「AI搭載」と書いてあれば同じではない

電子カルテ各社が「AI機能」を打ち出している。問診AI、入力補助、診断支援、コーディング支援——様々な名称のAI機能が登場しているが、その中身は大きく異なる。

問題は、「AI搭載」という言葉が先行するあまり、何がどの程度信頼できるのかが分かりにくくなっていることだ。

院長として、電子カルテのAI機能を正しく評価する視点を持つことが、今後の導入判断に欠かせない。

AI機能を3つのカテゴリに分類する

電子カルテに搭載されているAI機能は、大きく3つのカテゴリに分類できる。それぞれの特性と信頼性の考え方が異なる。

カテゴリ1: 入力補助AI

何をするか: テキスト入力の予測・補完、音声入力、カルテの自動記載補助など。

信頼性の考え方: 入力の手間を減らす道具であり、医師が入力内容を確認・修正するプロセスが前提。AIが誤った変換・補完をしても、医師が確認すれば修正できる。

主なリスク: 流し読みで誤った内容を確定してしまう「確認漏れ」。AIの提案をそのまま受け入れる習慣が定着すると、誤入力が増える可能性がある。

評価ポイント:

カテゴリ2: 問診AI・受診前情報収集AI

何をするか: 患者がスマートフォン等から事前に症状・問診を入力し、AIがカテゴリ分類・要約・問診票を生成する。医師が診察前に情報を把握できる。

信頼性の考え方: 問診情報の収集効率化が主目的。診断には使わず、情報収集の補助と位置付けるのが基本。患者が入力した内容をAIが整理・提示するだけであり、情報の正確性は患者の入力精度に依存する。

主なリスク: AIが問診情報を整理する過程で、重要な症状が見落とされる可能性。患者が入力を省略したり、誤った情報を入力した場合に、AIがそれをそのまま提示する。

評価ポイント:
• 問診の網羅性（見逃しやすい症状を引き出す設計か）
• 患者の入力しやすさ（高齢者・スマートフォン未慣れ層への対応）
• 問診情報と電子カルテへの連携精度

カテゴリ3: 診断支援AI・コーディング支援AI

何をするか: 症状・検査値・患者情報をもとに、疑い病名のサジェスト、検査オーダーの推奨、レセプトコーディング（病名・処置の入力候補）を提示する。

信頼性の考え方: このカテゴリは他の2つと根本的に性質が異なる。医師の診断プロセスに介入するため、AIの精度・根拠の透明性・監査可能性が求められる。

医師法上、診断行為は医師が行うものであり、AIは「支援」の域を出ない。しかし実務では「AIが出した病名をそのまま採用する」という運用が生じやすく、これがリスクを生む。

主なリスク:
• 希少疾患・非典型的な症例では精度が低下する（学習データに偏りがある）
• AIが「自信を持って」提示する病名が間違っていた場合に、医師が気づかない
• レセプトコーディングへのAI介入が、不適切な病名付けにつながる可能性

評価ポイント:
• AIが提示する根拠の透明性（なぜその病名か、どのデータから導いたか）
• 信頼度スコアの表示（AIが「確信度低い」と示せるか）
• 医師がAIの提案を上書き・却下するUIが整っているか
• 薬事承認・医療機器認証の取得状況（承認済み医療機器かどうか）

特に確認すべき「薬事承認・医療機器認証」

日本では、診断支援を目的としたAIソフトウェアは、医療機器として薬事承認（PMDA審査）が必要なケースがある。

「プログラム医療機器（SaMD）」として承認を受けているAI機能と、そうでないAI機能では、法的な位置付けが異なる。

承認を受けているAI機能は:
• 厚生労働省に承認申請し、有効性・安全性の審査を経ている
• 市販後の有害事象報告義務がある
• 使用条件・対象患者・用途が明示されている

承認を受けていないAI機能は:
• 医師の判断支援を謳っていても、法的に医療機器ではない
• 何か問題が起きた場合の責任の所在が不明確

電子カルテに搭載されているAI機能が「どちらなのか」を確認することは、導入判断の基本だ。ベンダーに確認する際は「このAI機能は薬事承認を受けていますか」と直接聞くことを推奨する。

患者データの取り扱いとAIの「学習利用」の有無

AI機能を信頼して運用する上で、法的な位置付けに加えて確認が不可欠なのが「入力した患者情報の取り扱い」である。

多くのAI機能はクラウド上で処理を行うが、カルテに入力した機微な個人情報や診療データが、ベンダー側のAIモデルの改善（再学習）に二次利用されるシステムが存在する。

患者のプライバシーを保護し、医療機関としての信頼を守るためには、以下の点を確認する必要がある。

• 入力データがベンダー側のAI学習に利用される仕様になっていないか
• 学習に利用される場合、オプトアウト（利用拒否）の設定が可能か
• データがクラウドへ送信される際、個人情報の匿名化やマスキング処理が確実に行われているか

「自院の患者データが勝手にAIの学習データとして使われないこと」が明言されている、あるいはコントロール可能なシステムを選ぶことが、情報漏洩リスクを防ぐための必須条件となる。

実際の評価時に使える質問リスト

電子カルテのAI機能を評価・選定する際に、ベンダーや展示会で確認すべき質問を整理した。

精度・根拠の確認

安全性・責任の確認

セキュリティ・プライバシーの確認

運用・UIの確認

AI機能を使う前に整理すべき院内の基準

AI機能を導入した後も、「どこまでAIを信頼するか」の院内基準を決めておくことが重要だ。

以下の3点を整理しておくと、スタッフ間の認識統一に役立つ。

1. AIの提案は「参考情報」か「推奨」か

院内での位置付けを明確にする。「AIが言っているから」という判断をしないためのルールを作る。

2. AIの提案を最終判断する責任者は誰か

診断支援AIであれば、最終的な診断は医師が行うことを明示する。入力補助AIであれば、入力内容の確認責任は入力した医師・スタッフにある。

3. AIの誤りに気づいた場合の報告フローを作る

AIが明らかに誤った提案をした場合、それをどう報告・記録するかのフローを設けておくと、院内での事例共有と改善につながる。

まとめ

電子カルテのAI機能は「入力補助・問診AI・診断支援」の3カテゴリに分けて評価することが基本だ。それぞれ求められる精度・信頼性・法的位置付けが異なる。

導入判断のチェックポイントは以下の4点に集約される。

1. 薬事承認の有無を確認する — 特に診断支援機能は承認状況が判断の前提
2. 患者データの学習利用の有無を確認する — 機微な医療情報が二次利用されないセキュリティを担保する
3. AIの提案を確認・修正できるUIかを確認する — 医師の判断を補助する設計になっているか
4. 院内での運用基準を決めてから導入する — ツールが良くても運用の設計がなければリスクになる

「AI搭載」という言葉に惑わされず、何を、どの範囲で、誰の責任で使うのかを明確にすることが、AI機能活用の前提になる。

Mac・Windows・iPadで自由に操作、マニュア ルいらずで最短クリック数で診療効率アップ

オンライン診療機能を搭載 したクラウド型電子カルテ 「CLIUS」

特徴

１．使いやすさを追求したUI・UX ・ゲーム事業で培って来た視認性・操作性を追求したシンプルな画面設計 ・必要な情報のみ瞬時に呼び出すことが出来るため、診療中のストレスを軽減 ２．診療中の工数削減 ・AIによる自動学習機能、セット作成機能、クイック登録機能等 ・カルテ入力時間の大幅削減による患者様と向き合う時間を増加 ３．予約機能・グループ医院管理機能による経営サポート ・電子カルテ内の予約システムとの連動、グループ医院管理機能を活用することにより経営サポート実現 ・さらにオンライン診療の搭載による効率的・効果的な診療体制実現

対象規模

無床クリニック向け 在宅向け

オプション機能

オンライン診療 予約システム モバイル端末 タブレット対応 WEB予約

提供形態

サービス クラウド SaaS 分離型

診療科目

内科、精神科、神経科、神経内科、呼吸器科、消化器科、、循環器科、小児科、外科、整形外科、形成外科、美容外科、脳神経外科、呼吸器外科、心臓血管科、小児外科、皮膚泌尿器科、皮膚科、泌尿器科、性病科、肛門科、産婦人科、産科、婦人科、眼科、耳鼻咽喉科、気管食道科、放射線科、麻酔科、心療内科、アレルギー科、リウマチ科、リハビリテーション科、、、、

詳細を見る