。同時に、拡大がソフトウェア効率だけに依存できない理由も示している。

規制当局は、審査担当者の能力、公平性、文書化、監査統制、管理システムに確信を持つ必要がある。急速な採用は、これらすべての要素に圧力をかける可能性がある。

Scarletは、許容される変更の定義の違いにも対応しなければならない。ある枠組みで軽微と見なされる更新が、別の枠組みでは追加審査を引き起こす可能性がある。意思決定支援に用いられるモデルは、意図された使用目的が変われば異なる要件に直面し得る。

生成AIは、さらなる不確実性を加える。記録を要約するシステムは、治療を推奨するソフトウェアとは異なる危険性をもたらす。誤った出力による結果も、必要なエビデンスと統制に影響する。

Scarletは、あらゆる形態のヘルスケアAIを認証したいと述べている。この意欲は、すべての形態がすでに現在の規制上の対象範囲に含まれている証拠ではなく、事業の方向性として読むべきだ。

顧客は、グローバルなメッセージに依拠する前に、具体的な質問をすべきである。どのScarletの法人が審査を担うのか。どの当局がそれを指定したのか。どの機器コードとリスククラスが対象範囲に入るのか。関連する規制当局には、なおどのような対応が必要なのか。

これらの問いは、同社の役割を小さくするものではない。その役割を正確に定義するものだ。Scarletが、正式な認可よりもブランドのほうが広く知られる市場へ参入するにつれ、規制上の具体性はさらに重要になる。

真のトレードオフは、スピードと検証可能な判断の間にある

Scarletは、認証の迅速化が患者を守る判断を圧縮することではなく、無駄な作業を排除した結果であると証明しなければならない。

同社の最も強い主張は、遅延が自動的に厳格さを生むわけではないという点だ。これに異議を唱えるメーカーはほとんどいないだろう。審査担当者の空きを待つこと、分散した文書を探すこと、不明確なフィードバックを受け取ることは、医療機器をより安全にするものではない。

ソフトウェアは、こうした遅延を減らせる。不足資料を検出し、エビデンスを要件に対応付け、版履歴を維持し、所見がどのように解決されたかを示せる。これらは規制業務に対する実務的な改善である。

また、測定可能な成果も生み出す。Scarletは、申請が不完全なままどれほど滞留するか、審査がどこで止まるか、どの要件が繰り返し質問を生むかを追跡できる。この情報は、メーカーがより強固なエビデンスを早期に準備する助けとなり得る。

リスクは、スピードが品質の代替指標になったときに始まる。認証品質は、処理時間よりも要約しにくい。迅速な判断が正しいことはあり得るが、スピードだけではその結果を示せない。

Scarletの顧客と投資家には、短い期間を強調するインセンティブがある。医療機器企業は市場参入とより頻繁なリリースを望む。投資家は、需要が拡大するスケーラブルな事業を望む。

規制当局と患者の優先事項は異なる。彼らには、エビデンスが機器の意図された使用を裏付け、導入後もリスクが管理されているという確信が必要だ。

有資格の審査担当者は、こうしたインセンティブの間に位置する。Scarletは、人間が最終的な規制判断を下し、技術が文書を処理すると述べている。この境界を維持することが不可欠である。

自動化はエビデンスを順位付けし、抽出し、結び付けることができるが、誤りを増幅することもある。システムが研究を誤った製品バージョンに関連付けたり、付録に隠れた制約を見落としたりする可能性がある。

人間の審査担当者は、自動化ツールがどのように出力を作成したかを理解しなければならない。また、整然と整理された記録を受け入れるだけでなく、矛盾を調査する時間も必要だ。

AI支援型認証は、さらに一層のガバナンスを必要とする。Scarletは、社内ソフトウェアを検証し、そのソフトウェアへの変更を統制し、自動化が審査担当者の業務に影響する箇所を文書化しなければならない。

審査の一貫性には価値があるが、特異な機器により深い分析が必要な場合、画一性は弱点になり得る。標準化されたワークフローは、例外を既知のカテゴリーへ無理に押し込むのではなく、例外として浮かび上がらせるべきだ。

国際的な成長は、この圧力を高める。新たな審査担当者は異なる経験を持ち、新市場は異なる規制解釈をもたらす。Scarletには、適切な専門的見解の相違を抑え込まずに、一貫した判断を生むためのすり合わせプロセスが必要となる。

公開されている証拠は、依然として限られている。Scarletは顧客事例を公表し、大幅な期間短縮を主張している。しかし、他の認証機関との比較を広範かつ独立監査済みの形で公表してはいない。

この欠如がモデルを無効にするわけではない。資金調達の根拠が、利用可能な実績記録に先行していることを意味する。

信頼できる証明パッケージでは、事務作業時間と実質的な審査時間を分けるべきだ。受付の迅速化が認証全体の期間も短縮するかを示すべきである。さらに、機器リスク、申請準備状況、変更の複雑性を考慮すべきだ。

市販後の結果も重要である。メーカーが後に是正措置、安全性上の懸念、予期しない追加審査に直面するなら、迅速な認証の価値は低く見える。反対に、実環境での安定した性能はScarletの主張を強めるだろう。

規制上の信頼はゆっくりと積み上がる。一方で、重大な失敗はそれを急速に損なう。したがってScarletの拡大戦略は、審査品質を後から最適化する指標ではなく、成長を制約する条件として扱わなければならない。

同社は、認証が提供するものを過大に約束することも避ける必要がある。認可は、定められた評価後の市場参入を支援する。あらゆる病院における臨床採用、償還、統合、強い性能を保証するものではない。

AIシステムは、発売後に対象集団の変化、ワークフローの違い、新たなデータ条件に直面することがある。認証は、モニタリング、臨床ガバナンス、サイバーセキュリティ、インシデント対応と並ぶ、責任ある導入の一部にすぎない。

Scarletのサブスクリプション構造は、このライフサイクルの視点を支え得る。継続的な関与により、機器の変更に応じて認証機関が情報を把握し続けられる可能性がある。その価値は、監視が意味のあるリスクを患者被害になる前に特定できるかにかかっている。

したがってScarletのシリーズBは、制度設計への賭けである。ソフトウェアは重要だが、防御可能な製品は、回避可能な摩擦を減らしつつ提供される信頼できる判断である。

Scarletが規模拡大できるかを示す三つのシグナル

次の段階は、規制上の対象範囲、測定可能な審査パフォーマンス、そして国際的な成長の中でも品質が維持される証拠によって判断されるべきだ。

第一のシグナルは、米国とアジア太平洋地域における具体的な規制上の進展である。Scarletは、支援可能な法域、機器カテゴリー、審査経路を明示すべきだ。新たな拠点や採用は、検証済みの権限や完了した評価ほど重要ではない。

より広範なFDA適格性は、満足のいく実績を伴うなら拡大の根拠を強めるだろう。アジア太平洋市場での追加認定は、Scarletが自社の運用モデルを異なる法制度へ適用できることを示す。

新たな認可の獲得がなければ、グローバル展開の説得力は弱まるだろう。それは、より広い商業的野心にもかかわらず、同社が依然として主に欧州の専門事業者であり、米国での能力は限定的であることを示唆する。

第2のシグナルは、透明性の高い運用上のエビデンスである。Scarletは、比較を有意義に行えるだけの文脈を添えて審査期間を開示すべきだ。指標では、初期の完全性確認、実質的な評価、メーカーの回答期間、最終判断を区別する必要がある。

顧客による「1年を節約できた」という主張は注目を集めるが、一般的な結果を裏付けるものではない。中央値の所要期間、デバイスのカテゴリー、エビデンス照会の回数を示せば、より明確な実像が見えてくる。

同社はまた、既存の管理体制の下で製品変更がどの程度進められているかも報告すべきである。この情報により、継続的認証が実際のソフトウェア反復を支えているのか、それとも主に文書化を改善しているだけなのかを検証できる。

独立した顧客事例は、こうした数値の説得力を高めるだろう。最良の事例では、デバイス、リスク分類、従来のプロセス、Scarletのワークフロー、最終的な規制上の結果を説明するはずだ。

第3のシグナルは、規模拡大における品質である。Scarletは審査担当者とエンジニアの増員を計画しているが、人員数だけで能力を証明することはできない。研修、キャリブレーション、監査結果、市販後のパフォーマンスの方が、より確かなエビデンスとなる。

規制当局によるモニタリングは、特に重要になる。有利なサーベイランス結果は、Scarletが評価基準を下げずに成長できるという主張を支えるだろう。是正に関する指摘は、運用モデルにより厳格な管理が必要な領域を明らかにする。

既存の認証機関も対応するだろう。ソフトウェアに特化したチームを整備し、文書ワークフローを自動化し、より継続的な関与を提供できる。彼らの対応は、Scarletが独自のカテゴリーを確立したのか、それとも単に先行しただけなのかを測る試金石となる。

医療AI開発者は、こうしたシグナルを注意深く見守るべきだ。認証は、リリース計画、投資のタイミング、臨床パートナーシップ、そして市場をまたいで製品を維持するコストに影響する。

医療の購買担当者が注目すべき理由は異なる。市場投入の迅速化により、地域ごとの評価を必要とするAI製品の数と導入頻度が増える。認証後も、購買担当者には臨床上の適合性、モニタリング、説明責任に関するエビデンスが必要だ。

5000万ドルの資金調達により、Scarletは自らが掲げる組織を構築するための時間とリソースを得た。同時に、求められる証明の水準も上がる。投資家が資金を提供したのは、単に有望なワークフローではなく、国際展開である。

同社がより広範な規制上の適用範囲を獲得し、信頼できるパフォーマンスデータを公表し、取扱量の増加に伴っても審査品質を維持できれば、ScarletのシリーズBは正当化されたものに見えるだろう。こうしたシグナルがなければ、迅速な認証は、実証された制度上の優位性ではなく、魅力的な主張にとどまる。

規制対象の医療AIを開発するチームにとって、当面の対応は明確だ。リリース前に、計画中のすべてのモデル変更を、そのエビデンス、モニタリング、規制上の影響に対応付ける。その上で、継続的な認証関係が、独立した監視を維持しながら、実際の審査上の摩擦を低減できるかを問うべきである。