診察室で最も希少なものは、時間だけではない。注意である。患者が「薬を変えてから、朝だけ少しふらつく」と話すとき、医師は顔色、言葉の間、椅子から立つ動き、家族の表情まで見ている。同時に、画面を開き、過去の処方を確かめ、話を短い診療記録へ変えなければならない。目は患者とモニターの間を往復し、診察の最後には未完成の文章が残る。

富士通Japanが2026年7月23日に発表したのは、その文章づくりを「聞くソフトウェア」へ渡す試みだ。無床診療所向けクラウド電子カルテ「HOPE LifeMark-TX Simple type」の生成AI音声入力オプションは、医師と患者の会話を自動で文字起こしし、その内容をSOAP形式、すなわち主観的情報、客観的情報、評価、計画へ変換する。7月23日に販売を告知し、8月31日から提供する。2028年3月末までに100ユーザーの導入を目標とする。

発表は短い。価格、使う基盤モデル、音声認識精度、処理時間、臨床試験、録音の保存期間、患者同意の画面、専門科・方言・多言語での成績、誤りを検知する仕組みは公表されていない。公表されたのは、会話をテキスト化し、SOAPへ自動変換するという中心機能と、電子カルテ入力を効率化し、医師が患者との対話へ集中できる環境を目指すという目的である。

その簡潔さの背後には、少なくとも三つの長い歴史がある。1960年代にカルテを「考える道具」へ変えようとしたSOAPの歴史。紙をコンピューターへ移すことで、検索と共有を得る一方、入力負担も増やした電子カルテの歴史。そして、録音、音声認識、大規模言語モデルをつなぎ、会話から完成に近い下書きを作るアンビエントAIの急成長である。

2026年8月31日生成AI音声入力オプションの提供開始予定
100ユーザー富士通Japanが2028年3月末までに掲げる導入目標
約55％2023年医療施設調査による医科診療所の電子カルテ普及率
57,662施設電子カルテ導入済みの医科無床診療所
47,232施設電子カルテ未導入の医科無床診療所
1964・1968年ローレンス・ウィードが問題志向型診療録を提示した節目

SOAPは文章の型ではなく、推論の順序だった

SOAPは、主訴をきれいな四段落にするために生まれたわけではない。米国の医師ローレンス・L・ウィードは、1950年代から、診療録が検査、医師記録、看護記録など「情報を出した部門」ごとに積み上がり、患者が抱える個々の問題を追いにくいことへ疑問を持った。1964年の論文と1968年の『New England Journal of Medicine』の二部作で、問題リストを中心にしたproblem-oriented medical record（POMR）を提唱した。

考え方は明快だった。患者の高血圧、咳、家族関係、未確定の貧血を一つの長い経過記録へ混ぜるのではなく、問題ごとに情報と推論を追う。各問題について、患者が語ったこと、測定・観察したこと、医療者の解釈、次に行うことを分ける。これがSOAPである。1973年までに米国の医学部の73％が何らかのPOMRを教えていたと、後年の医療情報学研究は記録している。

区分本来の役割会話だけでは足りないもの
S — Subjective
主観的情報		症状、経過、生活への影響、患者の心配、服薬状況など、本人や家族の語り言わなかった症状、言いにくい事情、曖昧さや沈黙の意味
O — Objective
客観的情報		診察所見、バイタル、検査、画像、薬歴など観察・測定された事実無言で行った身体診察、画面上の検査値、見せられた薬袋や写真
A — Assessment
評価		鑑別診断、重症度、原因の見立て、問題間の関係という臨床推論医師の頭の中だけで比較された可能性、確率、見逃してはいけない病態
P — Plan
計画		検査、治療、説明、紹介、フォロー、悪化時の対応会話後に決めた処方、禁忌確認、正式な指示、予約・検査システムの実行

ここで、生成AIにとって最も重要な境界が見える。Sと、会話で明示されたOは、主として抽出と整理の問題である。AとPは、医師の責任で行う判断を含む。患者が「胸が少し重い」と語った文から、AIが「逆流性食道炎の疑い」と評価欄へ書けば、それは単なる要約ではない。鑑別診断を狭める行為になる。医師が口にしていない計画を、文章としてもっともらしく補えば、下書きは虚偽の記録へ変わる。

SOAPにも限界はあった。1992年には『Archives of Internal Medicine』に「Why SOAP Is Bad for the Medical Record」という批判が載り、主観／客観という区分の曖昧さと、複雑な臨床物語を硬い箱へ押し込む弊害を問うた。整然とした見た目は思考の質を保証しない。今日のAIは、この古い問題を増幅し得る。四つの欄を瞬時に埋めることと、正しい問題を見つけ、証拠と不確実性を丁寧に結びつけることは別だからだ。

SOAPの四文字は、情報を収納する棚ではない。患者の声から事実を分け、事実から判断を組み立て、判断から行動へ進むための責任の線である。

紙からクラウドへ──記録は便利になり、仕事にもなった

紙のカルテは一冊しかなく、離れた診療科から同時に読めず、判読不能な手書きも珍しくなかった。電子カルテは、薬歴、検査、画像、紹介状を検索し、複数の医療者が参照し、処方や会計へつなげる基盤になった。富士通のHOPE系も、この変化とともに病院・診療所へ広がってきた。1999年には日本で診療録などの電子媒体保存が認められ、2000年代に製品群が拡大し、2014年には中小病院向けクラウド電子カルテ「HOPE Cloud Chart」が登場した。

しかし、紙を画面へ移せば入力が消えるわけではない。むしろ検索、請求、品質指標、法的記録、患者向け説明という複数の目的が、一つの診療記録へ集まった。テンプレートとコピーは速さを生む一方、長く重複した「ノート肥大」を生む。音声入力はキーボードを減らしても、医師が頭の中で完成文を組み立てて読み上げる負担を残した。

2016年に米国の外来医師57人を追ったtime-and-motion研究では、診療時間中、患者との直接対面に使う1時間に対し、電子カルテと机上業務へほぼ2時間を費やし、さらに勤務後にも1〜2時間の作業があった。制度も働き方も日本と同一ではないが、画面が診察の第三者になった問題は国境を越える。カルテは必要な共有物でありながら、それを作る作業が患者と向き合う注意を削る。

アンビエントAIが従来の口述と違うのは、医師に「カルテ用の言葉」で話すことを求めない点だ。診察をそのまま聞き、会話から必要な要素を選び、型へ変換する。技術の流れは、音声取得、雑音除去、話者分離、音声認識、医療用語の正規化、臨床情報の抽出、SOAP生成、電子カルテへの表示、医師の確認・修正・署名となる。各段階に独立した誤りがあり、一つの誤りが次へ渡される。

富士通が狙う「まだ入っていない」診療所

HOPE LifeMark-TX Simple typeは、2024年7月に新規開業医や初めて電子カルテを導入する診療所向けに始まった。クラウド型で、診療記録と医事会計を統合し、オンライン資格確認、電子処方箋、医療データ交換規格HL7 FHIRに標準対応すると発表された。名前の「Simple」は、小規模施設の導入障壁を下げる事業戦略そのものだ。

厚生労働省の2025年資料によると、2023年時点で医科診療所の電子カルテ普及率は約55％、一般病院は約65％だった。無床の医科診療所では57,662施設が導入済みである一方、47,232施設が未導入。国は遅くとも2030年に、必要な患者情報を共有できる電子カルテを概ね全医療機関へ導入する目標を掲げる。小規模施設へは、マルチテナント型SaaS、標準API、データ移行性を持つ安価なクラウドシステムを広げる方針だ。

音声AIは、この最後の大きな未導入層への説得材料になる。電子カルテを「タイピングを学ぶ装置」ではなく、「話せば下書きができる道具」と見せられるからだ。受付から会計、電子処方箋、情報共有まで一つの基盤につながれば、単体の議事録アプリより価値は大きい。富士通の優位は、生成AIそのものの新奇性より、診療所の中核システムへ組み込めることにある。

ただし、2028年3月末までに100ユーザーという目標は慎重である。国内には10万を超える医科無床診療所がある。これは大規模普及の数字というより、初期導入で運用と信頼を作る規模に見える。2026年の日本市場には、会話からSOAPを作る訪問看護AI、保健指導の面談要約、病院電子カルテと連動する生成AIなどがすでに現れている。富士通は先駆者というより、競争が始まった市場へ大手電子カルテ事業者として入る。

効果は見え始めた。ただし証拠はまだ若い

海外の初期研究は、アンビエント・スクライブが医師の体験を改善し得ることを示す。2025年の『JAMA Network Open』研究は、米国6医療システムで同じツールを30日使った外来臨床家263人を調べた。解析対象となった医師らの自己申告バーンアウトは51.9％から38.8％へ低下し、記録に伴う認知負荷、勤務時間外の記録、患者へ集中できる感覚も改善した。

別の46人の前後比較では、1診察当たりの記録時間が10.3分から8.2分へ20.4％減り、1勤務日当たりの時間外作業は50.6分から35.4分へ減った。だが、これらは無作為化比較試験ではなく、利用を選んだ人、短い観察期間、自己申告、特定製品という限界がある。時間が減ったことと、診療の安全や患者のアウトカムが改善したことも同じではない。

2026年1月に発表された米退役軍人保健局のシミュレーションは、別の注意を与える。心臓、消化器、血液腫瘍、神経の専門医16人が、通訳、家族、騒音を含む難しい模擬診察で二つのアンビエント製品を評価した。生成ノートの平均品質は50点中36.2点で「中程度」。神経は42.2、心臓は32.0と差があり、臨床科の情報構造や診察動作に合わせた評価が必要だと示した。患者へ話しかけない身体診察所見は、マイクだけでは記録できないという指摘も出た。

2025年の97診察を対象にした別の品質評価では、AIノートは人手ノートより詳細で整理されていた一方、簡潔さ、正確さ、内部整合性では劣り、幻覚と判定された内容はAIノート31％、比較となる人手ノート20％に見つかった。数字は一つの製品と評価法に依存し、富士通製品の性能を示すものではない。それでも、「よく書けている」文章が「確かに言われ、観察され、判断された」内容とは限らないことを示す。

期待される利益同時に生じる危険必要な防波堤
医師が患者を見る時間を増やす録音を意識して患者が語りにくくなる事前説明、明示的な許可、いつでも停止・拒否できる代替手段
白紙から書く負担を減らす流暢な誤記を見落とす自動化バイアス医師による確認・修正・署名、重要項目の強調、原発言への参照
詳細を拾い、形式を揃える冗長な記録、重要度の平坦化、不要な私生活情報問題ごとの要約、最小限収集、長さと関連性の監査
小規模診療所の電子化を助ける通信障害、ベンダー依存、追加確認作業停止時の手入力、データ移行性、実測した総作業時間
構造化データを共有しやすくする誤りが処方、紹介、請求、次回診療へ伝播する下書きと確定記録の分離、監査ログ、重要データの二重確認

「聞き間違い」より危険な、意味の作り替え

医療音声認識の失敗は、単なる誤字ではない。「ない」が落ちれば、胸痛なしは胸痛ありになる。0.5ミリグラムが5ミリグラムになり、右が左になり、薬名の同音語が別の製品になる。高齢者の小声、マスク、複数の話者、テレビや待合の音、医師が使う略語、地域の方言、外国語を交えた説明は、認識条件を変える。

生成AIは、その不完全な文字列を読みやすくする。ここに第二の危険がある。言葉の欠落を空欄のまま残さず、文脈から補ってしまう。患者の推測を医師の評価へ移し、家族が言った症状を本人の訴えにし、質問として挙げただけの薬を服用薬にする。身体診察で医師が黙って見た浮腫は消え、逆に会話で触れただけの所見が「認めた」と書かれる可能性がある。

安全設計では、全項目を同じ扱いにしないことが重要だ。薬名・用量・頻度、アレルギー、妊娠、否定所見、左右、日付、検査値、悪化時指示は高リスク情報として目立たせる。AとPは「会話で明示された医師の言葉」と「AIが整理した候補」を区別する。発言の根拠を短い音声または文字起こしへ戻って確かめられれば、修正は速くなる。ただし、原音を保存するほどプライバシーと漏えい時の被害は増える。この二つの価値は同時に設計しなければならない。

AIが最も危険になるのは、文章が不自然なときではない。間違っているのに、臨床家が書いたように自然なときである。

診察室を録音するということ

診療記録は機微性の高い個人情報だが、元の会話はさらに広い。カルテへ残さない冗談、家族の名前、職場、暴力、性、妊娠、依存、在留資格、経済事情が入る。診察室へマイクを置くことは、入力方法を変えるだけではない。これまで医師が選んで文章化した情報の手前に、会話全体という新しいデータ層を作る。

日本の個人情報保護委員会と厚生労働省は、医療・介護事業者へ利用目的の特定・通知、安全管理、委託先の監督、責任体制、相談窓口などを求める。厚労省は2026年6月に「医療情報システムの安全管理に関するガイドライン」第7.0版を公表し、医療機関へ順守を求めた。アンビエントAIを導入する診療所は、AIという名前だけでなく、誰が音声と文字へアクセスするか、どこで処理・保存するか、モデル学習へ再利用されるか、いつ消去するか、障害と漏えいへどう備えるかを契約と運用へ落とし込む必要がある。

患者への説明は、受付の小さな掲示だけでは足りない。録音すること、目的が診療記録の下書きであること、保存の有無と期間、第三者サービスの関与、拒否しても診療条件が変わらないこと、途中で止められることを、短く理解できる言葉で伝えるべきだ。2025年の米国の同意研究でも、患者と臨床家は信頼、技術理解、柔軟な同意を重視した。約1,900人の導入前調査では、AIスクライブに好意的48％、中立33％、否定的19％。自由記述では正確性とプライバシーへの懸念が目立ち、事前教育と許可が重要とされた。

特に、DV、性と生殖、精神医療、遺伝相談、薬物使用、未成年、通訳同席、認知機能低下では、通常より慎重な判断が要る。「常時オン」を標準にするのではなく、診察ごと、話題ごとに止められる設計が必要だ。拒否する患者に、医師の注意や待ち時間、診療の質で不利益があってはならない。

発表に書かれていない、購入前の質問

富士通Japanの7月23日の発表は、製品の方向を示すが、医療機関が安全性と費用対効果を判断するには情報が足りない。これは直ちに欠陥を意味しない。提供開始前の短い発表だからこそ、導入施設はデモの印象ではなく、回答と契約条項を求める必要がある。

診療所が確認すべき12項目
  • 精度：日本語の実診療で、文字起こしとSOAP各欄の誤り率をどう測ったか。診療科、年齢、性別、方言、外国語、雑音別の結果はあるか。
  • 臨床検証：医師による評価、対照群、症例数、除外条件、重大誤記、編集時間を公表するか。
  • 責任の境界：出力は常に「下書き」と表示され、医師が確認・署名するまで正式記録や注文へ使われないか。
  • 根拠表示：薬、否定所見、評価、計画を原会話の箇所へ結び付けられるか。不確実な箇所を警告するか。
  • 録音：原音を保存するか。保存場所、暗号化、保持期間、自動削除、復元可能性はどうなっているか。
  • 学習利用：患者データをモデル改善へ使うか。使うなら別の同意と匿名化、拒否方法はあるか。
  • 委託先：音声認識、生成モデル、クラウドを誰が運用し、国外移転や再委託はあるか。
  • アクセス：職員・ベンダーの権限、閲覧ログ、監査、退職・契約終了時の停止はどう管理するか。
  • 患者同意：説明文、記録方法、撤回、途中停止、未成年・代理人・通訳時の運用は用意されるか。
  • 障害対応：通信断、認識失敗、サービス停止時に診療を続け、記録を失わない手順があるか。
  • 総作業時間：生成時間だけでなく、開始操作、同意、確認、修正まで含めて本当に時間が減るか。
  • 価格と退出：初期・月額・従量料金、音声処理費、契約終了時のデータ取得・削除、他社へ移る方法は明確か。

導入後も評価は終わらない。少なくとも最初の数カ月は、訂正率、重大誤記、ノート完成時間、時間外作業、患者拒否率、苦情、サービス停止、診療科別の差を測るべきだ。ランダムに抽出した記録を、プライバシーを守りながら監査する。AI導入前より長いカルテになっていないか、AとPが定型句で埋まっていないか、誤りが次回の診療へコピーされていないかを見る。

成功指標も「100ユーザー」だけでは足りない。患者とのアイコンタクトが増えたか。診療の終わりに医師が計画を確認できたか。スタッフが夜に残らなくなったか。患者が自分の言葉を正しく反映されたと感じるか。重大な誤記をゼロに近づけられるか。導入台数ではなく、注意と安全をどれだけ取り戻したかが本当の価値になる。

記録するAIから、聞く医療へ

ローレンス・ウィードは1968年、整理された医療記録、医療補助職の合理的な活用、コンピューターへの前向きな態度が医師の環境に必要になると書いた。彼が求めたのは、文章を大量に作る機械ではなかった。問題を明確にし、データと判断を分け、次の医療者が推論を追える記録だった。

生成AIは、その理想へ近づくことも、逆方向へ進むこともできる。患者の言葉を忠実に拾い、未確定を未確定のまま残し、医師へ重要な確認を促すなら、SOAPは再び「考える道具」になる。AIが欄を埋める速度を優先し、欠落を推測で補い、長い文章を正確さの代わりにするなら、カルテは整然としたノイズになる。

富士通Japanの新機能は、派手な診断AIではない。病名を当てるのではなく、診療の背後にある事務を静かに引き受けようとする。その地味さに大きな可能性がある。日本の診療所のほぼ半数がまだ電子カルテを導入していない状況で、自然な会話が入力画面への橋になるなら、医療DXは設備導入から人間の時間の回復へ意味を変えられる。

だが、診察室の中心はマイクでもモデルでもない。患者と医師の関係である。AIは会話を聞けても、ためらいを尊重し、責任を引き受け、判断へ署名することはできない。最良の実装では、患者は録音されていることを知り、断る自由を持ち、医師は下書きを疑い、ベンダーは性能とデータの流れを公開する。そして診察が終わると、画面には短く正確な記録が残り、患者の記憶には、医師が自分を見ていた時間が残る。

Sources and references

本稿は富士通Japanの発表、厚生労働省・個人情報保護委員会の一次資料、SOAPと電子カルテの歴史資料、査読済みのアンビエントAI研究を照合した。富士通製品について公表されていない精度、価格、モデル、保存・同意設計を推測していない。海外研究の数値は富士通製品の性能を示すものではない。