生成AIで病院の請求業務を数日から数分へ、順天堂大学とFIXERの共同研究

検証をいきなり最終形から始めず、二段階に分けた設計が、この取り組みの土台になっています。第一段階では電子カルテに紐づくオーダー、つまり検査や処置などの指示情報を手がかりに、生成AIが適切な請求内容を選べるかどうかだけを確かめています。オーダーは記載の形がある程度そろっているため、AIの判断の当たり外れを人が検証しやすく、外れた原因も切り分けやすい。そのうえで、書き方が人によって揺れるカルテ本文から直接判断させる次の段階へ進む順序は、易しいところで精度の見当を付けてから難所に入る堅実な進め方です。

精度の判断を現場の医師と医療事務に委ねた体制も、要因として見逃せません。診療報酬の算定は、点数表を機械的に引けば答えが出るというより、記載された診療内容をどう読み取るかで結論が動く領域です。その正誤を判定できるのは実務を担う人だけであり、開発側だけで評価の物差しを組み立てても、現場で通用するかは分からないままになります。専門的な知見をAIの改善サイクルへ直接流し込む形が、精度を押し上げる現実的な道筋になっていると考えられます。

生成AIに最終判断まで任せず、原案の作成までを担わせる切り分けも効いています。請求内容の誤りは患者と医療機関の双方に影響が及ぶため、自動化の範囲を欲張れば、かえって確認の手間が膨らみかねません。原案づくりをAIに寄せ、正しさの担保は人が引き受ける分担であれば、精度が完全でない段階からでも運用の検討を進められます。