服薬指導の録音から十数秒で薬剤師の記録を自動作成する生成AIの仕組み

効いているのは、SOAPという医療・看護の現場で共有された記述作法を、そのままAIの出力仕様として据えた設計です。文面そのものは定型化できなくても、主観的情報・客観的情報・評価・計画という枠組み自体は患者が変わっても動きません。会話という自由な入力を、枠の決まった出力へ流し込む形にしたことで、生成AIに任せる仕事が漠然とした要約ではなく、情報の仕分けと整形へ絞り込まれています。

基盤選定では、雑音混じりの音声からどれだけ正しいテキストが得られるかという精度面と、3省2ガイドライン(厚生労働省・経済産業省・総務省が定めた医療情報システムの指針)への準拠という規制面が、同じ土俵で比較されました。薬局の窓口は物音や周囲の声が入りやすく、音声の取りこぼしは記録の質にそのまま響きます。学習に関するルールが明示されていること、問題が起きた際に国内の裁判所を使えることまで判断材料に置かれた点も見逃せません。セキュリティ確保のための非機能要件に開発の時間を吸われない状態をつくることが、機能そのものを磨く時間を確保する近道になっています。

作り方の面では、いきなり製品化へ進まず、学術大会への参考出展で現場の反応を確かめてから実証実験に入る順序が取られました。ツルハホールディングスやサエラ薬局の協力を得た検証では、合計約3,000件の服薬指導を材料に、テキストをSOAP形式へ変換するためのプロンプト(AIへの指示文)の調整が積み重ねられています。応答速度についても、従量課金の共有リソースでは待ち時間にばらつきが出てタイムアウトが起きたため、処理能力をあらかじめ確保するプロビジョニング スループット ユニット(PTU)へ切り替え、インフラにはAzureのベアメタル インフラストラクチャが採用されました。患者を目の前で待たせられない業務では、平均的な速さよりも「遅いときの遅さ」を潰す作り込みが効くという判断が読み取れます。