新古賀病院 — ユビー生成AIで医師の業務時間を月30時間以上削減、医療文書作成を自動化
企業概要
- 法人名: 社会医療法人天神会
- 施設名: 新古賀病院
- 所在地: 福岡県久留米市
- 規模: 急性期病院(循環器内科・脳神経外科・心臓血管外科・救急科 等)
- 導入時期: 2024年5月〜(段階的展開)
背景と課題
2024年4月に施行された「医師の働き方改革」により、残業時間に法的上限が設けられた。同院では退院時サマリ・診療情報提供書・看護添書など、医療文書作成業務の負担が依然として課題であり、文書作成のために深夜まで残業するケースが常態化していた。
導入したシステム:ユビー生成AI
Ubie株式会社が提供する医療向け生成AI「ユビー生成AI」を導入。患者のカルテ情報・問診内容をもとに、退院時サマリや診療情報提供書の下書きをAIが自動生成し、医師は確認・修正のみで完成させられる。
活用部門と対象業務
| 部門 | 活用内容 |
|---|---|
| 循環器内科 | 退院時サマリの自動生成 |
| 脳神経外科 | 診療情報提供書(紹介状)の下書き |
| 心臓血管外科 | 術後経過報告書の作成補助 |
| 救急科 | 救急搬送記録の要約 |
| 看護部 | 看護添書の自動作成 |
導入プロセス
- 2024年5月:循環器内科でパイロット導入
- 〜2024年7月:脳神経外科・心臓血管外科・救急科に展開
- 継続:電子カルテ連携による完全自動化の実証実験
成果
| 指標 | 導入前 | 導入後 |
|---|---|---|
| 医師業務時間(対象業務全体) | 174時間/月 | 32時間/月削減(-18%) |
| 医師1人あたり削減時間 | — | 月30時間以上(約20%削減) |
| 看護添書作成時間 | 20〜30分/件 | 10分/件(-50%) |
| 電子カルテ連携時の見込み削減 | — | 最大70%削減(実証実験中) |
導入の工夫
セキュリティと患者情報の取り扱い
医療情報を外部AIに送信することに関し、Ubieとの契約でデータの二次利用禁止・国内サーバー保存を確保。個人識別情報はマスキング処理後に送信する設計とした。
医師の受け入れ促進
「AIが書いた文書に責任が持てない」という懸念に対し、AIはあくまで「下書き生成」であり最終確認は必ず医師が行うというワークフローを明確化。これにより医師の抵抗感を払拭し、短期間で全科への展開が実現した。
院長のコメント
川﨑友裕病院長:「医師の働き方改革の本質は『質の高い医療を持続可能な形で提供すること』。AIによる文書作成支援が、医師が患者と向き合う時間を増やすことに貢献している」
実装方法
ユビー生成AIのアーキテクチャ
ユビー生成AIは電子カルテシステム(HIS)とのAPI連携を前提に設計された医療特化型SaaS。同院では以下のフローで医療文書を自動生成している。
- 患者入院・問診:電子カルテ・問診システムに記録した情報をユビーが取得
- AI下書き生成:GPT-4ベースのモデルに医療文書のテンプレート(退院サマリ・診療情報提供書など)とカルテ情報を渡し、下書きを自動生成
- 医師レビュー:担当医がユビーの管理画面で下書きを確認・修正し、電子署名して完成
- カルテへの書き戻し:完成文書を電子カルテに自動登録
段階展開によるリスク管理
「全科同時展開」ではなく、循環器内科でのパイロット→段階的拡大という手順を踏むことで、ワークフローの齟齬・医師の懸念事項を小さく検証してから展開した。特に看護師の添書は「20〜30分→10分」への削減が早期に実証できたため、全看護部門への普及が加速した。
自前で実装するなら(参考コード)
ユビー生成AIはSaaS製品ですが、同様の医療文書自動生成は OpenAI API + 電子カルテAPI連携で構築できます。
1. 退院時サマリ自動生成
from openai import OpenAI
client = OpenAI()
SYSTEM_PROMPT = """あなたは医師の業務支援AIです。
カルテ情報をもとに退院時サマリの下書きを作成してください。
【重要】これは下書きです。最終確認・署名は必ず担当医が行います。
不確かな情報は [要確認] と明記し、薬剤名・用量は特に慎重に記載してください。"""
def generate_discharge_summary(patient: dict) -> str:
prompt = f"""
入院期間: {patient['admission_date']} ~ {patient['discharge_date']}
主訴: {patient['chief_complaint']}
診断名: {patient['diagnosis']}
入院中の経過: {patient['clinical_course']}
処方薬: {patient['medications']}
退院時の状態: {patient['discharge_condition']}
退院後の方針: {patient['follow_up_plan']}
"""
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": SYSTEM_PROMPT},
{"role": "user", "content": prompt}
]
)
return response.choices[0].message.content
# 使用例
summary = generate_discharge_summary({
"admission_date": "2024-05-10",
"discharge_date": "2024-05-20",
"chief_complaint": "急性心筋梗塞",
"diagnosis": "ST上昇型急性心筋梗塞(前壁)",
"clinical_course": "緊急PCI施行、術後経過良好、合併症なし",
"medications": "アスピリン100mg、クロピドグレル75mg、スタチン",
"discharge_condition": "独歩退院可能、SpO2 98%、BP 128/78",
"follow_up_plan": "2週間後外来受診、リハビリ外来継続"
})
2. 看護添書の自動生成(構造化入力→文書化)
def generate_nursing_transfer_note(nursing_data: dict) -> str:
"""転院・転棟時の看護添書を自動生成(20〜30分 → 約10分へ削減)"""
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content":
"看護師の業務支援AIです。提供された情報から看護添書の下書きを作成してください。"
"SOAP形式で記載し、引き継ぎ先が即座に対応できる内容にしてください。"},
{"role": "user", "content":
f"患者基本情報: {nursing_data['patient_info']}\n"
f"現在の看護問題: {nursing_data['nursing_problems']}\n"
f"ケア内容・頻度: {nursing_data['care_details']}\n"
f"ADL状況: {nursing_data['adl_status']}\n"
f"注意事項: {nursing_data['special_notes']}"}
]
)
return response.choices[0].message.content
注意: 医療情報をAPIに送信する場合は、氏名・生年月日・診察番号などをマスキング処理してから送信し、OpenAI Business/Enterprise プランでデータの非学習設定を確認してください。