Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ドメインエキスパートは いかにして AI を使って プロダクト開発をするか

Sponsored · Ship Features Fearlessly Turn features on and off without deploys. Used by thousands of Ruby developers. →
tshiraishi
October 26, 2026

ドメインエキスパートは いかにして AI を使って プロダクト開発をするか

「巨大産業で新たなプロダクトを“つくれる人”は、AIでどこまで広がるか」
https://enechain.connpass.com/event/406517/
の登壇資料です。

tshiraishi

October 26, 2026

Transcript

17 slides
  1. 自己紹介 白石 達也 Ubie株式会社 ドメインエキスパート医師 〜2019 2019〜2021 2021〜2024 2024.10〜2025 2026〜現在

    病院勤務医 Ubie 入社。「AI 問診」の医学データを設計する PO として toC 医療メディア立ち上げ、300 万 MAU に 病院向け生成 AI の探索と DPC 提案ツールの原型 DPC 提案ツールの開発と精度改善
  2. ドメインエキスパートとして事業を考える 例: 医療メディア事業 ドメインエキスパートあるある 詳しく書こうとしすぎる 専門的で難しい 目的に合わない内容になる 時間がかかる = コスト

    PO として求められる 生成 AI と GAS で仕組み化する 速さ コスト 骨組みと言葉遣いを、 たたきとレビューで考える → AI が、わかりやすく読める わかりやすさ AI が記事を採点するシート(イメージ) 同僚が GAS と AI を使っていたので、 それを参考にできた
  3. DPC = 主な病名で入院料が決まる制度 まとめて決まる(包括) 1 日あたりの点数 病名ごとに 1 日いくら 期間

    I 期間 II 入院の基本料金・薬・検査などは、区分ごと に決まった1 日あたりの点数で払われる 期間 III 以降は出来高 入院日数 つまり どの区分を選ぶかで、入院 1 件の請求額が決まる 別に足す(出来高) 手術・処置などは加算 手術・麻酔・リハビリなどは、行った分をそ のまま足す
  4. 約 3,300 のコードから 1 つ選ぶには、診療記録を読み込む 040080 主な病名 x0 99 x

    0 x x 入院 1 件ごとに、 約 3,300 から 1 つ 年齢など 手術 処置1 処置2 副傷病 重症度 例: 同じ胆石による炎症でも、胆嚢炎なら 060335、胆管炎なら 060340 と区分が変わる レセプト 診療記録 何をしたか(処置・手術・薬) + なぜしたか・経過・どの病気が中心か 医師 医事 レセプト △ 請求のルールはわからない ◦ レセプトから考える力が強い → 両方をちゃんとできる人は稀 診療記録 → ◦ 診療の中身がわかる △ 難しい。長いと 100 万文字 DPC の 区分
  5. 医事課のドメインエキスパートがいればベストだが 都合よくは獲得できない → 医師職が、次の 3 つを活用して仲立ちする 公的資料 厚労省のルールを 探して読み込む 現場

    観察・ヒアリングと 実際の請求コード ドメインの中での越境が求められることも 業務委託 医療事務の専門家に 聞ける
  6. 医師と医事の判断をそのまま AI の処理の流れにした きっかけ SNS で structured output を知り、選択肢から 1

    つ選ぶ DPC コーディングに使えると思った AI の処理の流れ(Colab で作った原型) AI AI × 医学 AI × ルール AI × 医学 AI × 医学 ルール → → → → → カルテ要約 主病名 ICD-10 手術・処置 副傷病 DPC コード もともとの専門: 医学 広げた: DPC の決まり(医療事務の専門家に教わる)
  7. 初期検証ができることと安定稼働は別物、土台はエンジニアに 当時の作り 完了 完了 エラー 未処理 未処理 未処理 1 件のエラーで全体が止まる

    あるべき作り 完了 完了 記録 完了 完了 完了 さらに PR をたくさん出して、シニアにレビューの負担をかけていた 振り返ると 土台を担うエンジニアに、もっと早く入ってもらえばよかった その 1 件を記録して残りは進む
  8. ドメインが関わるプロダクトの精度に集中 例: 同じ入院に胆嚢炎と胆管の結石・胆管炎の両方。どちらを主にするかで区分が変わる 材料を重ねて決める 決めたルール 国の決まり どちらが主か書かれていない 決まらない 胆管に内視鏡で処置 +

    同じ入院で胆嚢を摘出 カルテ 医師がどちらを中心に診ていたか 寄る 胆嚢に外から管を入れる → レセプトの処置 入院中にどの処置・手術をしたか 補う 両方ある 他の病院の統計 同じ処置でどちらを請求したか 裏付ける → 胆管炎へ → 切り替えない → 胆嚢炎へ → 機械では決めない 複数病院のデータで測ると 正しくなる 96% 誤りになる 4% 集中すること 暗黙の判断を言葉とロジックに落とし、その落とし込みを繰り返し回せるスキルにする
  9. もらった指摘からレビュースキルに 「想定外の値が来たら止まらずに進みま 想定漏れ せんか?」 対症療法 「データの出どころで直すべきでは?」 制約不足 「値は数種類なので型で縛りましょう」 ↓ 163

    本の PR についた指摘から考え方をまとめてス キルにし、PR を出す前に AI が同じ観点で確かめる (7/7〜) 出来上がったスキル dpc-sim-basic-review 材料: シニアの指摘(163 PR)+ リポジトリの開発ルール 間違った使い方ができな 直すべき層・責務はどこ 防 い設計か 所 か 使われていないコードは 名前が概念を正しく表す 廃 ないか 名 か 値の範囲を型で縛ってい 実データで動くと確かめ 型 るか 検 たか その実装の「なぜ」を言 秘 患者データを外に出さな 問 いか えるか 機械検査で候補を集める → AI が 8 観点で判断 → 出す前に指摘 を疑い直す 周りの助け シニアが毎回ていねいにくれた指摘そのものが教材になった
  10. 土台は任せて 2 か月で精度改善に集中 精度改善の PR 59 本 請求額が高すぎる誤った区分を 1 位に出す症例

    いま(10/20) 直す前(9/18) 4.5% → 22 件 直したいことごとに PR を積み重ねて並行に進める(gh stack) 自分 医学+医事の ロジック エンジニア 土台・インフラ 492 症例中 0.6% 3件 何を誤りとし、何を許容範囲とするかは、自分で線を引いた 医師と医事の知識を学んでロジックを作っていたので、ロジック改善も回しやすい
  11. PRレビューによりシニアの負担も軽減 PR 数(週あたり) 7.6 約 2.1 倍 3.6 → PR

    1 本あたりの指摘数 0.11 −79% 0.52 → 7/7 スキル作成 PR 数/月 17 27 21 19 33 29 28 31 3 4 0 0.24 0.14 0 0 0.11 0.06 1.58 指摘数/PR 0.59 0.26 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月
  12. ドメインエキスパートが work するには 1 事業 2 ドメイン 3 作り方 前提

    事業に責任を持つ役を担い、 専門家として正しいことと、事業として求められることのズレに気づく 隣の領域まで学んで跨ぎ、何が正解かを決めて、 言葉と AI のロジックにする 初動は AI で作り、土台はエンジニアと組む。 もらった指摘はスキルにする 許される範囲で、誰でも開発に踏み込める仕組みを作る 例: 誰でも PR を出せて、AI を安全に使える

Other Decks in Technology