医療機器メーカーがAmazon SageMakerを使用してAI診断支援モデルを開発しています。規制要件として、すべてのモデルバージョンは本番環境にデプロイされる前に医療コンプライアンスチームによる正式なレビューと承認を受ける必要があります。また、各モデルのバージョン履歴と承認ステータスを監査可能な形で追跡・管理する必要があります。この要件を最も適切に満たすSageMakerの機能はどれですか。
Amazon SageMaker Model Registryは、機械学習モデルのバージョン管理とデプロイ承認ワークフローを提供する機能です。モデルをカタログに登録し、Approved（承認済み）・Rejected（却下）・PendingManualApproval（承認待ち）のステータスで管理できます。コンプライアンスチームはモデルの精度指標や学習データ情報などを確認した上で承認・却下を実行でき、デプロイ前の正式なゲートキーパーとして機能します。承認操作はCloudTrailに記録されるため、監査証跡も確保されます。 選択肢AのAmazon SageMaker Clarifyはモデルのバイアス検出と予測の説明可能性（SHAP値等）を提供するサービスであり、デプロイ前の承認ワークフロー管理や承認ステータスの追跡機能は持っていません。 選択肢BのAmazon SageMaker Experimentsは機械学習の試行を追跡・比較するサービスですが、正式な承認ステータス管理やデプロイゲートの機能はありません。 選択肢DのAmazon SageMaker Model Monitorはデプロイ済みモデルのデータドリフトや品質劣化をリアルタイムで監視するサービスであり、デプロイ前の承認プロセス管理には対応していません。