Share
Embed
専門家に使ってもらうAIプロダクトをつくる - 病院の医事課向けDPCコーディング支援システムの設計と評価
AI本気で社会実装Night (2026-11-16) の資料です
Takashi Nishibayashi
November 16, 2026
Transcript
28 slides
-
AI 本気で社会実装 Night 2026-11-16 専門家に使ってもらう AIプロダクトをつくる 病院の医事課向けDPCコーディング支援システムの設計と評価 西林 孝 /
hagino3000 Ubie株式会社 メディカルAIエンジニア Ubie -
自己紹介 西林 孝(hagino3000) Ubie株式会社 メディカルAIエンジニア 2003〜 2015〜 hagino3000 2022〜 現在
SIer や業務システムベンダーでアプリケーションエン ジニア AI/ML の社会実装。アドテクノロジー分野で機械学習 や因果推論を広告配信システムに応用 医療分野でのプロダクト開発へ 病院の医事課向けAIサービス「ユビーDPCサポータ ー」を立ち上げから開発 Ubie -
今日の結論 今日の話は 2 つ 1. 何を届けるプロダクトか 2. どう作るか 判断に集中できること 多様性を制御する
「探す・読む・照合する・書く」はAIが AIプロダクトは、入力と出力の多様性が 引き受けて候補と根拠を出す。 従来の情報システムと桁違い。 専門家は、専門家にしかできない判断に 入力の多様性を緩和する設計と多様な出 集中する 力を評価して性能を担保する Ubie -
2. なぜ病院にAIプロダクトを届けるのか なぜ病院にAIプロダクトを届けるのか 病院はドキュメントワークが多い 医師の時間外労働の理由でも「記録・書類作成」が上位(55.6%) 記録は法律上の義務。記録が無い医療行為は、実施していないとみなされる 加えて行政が統計作成のための様々なデータ提出を病院に要求 記録の量が多いため活用が難しい。長期入院の記録は100万文字を超える 非構造テキストが多い 裏を返せば、記録を残さなければならないという前提がある。活用したい情報が
データ化される。AIがワークする条件が揃っている。 出典: 厚生労働省「第 1 回 医師の働き方改革に関する検討会 資料 3」2017 / 医師法 第 24 条 Ubie -
2. なぜ病院にAIプロダクトを届けるのか Ubieの病院向けプロダクト 今日はこちらの話 ユビー生成AI ユビーDPCサポーター 職種を超えて、病院全体の業務を支える DPCコーディング業務を支える 診療記録・退院サマリ・紹介状作成等を支援 音声文字起こし、ワークフロー機能
病床規模や職種を問わず使える 医事課と診療情報管理士の業務を効率化 収益改善 特定業務特化 ユビーAI問診 AIで病院経営をサポートして医療の持続性に貢献する Ubie -
3. DPCコーディング業務について / 大前提 保険医療の価格はすべて国が定めている 病院は値付けができない 価格 (診療報酬) は国が定めた点数表で決まる 医療費の支払い方式
出来高払い方式 DPC/PDPS 注射や検査、個々の医療行為に設定されて 診断群分類別包括評価制度 いる金額の合計 急性期病院における入院医療費の支払い制度。 今日はこちらの話 入院ごとに「何をどう治したか」の分類を1つ 選ぶことで1日あたりの入院医療費が決まる Ubie -
3. DPCコーディング業務について DPCコーディングとは 入院ごとに、何の傷病をどう治療したかを表す DPCコード* に分類する業務 3267種の中から1つを選ぶ 元にする診療情報 DPCコードの決定要素 カルテの記事(医師や薬剤師記録など)
医療資源がもっとも投入された傷病 オーダー情報、レセプト 手術、処置、副傷病 検査結果 入院経路、入院時意識レベル、脳卒中 放射線読影レポート 発症時期、肺炎タイプ、肺炎重症度ス など コア、熱傷指数、分娩時出血量など 誤って点数の低いコードを選ぶと適切な収益が得られず、逆は支払い審査を通らない *1 DPC: Diagnosis Procedure Combination 日本独自の分類 Ubie -
3. DPCコーディング業務について カルテの記事からコーディングの要素を読み取る 創作したサマリ(実際にはカルテ原文を参照するのでこれよりずっと長い) カテゴリごとの病名 【入院までの経緯】 入院契機 鉄欠乏性貧血 68歳 男性
/ 1ヶ月前からの労作時息切れ・めまいを主訴に近医受診。重度貧血(Hb 6.2 g/dL)を指 摘され、精査加療目的に紹介入院。 医療資源 上行結腸癌 【既往歴・併存症】 入院時併存症 2型糖尿病 - 急性虫垂炎(20歳時、虫垂切除術施行・完治) 入院後発症 誤嚥性肺炎 既往症 急性虫垂炎 - DM2(5年前より近医にて経口血糖降下薬で加療中) 【入院中の経過】 10/01 鉄欠乏性貧血に対しRBC 4単位(10/01・10/02 各2単位)。 10/03 貧血精査の下部消化管内視鏡検査にて、上行結腸に径50mm大の腫瘤(出血源)を認め る。悪性を疑い、外科的切除の方針となる。併存する DM2 に対し、周術期血糖管理目的で ノボラピッド注・ランタスXR注によるインスリン療法を開始。 10/08 外科へ転科し、上行結腸癌疑いに対し腹腔鏡下回盲部切除術(D3郭清)を施行(周術期の 感染予防:セフメタゾン静注用1g)。 手術 輸血 腹腔鏡下結腸悪性腫瘍切除術 10/11 38.6℃の発熱および湿性咳嗽が出現。胸部CTで術後誤嚥性肺炎と診断し、ユナシンS静注 1.5g を5日間点滴投与し軽快。 10/14 病理結果:上行結腸癌、pT3N0M0 pStage IIa。 10/20 インスリン離脱・経口薬(ジャヌビア錠50mg)へ再調整の上、自宅退院。 Ubie -
3. DPCコーディング業務について DPCサポーターは何をするか ユーザーは 医事課 と 診療情報管理士 サンプル症例 DPCサポーターは、DPCコードの候補と DPCコードの候補
根拠を提示する AI 開く・探す・読む・照合・変更依頼文作成 画面イメージ 1 結腸の悪性腫瘍 060035xx0100xx 現行と不一致 2 貧血(その他) 現行と一致 3 誤嚥性肺炎 担当者 提案と根拠を確認し、判断する 根拠 10/08 腹腔鏡下回盲部切除術(D3郭清) 10/14 病理結果:上行結腸癌 Ubie -
3. DPCコーディング業務について 導入事例: 業務効率化と収益改善の両方を確認 B病院(500床規模) 業務効率化 収益改善 50% 削減 年間
3,696 万円 退院時コーディング業務にかかる時間 見逃されていた分が正しく評価された結果 (推計) 推計: 退院患者 700 名/月 × 適用率 50% × 収益増加 880 点/症例 × 12 か月。効果は病床数や体制、コーディングの状況で変わる。 ユビーDPCサポーター 製品紹介ページより抜粋 https://intro.dr-ubie.com/products/dpc-supporter Ubie -
4. 設計 AIプロダクトの入出力の多様性 従来の情報システム 入力フォームの UI から入る値 構造化データ I/F定義書どおりのデータファイル AIプロダクト
フリーテキスト 非構造テキスト 構造化データ 音声や画像などのマルチモーダル マルチモーダル 入出力のバリエーションが従来の情報システムと桁違いに大きい フォームで弾いたり全パターンをテストすることができない Ubie -
4. 設計 DPCサポーターの入力と出力 入力 出力 診療情報 フリーテキスト(根拠や判断理由) 病院側のシステムの癖が残ったデータ 様々な分類タスクの結果 がそのまま来る
標準病名: 約27,000クラス (*1) 機種依存文字は序の口 ICD-10コード: 約10,000クラス (*2) 病院ごとにスキーマが異なる DPCコード: 約3,300クラス 非構造テキストを多く含む 他 *1: 保険請求で利用可能なケガと病気の名前の集合が標準病名マスタに纏められている *2: 国際疾病分類第10版 / ケガと病気の国際分類体系のこと。医療資源病名として採用可能な範囲の分類数が約1万 Ubie -
4. 設計 コアロジックはルールベース 点数表と定義テーブルにより、傷病・手術・処置などから DPCコードが決まる 制度のルールどおりに結果を導出する 決定論的なロジック は作れる ただし、元のデータはロジックに入力できる形式になっていない 入力の項目
型 医療資源が最も投入された傷病 ICD-10コード 手術 Set[診療報酬点数表コード] 処置 Set[診療報酬点数表コード] 副傷病 Set[ICD-10コード] 市中肺炎の重症度分類 A-DROPスコア (0〜5点) 市中肺炎か否か Bool 熱傷指数 Float 他 … ルールベース ロジック Ubie -
4. 設計 コアロジックはルールベース 点数表と定義テーブルにより、傷病・手術・処置などから DPCコードが決まる 制度のルールどおりに結果を導出する 決定論的なロジック は作れる ただし、元のデータはロジックに入力できる形式になっていない 入力の項目
型 医療資源が最も投入された傷病 ICD-10コード 手術 Set[診療報酬点数表コード] 処置 Set[診療報酬点数表コード] 副傷病 Set[ICD-10コード] 市中肺炎の重症度分類 A-DROPスコア (0〜5点) 市中肺炎か否か Bool 熱傷指数 Float 他 … 正規化データが欲しい ルールベース ロジック Ubie -
4. 設計 要素技術:Clinical Coding (1) 医療NLPの分野では古くからあるタスク テキストを入力として何らかの分類体系上のエンティティを出力する (正規化) 病名コーディング (ICD-10コーディング)
「かぜ」「感冒」「ライノウイルス感染症」 「前距腓靭帯捻挫」「三角靱帯捻挫」 J00 急性鼻咽頭炎[かぜ]<感冒> S93.4 足首の捻挫及びストレイン 手術・処置のコーディング 「長径20mm大の腫瘤を認める (中略) 下 行結腸:EMR施行」 K7212 内視鏡的大腸ポリープ・粘膜切除術 長径2cm以上 Ubie -
4. 設計 要素技術:Clinical Coding (2) LLMの性能向上により複雑なコーディングが可能になった 複合病態分類や時系列を考慮した推論が必要なもの 複数の事実の医学的な関係を明示的に与えなくとも推論できる タスク カルテから読み取り可能な事実
期待する出力コード 傷病名コーディング 帯状疱疹のあとに髄膜炎が発症 B02.1 (帯状疱疹性髄膜炎) 傷病名コーディング 2型糖尿病に起因する様々な病態を発症 E11.7 (2型糖尿病,多発合併症を伴うもの) 傷病名コーディング 術後に血小板急減、FDP上昇、PT延長、止血困難 D65 (播種性血管内凝固症候群) 肺炎分類 入院48時間経過後に肺炎を発症 HAP (院内肺炎) Ubie -
4. 設計 制度改訂への追従 診療報酬制度は2年に一度の改訂に加えて、不定期にマスタやルールが更新される 現行制度と独自に作成したハーネス用ナレッジとの乖離は避けたい 基本方針: 厚労省のマスターをベースにする レセプト電算処理システムマスター 診断群分類(DPC)電子点数表 標準病名マスター
薬価基準収載品目リスト など 厚労省のマスターと独自の補完ルールでナレッジグラフを構築してハーネスに利用する Ubie -
4. 設計 固定したワークフローにするかすべてAIに任せるか タスクごとのチューニングのしやすさを優先してワークフロー方式にしている スループット LLMトークン使用量 予測精度 NLPタスクに渡すデータや出力選択肢は実行ごとに必要最低限な量に絞る クラス数の多い分類問題をいきなり解かせたくない 解の空間を絞りながらフローを進める
分類問題はfine-tuningしたBERTモデルの方が精度が高いこともある タスクに適したモデルを選択する 今後はわからない。一切のハーネスが不要になるかもしれない Ubie -
4. 設計 コアロジックの網羅性を確かめる 入力のパターンが多く全件は試せない(傷病、手術、処置、副傷病 ...の組合せ) Property Based Testing を採用 確かめる性質
点数表のすべてのDPCコードが正しく導出できる 入力の作り方 生成されるテスト入力パターン すべて(3267個)の診断群分類ごとに最低 10 件、マスタ 約32,700 ーを逆引きして入力を生成 医療データはロングテールなので実際の入力分布でテストするのではなく、網羅性を優先した分 布でテストしている Ubie -
5. 性能評価 定量分析と定性分析の両輪を回す 定量分析 定性分析 正解データセットを構築して予測精度のメ 症例ごとにどのように正解したか、誤りを トリクスを計算する。今まで通りのMLOps したかの内容を分析する。誤りのパターン Recall
(感度) を個々のケースから導き出す。 Precision (陽性的中率) (Error Analysis) Specificity (特異度) どこをどう直せばよいか示唆が得にくい どこをどう直せばよいかわかりやすい リスクの高い誤りから優先して対応できる Ubie -
5. 性能評価 素人のような誤りでプロダクトの信頼を失うのを防ぐ 同じ 1 件の誤りでも専門家でも悩むものから素人でもやらないミスまで幅が広い 開放骨折と閉鎖骨折を取り違える 片眼と両眼を取り違える 分類体系上では最後の 1
桁のみの違いだ 片眼しか手術していないのに、両眼治療の が、治療内容が大きく異なる。 分類を選ぶ S52.10 橈骨近位端骨折,閉鎖性 S52.11 橈骨近位端骨折,開放性 Ubie -
5. 性能評価 ドメインの専門家がワークする仕組みを整備する 見つかる誤りパターンの数は定性分析の量で決まる。ドメインエキスパートである開発チ ーム内の医師が定性・定量分析からコードの修正まで 行えるようにする 定性分析 医師によるコード修正 計測 症例ごとに出力を確認して
誤りの型を見つける ハーネスを修正してPull Requestまで作成 動作確認 定量分析で効果を数値化 実例 AIが自動で直せるか? 62 本 ある程度までは直せる 約 7 週間で医師が出した Pull Request *1 特定施設のデータで精度は上がるが他の施設で下が った。一般化が上手くいかず。今後の課題 *1: 詳細は https://speakerdeck.com/tatsuyashiraishi/domein-ekisupato-ha-ikani-shi-te-ai-o-tsuka-te-purodakuto-kaihatsu-o-suru-ka Ubie