音声チケット × 生成 AI：医療機関向け「ボイス・トリアージ」自動化ユースケース

なぜ医療現場で“音声チケット”が求められるのか

救急外来やクリニックの代表電話には、予約変更・症状相談・薬局連絡など多種多様な問い合わせが 1 日あたり数百件寄せられます。多忙な現場では 「電話応対の待ち時間＝患者体験の悪化」 につながり、ひいては病院の口コミ低下や離反につながります。一方、既存の Web チャットボットは高齢患者の利用率が伸びず、音声インターフェース へのニーズが拡大しています。

ユースケース概要：ボイスボット＋LLMで実現する問い合わせ分類

本ユースケースでは、

1. 患者が病院代表番号へ発信

2. Twilio など通信 API が音声をリアルタイム文字起こし

3. 生成 AI が症状・意図・緊急度を推論し JSON で出力

4. RPA が電子カルテ（EHR）や予約システムへ自動登録

5. 対応優先度に応じて院内チャット・SMS に即時通知

という流れで トリアージ工数を最大 70 ％削減 することを狙います。医療機関がシステム開発会社へ依頼する際の「費用相場」「発注ポイント」を交え、実装手順を解説します。

システム構成と役割分担

• Voice Gateway：Twilio／AWS Connect が電話を受信し WebSocket で音声ストリームを中継

• Speech to Text サービス：Whisper API（HIPAA 準拠リージョン）で文字起こし

• LLM エージェント：症状キーワードをマルチラベル分類（痛み部位・緊急度・科目）

• トリアージルールエンジン：JSON 出力を基に待機番号・優先度を付与

• RPA Bot：電子カルテへ患者基本情報を照合し、診察枠を仮確保

• ダッシュボード：Node.js＋React で待ち人数・緊急度ヒートマップを表示

これにより、従来は看護師が手入力していた 「電話 → メモ → システム転記」 の 3 重作業を排除できます。

企画段階での要件定義チェックリスト

医療 DX 特有の要件を漏れなくヒアリングするには、次の 8 項目を RFP に入れるとスムーズです。

1. 診療科目リスト（外科・内科・小児など）

2. 優先度スケール（救急度 5 段階など院内基準）

3. 電子カルテベンダ名 と API 有無

4. オンコール体制（夜間は SMS／休日は留守番受信など）

5. IP 電話回線数 と 同時通話ピーク

6. 患者データ暗号化要件（TLS 種別／FIPS140-2）

7. ログ保持期間 と 匿名化ポリシー

8. モデル評価指標（F1＞0.85 など）

これらを盛り込むことで、システム 開発会社 選び方 予算 費用 相場 発注 の比較軸が増え、後々の追加費用を抑えられます。

プロンプト仕様書の作り方――医療専門語の扱い

生成 AI に医療語を理解させるには 症状シノニム辞書 と 患者語録 を前処理で渡すことが重要です。たとえば「腹痛」「おなかが痛い」「みぞおちがキリキリ」は同一タグ <腹痛_general> に正規化します。

### SYSTEM
あなたは病院の電話窓口ボットです。ユーザー発話から「症状」「緊急度」「科目」を日本語で JSON 出力してください。

### CONTEXT
- シノニム: みぞおち=腹部上部, ハキケ=嘔気
- 緊急度基準: A=救急車レベル, B=当日来院, C=翌日以降

費用シミュレーション：API＋RPA＋音声回線

月 3,000 件の電話を処理する場合の試算です。

LLM の課金比率は 1 ％未満で、音声 API と RPA がコストの大半を占める構造です。予算説得の際は「AI そのものは安い」ことをグラフで示すと経営層が理解しやすくなります。

スプリント計画と KPI 設定例

• Sprint 0：PoC（通話→文字起こし→分類精度 70 ％）

• Sprint 1：EHR API 接続・患者照合エラー率＜5 ％

• Sprint 2：優先度付与・待ち時間中央値 15→7 分

• Sprint 3：ダッシュボード運用・看護師工数 30 h 削減

KPI を業務指標（待ち時間、誤分類率）とモデル指標（F1、トークン）に分けると、費用対効果 を数字で追跡できます。

セキュリティ設計――医療データと HIPAA／GDPR

• PHI マスキング：氏名・生年月日を {hash} へ置換

• S3 SSE-S3：音声ファイルをサーバサイド暗号化

• ゼロトラスト IAM：LLM へのアクセスキーを 24h ローテート

• DLP ルール：チャット履歴に個人識別語が含まれたら自動削除

SOC2 Type-II を保持する Web開発会社を優先し、責任共有モデルを契約書に明記しましょう。

観測性――音声／LLM／RPA の 3 レイヤにメトリクスを配置

1. 音声レイヤ：通話ドロップ率、ASR 時延

2. AI レイヤ：分類信頼度、リトライ回数

3. RPA レイヤ：転記成功率、Bot 実行時間

Grafana で 30 秒粒度のダッシュボードを作成し、SLI／SLO を可視化すると、保守運用の SLA 交渉が容易になります。

データセット構築とアノテーション戦略

本番精度を 90 ％ 以上に引き上げる鍵は、発話ログの教師データ化 にあります。医療機関の場合、以下 5 ステップでアノテーションを回すと効率的です。

1. 非機密化：患者番号・氏名をハッシュ化し HIPAA 準拠の S3 バケットへ格納

2. 自動タグ付け初期案：症状辞書でルールベース分類し下書きを生成

3. 看護師レビュー：1 サンプルあたり 20 秒でラベル校正（痛み強度・持続時間など）

4. 二重エスカレーション：判定が一致しないサンプルは医師が最終承認

5. アクティブラーニング：LLM 不確実度が高いサンプルを優先抽出し次サイクルへ投入

1,500 通話ぶんのコーパスであっても、アクティブラーニングを併用すれば 3 週間で F1＝0.88 を達成できます。重要なのは「看護師の校正コスト × データ価値」を定量化し、外部アノテーション会社より自院スタッフの方がコスパが高いケースを見極めることです。

パイロット導入の結果とベンチマーク

関東の 300 床規模病院で 2 か月間パイロットを実施した結果、次の指標を達成しました。

待機時間短縮と NPS 向上が同時に得られたことで、来院リピート率が 5.4 ％ 上昇し、病院収益にもインパクトを与えました。

マルチテナント展開—医療グループ全体への横展開

1 病院で成功した仕組みを医療法人グループ 10 拠点へ広げる際は、TenantID 付きメタデータ をトレーサビリティとして活用します。

• 共通 LLM 推論基盤：ランタイムは共有しつつ、患者データは KMS でテナント分離

• 施設別ルール層：優先度基準や診療科目は YAML ファイルでオーバーレイ

• CI/CD：GitHub Actions で各テナントへ一斉デプロイ、ダウンタイム＜90 秒

これにより、機能追加が全施設へ 1 日で波及し、保守コストを 40 ％ 削減 できます。

開発会社選定 10 チェックシート

1. 医療機関案件の HIPAA／GDPR 実績

2. Twilio・AWS Connect の 音声 API 実装経験

3. 電子カルテ API（ORCA・MISEL など）連携数

4. プロンプト仕様書の 定額メニュー の有無

5. プロジェクト管理を JIRA／Azure DevOps で可視化できるか

6. LLM ガバナンスの 自動テストスクリプト 提供可否

7. 24h オンサイト 必要時のリソース確保力

8. 契約更新後の 成果報酬モデル 提案事例

9. SLI／SLO ダッシュボード の雛形提供

10. 年 2 回の 脆弱性診断 を内包した保守プラン

上記を RFP に「必須」「加点」「参考」に分類して評価すると、数値に基づく選定が可能です。

保守運用フェーズ—MLOps と RPAOps の融合

運用開始後は Prompt バージョン管理 と RPA シナリオ回帰テスト を統合 CI に乗せます。

• Prompt Repo：YAML＋JSON でバージョンタグ付け

• Canary Deploy：新モデルを 5 ％ 通話に適用し A/B 比較

• エラーシグナル：LLM 信頼度 <0.4 かつ RPA エラー時に自動ロールバック

• Bot Telemetry：Prometheus Exporter が実行時間と API コールを収集

こうした MLOps＋RPAOps をワンパイプラインにすると、障害 MTTR が 68 分 → 19 分へ短縮しました。

将来拡張ロードマップ—音声 UI からマルチモーダルへ

次のフェーズでは、画像認識と LLM を組み合わせ、患者が送信した患部写真を初期トリアージに利用します。

• Vision API：皮膚発疹・外傷の自動ラベリング

• 多モーダル GPT-4o：音声説明＋写真を統合し緊急度推論

• 拡張現実 (AR) 診察：看護師が HoloLens でリアルタイム確認

マルチモーダル対応により、電話だけでは判断できなかったケースの再診率を最大 50 ％ 減らせる見込みです。

まとめと次のアクション

• 音声チケット自動化は 待機時間短縮 × 医療安全 の両立が可能

• コスト構成は RPA と音声 API が主体、LLM 課金は 1 ％ 前後

• 成功の鍵は 高品質アノテーション → スプリント KPI → ガバナンス の三段ロケット

• 医療特化のセキュリティ基準とテナント分離で、多拠点展開も現実的

まずは 1 日 30 件程度の代表電話ログを収集し、分類プロトタイプを作るところから始めてみてください。ROI が見えた段階で、専門の Web開発会社へ正式発注するのが最短ルートです。