看護記録の時間を実証で約40%短縮、音声認識と生成AIを組み合わせたがん医療

精度の担保をAI単体に背負わせず、システム側の学習と人の最終確認という二段構えに分けた運用設計が、この取り組みを実務に載せた要因と考えられます。音声認識は専門用語や固有名詞で必ず取りこぼしが出ますが、誤変換をシステム側で修正して学習させる仕組みが繰り返しの誤りを減らし、看護師の最終チェックがその日の記録の正確さを受け持ちます。精度が完全でなくても運用が回る形にしたことで、判断の基準が「AIが間違えないか」から「下書きとして使えるか」へ移ります。カルテという後戻りの効かない記録を扱ううえで、この責任の置き方には無理がありません。

適用先を看護カンファレンスと電話サポートに絞り込んだ点も効いています。どちらも会話の目的と参加者がはっきりしていて、そこで交わされた内容がそのまま記録の中身になる業務です。話す内容が定まらない場面まで汎用的に音声入力を広げるより、記録の型が決まっている業務から入るほうが、要約の質も効果の検証しやすさも確保できます。

患者側では、紙をなくすことよりも、体調を伝える手段そのものを会話に変えた設計が目を引きます。AIアバターとのチャットは音声入力にも対応しており、副作用で文字入力が難しい患者でも記録を残せます。規定の項目をなぞるだけの入力欄では取りこぼす症状を、会話の流れから自然に引き出せる点も生成AIならではです。入力された内容は電子カルテ端末と直接つながり、グラフやサマリーの形で一元化されるため、情報が生まれた時点ですでにチームで共有できる形をとっています。