• Skip to primary navigation
  • Skip to main content
Keta桁

Keta

Supporting the Future of Healthcare IT

  • ホーム
  • リソース
  • お問い合わせ
  • English
  • Show Search
Hide Search

Tokyo

専門クリニックの収益改善:医師1人あたり年間約1,900万円の取りこぼしは「システムのつなぎ目」にある

Simon · 10月 15, 2026 ·

専門クリニックの収益は「システムのつなぎ目」から漏れている:医師1人あたり年間約1,900万円の取りこぼしを取り戻す、4つのレバーと現場の実例

「灯台下暗し」という言葉があります。

クリニックの経営改善というと、新しい診療メニュー、集患のための広告、医師の増員といった「外」に目が向きがちです。しかし、米国の最新の調査によれば、専門クリニックが取り戻せる収益の多くは、実はすでに院内にあります。電話が鳴り、治療計画が立てられ、診療が行われたその時点で、本来は手に入っていたはずの収益です。

2026年10月、米国の有力ベンチャーキャピタルであるアンドリーセン・ホロウィッツ(a16z)が、専門クリニックの収益構造に関する調査レポートを公開しました。その結論は明快です。4つの「取りこぼし」を塞ぐだけで、医師1人あたり年間約12万5,000ドル(約1,900万円)、収益にして約11%の上積みが見込める。 医師も診察室も増やさず、新しい保険者との契約もなしに、です。

私たちはこのレポートを、何度も深くうなずきながら読みました。米国ジョージア州の専門クリニックとともに、レポートが指摘する「穴」をほぼそのまま一つずつ塞いできた経験があるからです。そして、その経験から一つ、レポートが行間で示しながらも明言していないことを確信しています。

その約1,900万円は、AIが足りないから失われているのではありません。すでにお金を払っているシステム同士の「つなぎ目」から漏れているのです。

AIは、そのつなぎ目を塞ぐための強力な道具です。しかし、予約システムとつながっていない電子カルテ、電子カルテとつながっていない顧客管理、どれともつながっていない電話。その上にAIを載せても、混乱がより速く自動化されるだけです。

この記事は、クリニックや専門医療機関で「収益改善」や「業務効率化」を任された事務長、医事課長、経営企画、そしてDXプロジェクトの担当者の皆さんに向けて書いています。技術の細かい話ではありません。収益がどこから漏れていて、なぜ漏れるのか、そしてどう取り戻すかという話です。


米国の調査が示した「4つのレバー」

このレポートは、30億ドル超の診療に関わる患者・保険者とのやり取りのデータに、米国の医療機関経営者団体(MGMA)による診療科別のベンチマークを組み合わせ、さらに29州・約2,000の診療所(皮膚科、眼科、消化器内科、産婦人科、プライマリケア、整形外科)に実際に電話をかける独自の調査を行ったものです。

そこから導き出されたのが、経営者が自らの手で動かせる4つの「レバー」です。

レバー何が起きているか医師1人あたりの年間効果
1. 需要を取り込む診療時間内でも電話の6本に1本がつながらない。時間外は81%約4万4,800ドル(約670万円)
2. 需要を取り戻す再診予定の患者のうち、予定通り戻るのは54%だけ。6%は二度と戻らない約3万7,400ドル(約560万円)
3. 診療報酬を守る請求の差し戻しの半分近くが、受付段階のミスから起きている約2万8,500ドル(約430万円)
4. 未収金を回収する患者の自己負担は医療費の36%。その約8%が未払いのまま約1万4,100ドル(約210万円)

特に印象に残った数字をいくつか挙げます。

  • 電話はいまも「正面玄関」なのに、鍵がかかっていることが多い。 日中の不在着信率は18%。つながった人も平均1分半待たされ、20%は5分以上保留のまま。その一方で、医師の予約枠の19%は埋まっていません。 クリニックによっては半分が空いていることもあります。つながらない電話と空いている予約枠が、同じ建物の中で同時に存在しているのです。
  • 最も静かな取りこぼしが、最も大きい。 無断キャンセルなら、予約表に空白が残るので目に見えます。しかし「次回予約が取られなかった再診」は、どこにも記録が残りません。どの帳票にも「失った収益」として現れないのです。
  • 請求の差し戻しは、ほとんどが「自損事故」。 初回請求の約10%が差し戻され、その半分近くは、失効した保険での請求、事前承認の漏れ、患者氏名の誤記といった受付段階のミスが原因です。

日本の専門クリニックに置き換えると

もちろん、米国と日本では医療制度も支払いの仕組みも違います。ただ、4つのレバーそれぞれに、日本のクリニックにもそのまま当てはまる「取りこぼし」があります。

  • 需要を取り込む: 「電話がつながらない」は、日本のクリニックへの口コミで最もよく見かける不満の一つです。昼休みや診療時間外の電話、受付が混雑している時間帯の電話。Web予約やLINE公式アカウントを導入していても、電話の取りこぼしは別問題として残ります。
  • 需要を取り戻す: 精神科・心療内科の通院中断、小児の発達支援やリハビリの途中離脱、眼科の緑内障の定期検査、皮膚科の継続治療。日本の専門クリニックにとっても「再診の離脱」は、最も大きく、最も見えにくい損失です。
  • 診療報酬を守る: 日本で言えば、レセプトの返戻・査定です。オンライン資格確認やマイナ保険証の普及で資格過誤は減りつつありますが、患者情報の不一致、記載漏れ、算定要件の確認漏れによる返戻は、医事課の手間と入金の遅れを生み続けています。
  • 未収金を回収する: 窓口で自己負担を支払うのが基本の日本では、米国ほど大きな問題ではありません。ただ、自費診療のコースやパッケージ、分割払い、キャンセル料、そして入院・検査を伴う専門医療機関の未収金は、日本でも「誰かがExcelで消し込みをしている」領域ではないでしょうか。

金額の大きさは米国と同じではありません。しかし、取りこぼしが起きる構造は、驚くほど同じです。


本当の問題は「AI不足」ではなく「システムの縦割り」

4つのレバーをもう一度見てください。今度は「なぜその取りこぼしが起きるのか」を考えてみます。

  • 不在着信が患者の取りこぼしになるのは、電話のシステムが「誰からの電話か」を知らないからです。新患からの問い合わせなのか、明日予約のある再診患者なのか、会計についての質問なのか。折り返すまで誰にも分かりません。折り返せれば、の話ですが。
  • 再診が途切れるのは、電子カルテの中にある治療計画と、受付が使う連絡ツールがつながっていないからです。電子カルテは「この患者は次回来院の時期だ」と知っています。でも、顧客管理(CRM)も、LINEも、電話をかけるスタッフも、それを知りません。
  • 氏名の誤記や古い保険情報で請求が戻ってくるのは、同じ患者が3つのシステムに、少しずつ違う姿で登録されているからです。そして、どれが正しいのか誰も確信を持てません。
  • 未収金が回収されないのは、金額は会計システムにあり、最新の連絡先はCRMにあるからです。その二つを突き合わせる作業は、たいてい誰かの「一番やりたくない週次業務」になっています。

どれも根っこはデータの配管の問題です。レポートはそれぞれのレバーにAIの活用を勧めていますし、それは正しい方向です。しかし、予約表が見えないAI電話応対や、去年の電話番号に督促をかけるAIでは、1,900万円は見つかりません。まさに「絵に描いた餅」です。

まず配管。次に自動化。そしてAI。「急がば回れ」です。これが、私たちが米国のある専門クリニックで実際にたどった順番です。


事例:米国ジョージア州の小児専門クリニック「Mind & Motion」

Mind & Motion Developmental Centers of GAは、米国ジョージア州アトランタ近郊のスワニーにある、小児向けの多職種連携型専門クリニックです。20名以上の臨床スタッフ(経験年数の合計は75年以上)が、心理検査・発達検査、個人・家族・遊戯療法などの心理療法、作業療法、理学療法、言語聴覚療法、摂食指導、ニューロフィードバック、さらにソーシャルスキルのグループや治療的サマーキャンプまでを、チームで提供しています。

子どもと家族にとっては理想的な体制です。一方で、運営にとっては非常に複雑です。典型的な家族は、初回面談、検査の提案、心理検査、結果のフィードバック面談(診断と方針の説明)を経て、多くの場合、複数の療法を組み合わせた週1回のセラピーに何か月も通います。その途中の「引き継ぎ」の一つひとつが、家族が静かにこぼれ落ちてしまう可能性のある場所です。さらに、患者の多くが州のメディケイド(低所得者向け公的医療保険)や子ども向けの公的保険に加入しているため、保険資格の変更や、承認された通院回数の管理が日常的な負担になっていました。

彼らが私たちのところに来たとき、レポートの4つのレバーすべての問題を同時に抱えていました。ただ、そうは呼んでいませんでした。彼らの言葉では、こうです。「毎日こんなに忙しいのに、数字が合わない」。

抱えていた課題

Mind & Motionは、二つのしっかりしたシステムを使っていました。電子カルテと診療・請求管理を担うQualifacts InSync(米国の行動医療・メンタルヘルス分野で広く使われているシステム)と、問い合わせ対応や家族とのやり取りを管理するZoho CRM(日本でもゾーホージャパンを通じて広く使われている顧客管理システム)です。どちらのシステムにも問題はありませんでした。問題は、二つがまったくつながっていなかったことです。

  • 不在着信が、どこにもつながらない。 不在着信はZoho上に記録されていましたが、InSyncの予約表とは紐づいていません。かけてきたのが新規の紹介患者なのか、明日予約のある家族なのか、セラピーが途切れたばかりの家族なのか、一目で分かりません。折り返しは、手の空いたスタッフがリストの上から順番に、という状態でした。
  • 「成約」が「忘却」を意味していた。 新しい家族が初回面談を予約すると、CRM上は「成約(コンバート)」となり、そこでCRMの役目は終わりです。CRMには「治療スケジュール」という概念がありませんでした。そのため、検査は終えたのにフィードバック面談を予約していない家族や、週1回の作業療法が3回で止まってしまった子どもが、誰にも気づかれずにレーダーから消えていました。まさに「釣った魚に餌をやらない」状態です。
  • 案内した内容と、請求した内容がつながっていない。 自費のパッケージ、グループプログラム、費用の見積もりはCRM上で案内されていました。一方、実際の請求と残高はInSyncの中です。家族に「いくらと伝えたか」と「いくら請求したか」を結びつけるものが何もありませんでした。その結果、驚く保護者、気まずいやり取り、そして「確認が取れないので保留」のまま放置される未収金が生まれていました。
  • 未収金の追いかけが、手作業のマラソンだった。 未収金のフォローをするには、InSyncからExcelを書き出し、ZohoからもExcelを書き出し、一行ずつ手作業で突き合わせ、どの電話番号やメールアドレスが最新なのかを確かめる必要がありました。リストがきれいになる頃には、もう情報が古くなっている。二つのシステムの間で、人間が「API」の役割を担っている状態です。完全に属人化していました。
  • 小さなデータの食い違いが、請求の差し戻しを生んでいた。 CRMと電子カルテで子どもの名前の綴りが違う。保護者が一方のシステムでは被保険者として登録されていて、もう一方では登録されていない。公的保険の資格変更に、請求が戻ってくるまで誰も気づかない。一つひとつは小さなことですが、積み重なると、避けられたはずの手戻りが絶え間なく発生します。

日本のクリニックで医事や受付を管理している方なら、少なくとも三つは思い当たるのではないでしょうか。電子カルテ、レセコン、予約システム、Web問診、LINE。それぞれは優秀なのに、つながっていない。日本でもよく見る光景です。

ステップ1:足元を固める

私たちは、AIから始めませんでした。最初にやったのは、InSyncとZohoに「同じ現実」を見てもらうことです。

具体的には、電子カルテとCRMの間に信頼できる双方向の連携を構築し、データの種類ごとに「どのシステムを正とするか」をチームで合意しました。診療スケジュール、治療計画、残高は電子カルテが正。連絡先、家族関係、連絡手段の希望、問い合わせ履歴はCRMが正。両システムのすべての患者レコードを突き合わせ、重複を統合し、食い違いは黙って上書きするのではなく、人が判断できるように表に出すようにしました。

そのうえで、CRMの「見込み → 成約」という一方通行の流れを廃止し、電子カルテと同じ「治療の流れ」を映すモデルに置き換えました。いまZohoに表示される家族のステータスは、初回面談済み、検査提案済み、検査予約済み、フィードバック済み、セラピー継続中、承認回数の残り、再評価の時期、終了、といった実際の治療段階そのものです。CRMがようやく、クリニックが知っていることを知るようになったのです。

地味な作業です。しかし、これがあったからこそ、その後のすべてが可能になりました。ここを飛ばすと、その後に作る自動化はすべて「当て推量」で動くことになります。

ステップ2:n8nで業務フローを「見える化」する

システム同士がつながったところで、クリニックの業務フローの自動化をn8n(エヌエイトエヌ)の上に構築しました。

n8nは、業務フローを自動化するためのツールです。国内でも、ノーコード/ローコードの自動化ツールとして、エンジニアだけでなく業務部門の間でも利用が広がっています。画面上に「箱」を並べて線でつなぐことで、業務の流れを組み立てます。たとえば、不在着信があったら → 電子カルテでかけてきた人を検索し → 次回予約を確認し → 対応を判断して → SMSを送るか、スタッフにタスクを作る。一つひとつの箱が電子カルテ、CRM、電話、決済、AIといったシステムにつながり、箱と箱を結ぶ線が、情報の流れをそのまま見せてくれます。

n8nがこれほど支持されているのには、理由があります。

  • 数百種類の連携先が最初から用意されている。 さらに、APIを持つシステムであれば何とでもつなげられます。汎用の自動化ツールが想定していないシステムを相手にすることが多い医療の現場では、これが決定的に重要です。
  • 自院の環境で運用できる。 データを外部のクラウドサービスに次々と預けるのではなく、自分たちが管理する環境の中で動かせます。
  • 使えば使うほど高くなる料金体系ではない。 多くの自動化ツールは処理1件ごとに課金されます。医療の業務フローは小さな処理が1日に何千件も動くので、従量課金はすぐに膨らみます。
  • エンジニアの手を縛らない。 本格的なプログラムが必要な部分は、同じ画面の中でそのままコードを書けます。
  • AIも「箱の一つ」として組み込める。 留守電の要約、問い合わせ内容の分類、一人ひとりに合わせたメッセージの下書き。AIの活用が別プロジェクトではなく、業務フローの中の一工程になります。

ただ、Mind & Motionで私たちがn8nを選んだ一番の理由は、もっと現場に根ざしたものでした。クリニックを運営する人たちが、業務フローを自分の目で見られるからです。

すべての業務フローの実行は、一工程ずつ記録されます。保護者から「リマインドが届かなかった」と言われたとき、受付のリーダーがその場で画面を開き、その家族に何が起きたのかをリアルタイムで確かめられます。私たちに問い合わせる必要はありません。事務長が「リマインドは前日ではなく2日前に送りたい」「公的保険の家族には別の文面にしたい」と考えたとき、そのルールがどこにあるかが見えているので、自分たちで変更するか、私たちに5分の調整を頼むだけで済みます。改修プロジェクトにはなりません。

この変化は、個々の自動化よりも大きな意味を持ちます。エンジニアにしか見えない業務フローは、いつの間にか現場の実態からずれていきます。現場が自分の目で見て手を入れられる業務フローは、カイゼンを重ねるたびに滑らかになっていきます。

ステップ3:4つのレバーごとに作った自動化フロー

プロジェクトを通じて、私たちは数多くの自動化フローを構築しました。その多くが、レポートの4つのレバーとほぼそのまま重なります。

レバー1:需要を取り込む(不在着信を予約に変える)

  • 不在着信の自動仕分け。 不在着信は数秒以内に電子カルテとCRMの情報と照合されます。予約のある家族には、予約の確認・変更を案内するSMSが自動で届きます。知らない番号には、初回面談の申し込みリンクを添えた丁寧なメッセージを送り、折り返しリストの先頭に回します。留守電はAIが文字起こし・要約し、「新規の紹介」「予約」「会計」「診療上の質問」と用件を分類するので、適切な担当者が最初に折り返せます。
  • 時間外の問い合わせへの即時対応。 保護者が電話をかけてくるのは、仕事が終わった後、つまり受付が閉まった後であることが多いものです。時間外の電話やWebからの問い合わせにもすぐに返信し、次の一歩を示すようにしました。翌朝まで待たせて、そのまま埋もれさせることはありません。
  • キャンセル枠の自動補充。 定期のセラピー枠がInSyncでキャンセルされると、その療法のキャンセル待ちの家族や、承認回数が残っている家族に空き枠をSMSで案内します。最初に「はい」と返した家族が予約できます。

レバー2:需要を取り戻す(治療の流れに家族を呼び戻す)

  • 治療の「途切れ」の見守り。 CRMが治療計画を映すようになったので、業務フローは「何かが起きていないこと」に気づけるようになりました。検査は済んだのにフィードバック面談が未予約。フィードバックは済んだのにセラピーが始まっていない。治療計画が継続中なのに次回予約がない。無断キャンセル後48時間たっても予約が取り直されていない。いずれの場合も、まず双方向のSMSでやり取りを始め、返信がなければスタッフにタスクを作ります。
  • 再評価と承認期限のリマインド。 再評価の時期が近い家族や、保険の承認期間が切れそうな家族には、前もって連絡します。書類の手続きの空白が原因で治療が止まることのないようにするためです。

これがレポートの言う「静かな取りこぼし」、どこにも損失として記録されない収益です。継続的なセラピーを柱とするクリニックにとっては、これが最大の取りこぼしでした。

レバー3:診療報酬を守る(避けられる差し戻しを防ぐ)

  • 来院前の保険資格の確認。 来院の数日前に保険の有効性を確認します。特に、月ごとに資格が変わりうる公的保険の家族に重点を置いています。資格の失効は、請求が戻ってきた数週間後ではなく、来院の数日前に受付へ知らせます。
  • 承認回数のカウンター。 保険で承認された通院回数と承認期限を予約表と照らし合わせ、残り回数が少なくなった時点でスタッフに知らせます。承認のない来院が発生する前に、です。
  • 患者情報の整合性チェック。 氏名、生年月日、被保険者や保護者の情報を電子カルテとCRMで比較し、食い違いがあれば人が確認できるように知らせます。地味な仕組みですが、レポートが指摘する「患者氏名の誤記」による差し戻しを、まさに水際で止めてくれます。日本で言えば、返戻の多くを受付段階で防ぐ仕組みです。

レバー4:未収金を回収する

  • 消し込みの自動化。 毎週のExcel書き出しと突き合わせは、なくなりました。InSyncの残高は、Zohoにある最新の確認済み連絡先と自動で照合されます。
  • 案内した金額と請求額の一致。 CRMで案内した自費パッケージや見積もりは、対応する請求と紐づけられました。家族に伝えた金額と請求する金額が同じものになり、スタッフは一つの画面で両方を確認できます。
  • 丁寧で、粘り強いフォロー。 未払いのある家族には、支払いリンクや分割払いの案内を添えたリマインドを順番に送ります。残高の内訳はAIが分かりやすい言葉で説明する文面を下書きします。質問の返信があれば、それまでの経緯を添えてそのまま会計担当者に引き継ぎます。

どのフローも、それ単体で見れば特別なものではありません。うまく機能したのは、すべてがステップ1で固めた土台の上に立っていたからです。

何が変わったか

最も目に見える変化は、「なくなったもの」でした。Excelでの突き合わせ、システム間の二重入力、文脈の分からない不在着信リストを相手にした終業間際のバタバタ。受付スタッフには毎週まとまった時間が戻り、その時間はシステムではなく家族のために使われるようになりました。

目に見えにくい変化のほうが、もっと重要でした。クリニックは初めて、自分たちの取りこぼしを「見える化」できるようになったのです。治療の流れのビューを開けば、検査とフィードバックの間、フィードバックとセラピーの間で止まっている家族が何組いるのかが分かります。不在着信のビューを開けば、何時台の電話を取りこぼしているのかが分かります。経営陣は「問題があるのかどうか」を議論するのをやめ、「次にどの問題を解決するか」を決めるようになりました。


4つのレバーは「足し算」ではなく「掛け算」で効く

レポートの中で特に強調しておきたい点があります。私たちの経験とぴったり重なるからです。最大の効果は、どれか一つのレバーからではなく、レバー同士が互いを強め合うところから生まれます。

レポートが理想として描いているのは、「保険確認済みの予約」です。予約の時点で保険の有効性が確認され、患者の自己負担額が計算され、来院前に本人に伝えられている。この一件の予約が、すべてのレバーに触れています。電話は取りこぼされず、予約枠は埋まり、資格の問題で請求が戻ることもない。そして、事前に費用が分かっている患者は、来院する可能性も、支払う可能性も高くなります。

これを実現するのに何が必要か、考えてみてください。電話、予約表、保険確認、CRM、会計が、同じ患者を、同じタイミングで見ていることです。それはAIの機能ではありません。データ連携の設計(アーキテクチャ)があり、その上にAIが載っている状態です。

日本では、ここにもう一つの追い風があります。国が進める電子カルテの標準化やHL7 FHIRによるデータ連携は、まさにこの「つなぎ目」を塞ぐための土台です。標準規格に沿ってデータを持っておけば、今日つないだ仕組みが、明日の制度対応やAI活用にもそのまま活きます。詳しくは過去の記事「電子カルテ移行は『清水の舞台』から飛び降りなくていい」をご覧ください。


何かを導入する前に:自院に問いかけたい5つの質問

AI電話応対や新しい会計システムの導入を決める前に、まず次の5つの質問に答えてみてください。答えに詰まるところに、取りこぼしが眠っています。

  1. 不在着信があったとき、1分以内に「誰からで、次回予約があるかどうか」が分かりますか?
  2. いま「次の段階に進んでいない」患者は何人いますか?(検査は済んだが予約がない、治療の途中で次回予約がない、など)その人数を、Excelなしで出せますか?
  3. 二つのシステムで患者の氏名、生年月日、保険情報が違っていたら、どちらが正しいのか決まっていますか? そして、その食い違いにレセプトを出す前に気づけますか?
  4. 患者に案内した金額と、実際に請求した金額はつながっていますか?
  5. 自動化した業務フローが止まったとき、誰が、どうやって気づきますか? 答えが「そのうち患者さんが」なら、その業務フローは、クリニックを運営する人たちから見える状態にしておく必要があります。

5つすべてに自信を持って答えられるなら、多くのクリニックより一歩先を行っています。答えられなくても、心配はいりません。どれも、十分に解決できる課題です。


Ketaがお手伝いできること

私たちは、レポートが示す4つのレバーを支える仕組み、つまり電子カルテとCRMの連携、業務フローの自動化、AIを活用した患者コミュニケーション、そしてそれらを一つにまとめるシステム設計を、構想から開発まで手がけています。

私たちは、皆さんがすでにお持ちのシステムを活かすことから始めます。約1,900万円への近道は、多くの場合、電子カルテやレセコン、予約システム、電話、会計を入れ替えることではなく、それらをつなぐことにあります。

状況に応じて、次のようなご支援が可能です。

  • 取りこぼし診断: 患者の流れ、システム、データの流れを短期間で整理し、自院の収益がどこから漏れているのかを見える化します。
  • 土台づくり: 電子カルテ、CRM、電話、会計の連携、データの整理、データの種類ごとの「正」の決定。
  • 業務フローの自動化とAI活用: 現場の皆さんと一緒に、現場から見える形で、n8nによる業務フローを構築します。電話の取りこぼし対策、再診のフォロー、保険確認、未収金の回収まで。
  • アドバイザリー: ベンダーからの提案やAIツールの評価、「作るか、買うか」の判断に、第三者としての視点を提供します。

「餅は餅屋」と言いますが、システム同士をつなぐことこそ、私たちの専門です。収益の圧迫を感じていて、その答えの少なくとも一部がシステムの「つなぎ目」に隠れていそうだと感じたら、ぜひ一度お話しさせてください。

Ketaは、ニューヨークと東京を拠点とするヘルスケア・テクノロジー企業です。どうぞお気軽にお問い合わせください。

東京

〒150-0002 東京都渋谷区渋谷1-1-16 青山江崎ビル3階

Maxime Guilbot

MaximeはEkoheの創業者です。10年以上にわたり東京を拠点として、日本企業のAI導入とソフトウェア開発を支援してきました。

    Simon Johnson

    SimonはJupyterHealthのリードアーキテクトです。Sapien Healthをはじめとするスタートアップの「ゼロからイチ」を支え、臨床アプリケーションの開発や、全米の主要な医療機関とのシステム連携を手がけてきました。

      最後に、この記事からたった1つだけ持ち帰っていただくとしたら:

      約1,900万円は、夢物語ではありません。そして、その大半はすでに皆さんのものです。電話が鳴ったとき、治療計画が立てられたとき、診療が行われたとき、すでに手にしていたはずの収益です。それがシステムの「つなぎ目」から漏れています。まず配管を直してください。そうすれば、その後AIに投じる1円1円が、何倍もの働きをしてくれます。


      出典: “The $108 Billion AI Opportunity for Specialty Practices,” a16z, 2026年10月13日(英語)。本記事の統計データは、特に記載のない限りすべて同レポートによるものです。円換算は1ドル=150円で計算しています。

      日本の医療DX:電子カルテとデータ連携の導入に「清水の舞台」から飛び降りる必要はない

      Simon · 10月 12, 2026 ·

      電子カルテ移行は「清水の舞台」から飛び降りなくていい:2030年・普及率100%に向けて、医療DXの担当者が知っておきたい段階的な選択肢

      私たちは長年、さまざまな組織のシステム開発とAI導入に携わってきました。その中で身に染みて学んだことがあります。

      AIを入れただけで、組織が変わることはありません。

      組織を変えるのは、三つの要素が揃ったときだけです。自分たちの業務に本当に合ったシステム。それを日々使いこなし、育てていける院内のチーム。そして、その両方が現場に根付くための組織の変化。どれか一つでも欠ければ、まさに「仏作って魂入れず」。高価なシステムが、数年後には誰にも使われずに埃をかぶっている。そんな光景を、私たちは日本でも米国でも何度も目にしてきました。

      医療DXも同じです。「D(デジタル)」を買うことはできても、「X(トランスフォーメーション)」はお金では買えません。新しいシステムを導入するだけでなく、それを根付かせる人と組織があってこそ、初めてDXが成り立ちます。

      この記事は、病院やクリニックで医療DXや電子カルテの導入・更新を任された事務長、情報システム部門(情シス)、DX推進担当、経営企画の皆さんに向けて書いています。技術の細かい話ではなく、「何を、どの順番で、どれくらいのリスクで進めるか」という経営判断の話です。


      まず、いま何が起きているのか

      ご存じの方も多いと思いますが、改めて整理しておきます。医療DXは、もはや「いつかやるべきこと」ではなく、期限付きの国家プロジェクトになりました。

      • 2026年冬頃: 電子カルテ情報共有サービスの全国運用開始
      • 2026年10月: 社会保険診療報酬支払基金が「医療情報基盤・診療報酬審査支払機構(DX審査支払機構)」に改組。医療DXの推進が正式な業務に
      • 2027年度: 電子カルテ情報共有サービスなどに対応した、認証済みクラウドネイティブ型電子カルテの普及開始(診療所・中小病院向けは2027年4月から提供開始予定)
      • 2028年度まで: 200床以上の病院(療養病床が中心の病院などを除く)で電子カルテ普及率100%を目指す
      • 2030年末まで: 電子カルテ普及率100%を目指す

      一方、2023年の医療施設調査によると、電子カルテを導入済みの医療機関は病院で58.1%、一般診療所で43.3%にとどまります。ゴールまでの距離は、決して短くありません。

      厚生労働大臣は、これまで医療機関ごとに「点」として構築されてきたデジタル基盤を、共通のルールとプラットフォームのもとで「点から線へ、線から面へ」とつなぎ直していく、と語っています。方向性ははっきりしています。2026年度の診療報酬改定では、電子的な診療情報連携の体制整備に対する加算も設けられました。

      ただ、現場の声に耳を傾けると、方向性には賛成でも「では、うちはどうすればいいのか」という戸惑いがはっきりと聞こえてきます。

      • 「目標だけでなく財源を示してほしい」 経営が厳しい中、電子カルテの導入や更新には相当な費用がかかります。新規導入だけでなく、更新・改修への支援も必要だという声が、各病院団体から相次いでいます。
      • 「2030年より前に更新時期が来てしまう」 多くの病院では、国の目標よりも先に、今の電子カルテのリース満了や保守期限がやってきます。
      • 「大病院向けのクラウドネイティブ型には、まだ標準がない」 そのため「まずオンプレミスで改修し、標準が整ってからクラウドへ移行する」という2段階の移行と、その両方への補助を求める声も上がっています。
      • 「クラウド化したら、災害時に使えなくなるのでは」 停電や回線断絶への懸念は根強く、クラウドとオンプレミスのハイブリッドこそが現実的な姿ではないか、という意見が多く聞かれます。
      • 「クラウド型と言われたが、中身は院内のサーバーをそのまま移設しただけだった」 いわゆる「クラウドリフト」です。使った分だけ払うはずのクラウドなのに、最初から数テラバイトのサーバーを丸ごと借り切る見積もりが出てくる、というケースも珍しくありません。
      • 「小さく始めては、いつまで経っても大きくならない」 慎重に進めるべきだという意見と、思い切らなければ前に進まないという意見。どちらにも一理あります。

      私たちは、これらの懸念はどれも正当なものだと考えています。そして、そのほとんどに対して、技術的にも、進め方の面でも、すでに答えがあると考えています。


      「長年連れ添った電子カルテ」との付き合い方

      電子カルテと医療機関の関係は、よく「長年連れ添った夫婦」にたとえられます。不満がないわけではない。でも、別れるのはあまりにも大変。

      その理由は、合理的です。

      同じメーカーを使い続ければ、過去の診療データはスムーズに引き継げますし、現場の運用も大きく変わりません。よほど使い勝手が悪くない限り、現場からは「このままでいい」という声が上がります。一方で、乗り換えが選択肢にない状態では、更新費用はどうしても高止まりします。新規導入より安く済みそうな更新が、実際には新規導入と同じくらいの費用になってしまう。そんな話を、多くの事務長から伺います。

      そして、いざ乗り換えようとすると、過去データの移行が大きな壁として立ちはだかります。100床に満たない規模の病院でさえ、新しい電子カルテの形式に合わせてデータを出力するだけで数千万円の費用を見積もられることがあります。結局、参照用に古い電子カルテを残し、二重の保守費を払い続ける。これが「腐れ縁」の正体です。

      私たちが強くお伝えしたいのは、電子カルテの導入や更新は、「全部入れ替えるか、何もしないか」の二択ではないということです。

      清水の舞台から飛び降りるような一発勝負の巨額投資をする必要はありません。予算や更新時期、現場の状況に合わせて、段階的に、見通しを立てながら進める道がいくつもあります。


      段階的に進めるための、5つの選択肢

      選択肢1:今の電子カルテはそのままに、「データ連携の層」だけを追加する

      最も小さく、最も早く始められる一歩です。

      今お使いの電子カルテには一切手を加えず、その上にFHIRファサードサーバーと呼ばれるデータ連携(インターオペラビリティ)のための層を構築します。既存システムのデータを、国の標準規格であるHL7 FHIR(JP Core、JP-CLINS)の形式に変換して外部とやり取りできるようにする「通訳」のような仕組みです。

      • 向いているケース: 電子カルテの更新はまだ先だが、電子カルテ情報共有サービスへの対応やAIツールとの連携は今すぐ進めたい
      • ここがポイント: 現場の画面も業務フローも一切変わりません。さらに、データを標準形式で取り出せるようになるため、将来どのメーカーに乗り換えるとしても、データ移行の費用と手間が大幅に下がります。 「腐れ縁」を、いつでも円満に解消できる関係に変えておく、いわば保険です。

      選択肢2:画面と業務フローはそのままに、裏側(基盤)だけを刷新する

      東京駅の丸の内駅舎は、創建当時の外観を守ったまま、建物の下に免震装置を入れる工事が行われました。駅として使われ続けながら、です。

      電子カルテでも、同じことができます。スタッフが毎日使っている画面や操作の流れはそのまま残し、その裏側にあるデータベースやサーバーなどの基盤だけを、クラウドネイティブで、セキュリティとデータ連携に優れた最新の構成に入れ替えます。

      • 向いているケース: 現場は今のシステムに慣れていて変えたくないが、基盤の老朽化、セキュリティ、保守費用に課題がある
      • ここがポイント: スタッフの再教育がほとんど必要ありません。 電子カルテ移行で最も見落とされがちなコストは、実はシステムの費用ではなく、移行期間中に現場が受ける負担と生産性の低下です。それを最小限に抑えられます。

      選択肢3:専門診療科に特化した電子カルテを、実績ある部品から構築する

      精神科、眼科、透析、在宅医療、リハビリテーションなど、汎用の電子カルテでは業務にうまく合わず、結局は紙やExcelとの併用が続いている、という医療機関は少なくありません。

      そうした場合には、専門特化型の電子カルテを新たに構築するという選択肢があります。といっても、ゼロからすべてを手作りするわけではありません。米国の電子カルテで実際に稼働し、現場で鍛えられてきた既存のモジュールを組み合わせ、皆さんの診療科ならではの部分だけをオーダーメイドで作り込みます。

      • 向いているケース: 汎用パッケージでは自院の診療スタイルに合わない、または電子カルテ未導入で、これから最適なものを選びたい
      • ここがポイント: 最初からFHIR対応の基盤の上に構築するため、電子カルテ情報共有サービスへの対応やAIとの連携が「後付け」ではなく、最初から組み込まれた状態になります。

      選択肢4:院内での常駐開発も、クラウドでのフルマネージド運用も

      クラウドか、オンプレミスか。この議論に唯一の正解はありません。災害時の事業継続(BCP)、既存のネットワーク環境、院内のIT体制によって最適解は変わります。

      私たちは、どちらにも対応します。

      • 院内常駐型: エンジニアが現場に入り込み、臨床スタッフや情シスの皆さんと肩を並べて開発・構築を行います(米国では「フォワード・デプロイド・エンジニア」と呼ばれるスタイルです)。オンプレミス環境での構築や、院内の既存システムとの細かな接続が必要な場合に適しています。
      • フルマネージド型: クラウド上での構築から運用・保守までをすべてお任せいただく形です。院内に専任のIT人材が少ない医療機関に適しています。
      • ハイブリッド型: 平時はクラウド、災害時や回線断絶時には院内で診療を継続できる構成も可能です。「クラウドかオンプレか」ではなく、「どこに何を置くか」を設計するのが、本来のアーキテクチャの仕事です。

      選択肢5:人と組織への支援 ― システムを「根付かせる」ために

      冒頭でお伝えした通り、システムを入れただけでは、組織は変わりません。

      私たちは、操作マニュアルや研修動画などの教育コンテンツを作成するだけでなく、医師、看護師、医療事務など臨床チームの皆さんと直接対話しながら、現場の実情に即した移行計画を一緒に作り上げます。どの部署から、どの時期に、どの業務から切り替えるのか。現場のキーパーソンをどう巻き込むのか。移行期間中の業務をどう守るのか。

      システムの導入は、いわば結婚式です。本当に大切なのは、その後の結婚生活をどう築いていくかです。


      標準規格に対応しない移行は「問題の先送り」にすぎない

      ここまで5つの選択肢をご紹介しましたが、どれを選ぶにしても、一つだけ譲れない条件があります。

      HL7 FHIRのような国際標準規格に対応していることです。

      どれほど最新のクラウド型電子カルテに入れ替えたとしても、データの持ち方がメーカー独自の形式のままであれば、それは問題を先送りしているだけです。5年後、10年後の次の更新時に、また同じ「データ移行の壁」と「数千万円の見積もり」に直面することになります。将来に禍根を残す投資は、どれほど目先の費用が安くても、決して安い買い物ではありません。

      前回の記事「日本におけるFHIR:過剰に設計された規格が、実は近道だった」では、技術者向けにFHIRの価値を詳しく解説しました。経営の視点から、要点だけをまとめるとこうなります。

      • メーカーの乗り換えコストが下がる: データが標準形式で出し入れできれば、電子カルテの「スイッチコスト」は格段に下がります。ただし、FHIR形式でデータが作られているだけでは不十分で、データを出力でき、さらに別のシステムから取り込める仕組みまで揃っている必要があります。ここは提案を受ける際に、必ず確認していただきたいポイントです。
      • 国の制度にそのまま乗れる: 電子カルテ情報共有サービス(3文書6情報)も電子処方箋も、日本版のFHIR標準であるJP CoreおよびJP-CLINSの上に構築されています。標準に対応していれば、制度対応のたびに個別の改修費用を払う必要がなくなります。
      • AI活用の前提条件になる: AIの性能は、読み込ませるデータの質で決まります。標準化されたデータであれば、AIはデータの意味を正しく理解でき、ある病院で作った仕組みを別の病院にもそのまま展開できます。メーカー独自の形式のままでは、AIプロジェクトのたびに数か月のデータ整理から始めることになります。
      • 「秘伝のタレ」から抜け出せる: 長年の改修を重ねた結果、ベテラン職員一人の頭の中にしか仕様が残っていない。そんなシステムからの脱却は、それ自体が大きなリスク低減です。

      技術的な背景をさらに詳しく知りたい方や、社内のエンジニアの方には、ぜひ前回の記事をご一読いただければと思います。


      稟議を書く前に、ベンダーの提案で確認したい7つの質問

      電子カルテの導入や更新の提案を受けたとき、以下の質問をぜひベンダーに投げかけてみてください。答えに詰まる項目が多いほど、その提案には将来のリスクが潜んでいます。

      1. データの持ち出し: 当院の全診療データを、HL7 FHIR(JP Core)形式で出力できますか? その際、追加の費用はかかりますか?
      2. データの取り込み: 他社の電子カルテからFHIR形式で出力されたデータを、取り込むことはできますか?
      3. 国の制度への対応: 電子カルテ情報共有サービスへの対応は、標準機能ですか? それとも個別の改修や追加費用が必要ですか?
      4. クラウドの中身: 「クラウド型」とは、クラウドネイティブな設計ですか? それとも院内サーバーをクラウドに移設しただけ(クラウドリフト)ですか? 利用量に応じた料金体系になっていますか?
      5. 災害時の継続性: 停電や回線断絶が起きたとき、診療はどのように継続できますか?
      6. 段階的な移行: 一部の部門や機能から段階的に切り替えることはできますか? 移行期間中に旧システムと並行稼働できますか?
      7. 外部との接続: 今後、AIツールや他のシステムと連携したくなったとき、標準的なAPIで接続できますか? 接続のたびに費用が発生しますか?

      この7つの質問への回答を比較するだけでも、提案の「本当の総コスト」がかなり見えてくるはずです。「回答の読み解き方が分からない」「そもそもどの選択肢が自院に合うのか整理したい」という場合は、お気軽にご相談ください。


      私たちが6年以上取り組んできたこと

      2020年5月1日、米国では「21世紀治療法(21st Century Cures Act)」に基づく最終規則が官報に掲載され、電子カルテのメーカー、医療機関、医療保険者に対して、HL7 FHIRによる標準APIを通じたデータ連携が義務付けられました。

      それ以来6年以上にわたり、私たちは米国の病院やクリニックとともに、まさにこの課題に取り組んできました。電子カルテの統合、FHIRによるデータ連携基盤の構築、レガシーシステムからの移行、そしてAIを活用した臨床ワークフローの自動化。うまくいったことも、高くついた失敗も、一通り経験してきました。

      米国は、この道のりにおいて日本より数年先を歩んでいます。その経験は、日本の医療機関にとって、まさに「他山の石」として活かせるはずです。同じ失敗を繰り返す必要はありません。

      Ketaは、ニューヨークと東京を拠点とするヘルスケア・テクノロジー企業です。どうぞお気軽にお問い合わせください。

      東京

      〒150-0002 東京都渋谷区渋谷1-1-16 青山江崎ビル3階

      Maxime Guilbot

      MaximeはEkoheの創業者です。10年以上にわたり東京を拠点として、日本企業のAI導入とソフトウェア開発を支援してきました。

        Simon Johnson

        SimonはJupyterHealthのリードアーキテクトです。Sapien Healthをはじめとするスタートアップの「ゼロからイチ」を支え、臨床アプリケーションの開発や、全米の主要な医療機関とのシステム連携を手がけてきました。

          FHIRや医療データ連携についてさらに知りたい方は、リソースページもぜひご覧ください。

          最後に、この記事からたった1つだけ持ち帰っていただくとしたら:

          電子カルテの移行は、清水の舞台から飛び降りるような一発勝負である必要はありません。石橋を叩いて渡るのは正しい。ただし、叩きすぎて渡らないまま2030年を迎えることだけは避けたい。そして、どの橋を渡るにしても、その先が標準規格につながっていることだけは、必ず確かめておいてください。

          日本におけるFHIR:過剰に設計された規格が、実は近道だった

          Simon · 9月 12, 2026 ·

          JP Core FHIR サンドボックス

          FHIRとJP Core Profileの公開サンドボックスサーバーを今すぐお試しください

          一見手間がかかりそうに見えることこそ、実は最も手間を省いてくれる理由:日本で医療ソフトウェアを開発するすべての人に向けた実践的な入門ガイド

          FHIR仕様書を初めて目にする人は、ほぼ皆同じ反応を示します。そして日本では、たいてい思わず口から漏れ出ます。

          「なんだこれ」

          140種類以上のリソースタイプ。数十もの要素を持つPatient Resourceがあり、そのほとんどは決して値を設定することのないものです。Extensionの上にさらにExtensionが重ねられています。ValueSets、CodeSystems、Profile、Implementation Guide、Conformance Resource(適合性リソース)。そして、現在開いているドキュメントのルールを説明する別のドキュメントを指し示すことだけを目的としたmeta.profileフィールドなどです。一体、これらすべてで何を保存しようというのでしょうか? 名前と生年月日だけでしょうか?

          私はこれまで、多くの優秀なエンジニアたちがこの時点で同じ結論に達するのを見てきました。「これは企業特有の形式的な手続きに過ぎない。もっと良い方法があるはずだ。自分たちで独自のものを作ろう」

          私は、この反応が100%妥当であり、100%理解できるということをお伝えしたいのです。

          そして約6ヶ月後には「100%間違っていた」と気づくことになります。それはFHIRが素晴らしいからではありません。結局のところ、遅かれ早かれ自分たちで同じものを作る羽目になるからです。


          「温泉旅館」の問題

          日本のエンジニアたちが、ある種のシステムを指して使う言葉があります。それは「温泉旅館建築(onsen ryokan architecture)」です。はじめは控えめでこぢんまりとした上品な建物だったものが、やがて渡り廊下が伸び、別館が増築され、存在しない階へと続く階段が足され……最終的には、そこで20年間働いているベテランしかその構造を把握できなくなってしまうようなシステムのことです。

          日本の厨房にも似たような概念があります。1952年以来、一度も空にされることなく継ぎ足され続けてきた「秘伝のタレ」です。実に美味しい。しかも、その中身に何が入っているのかは誰にもわかりません。

          私がこれまでに目にしてきたヘルステック製品は、どれも例外なく患者の診療記録を「温泉旅館」にしてしまっています。そのプロセスは大体こんな感じです。

          第1週:patientsテーブル。ID, family_name, given_name, dob, sex。シンプル。美しく洗練されている。最高の気分です。

          第3週:ソートや受付用にフリガナが必要だとプロダクト側から要望が入ります。そこで同じ名前に2つ目の表記が必要になりました。family_kanaとgiven_kanaを追加します。すると、「全角と半角どちらで保存するのか」「連携先のレガシーシステムはこちらの指定に関わらず半角カナを送りつけてくるのではないか」といった議論が巻き起こります。

          第6週:患者が結婚して改姓しました。しかし、昨年発行された検査結果には旧姓が表示されています。今や名前に有効期間を設定し、どれが現在の名前かを示すフラグが必要になりました。2つのカラム/列だったものが、ひとつの独立したテーブルになります。

          第9週:保険。患者の識別子は単一の番号ではないことが判明します。「保険者番号」に「記号」「番号」「枝番」、さらに各種公費負担医療制度の番号、病院独自の「患者ID」、そして普及が進む「マイナ保険証」の照合情報。しかも、同じ人物でも医療機関ごとに識別子が異なるため、今度は「名寄せ」が必要になります。最初のid列は、名前空間(namespace)を持つ複雑な識別子システムへと変貌を遂げました。

          第14週:クリニックの医師が、自院の患者として受診しました。usersテーブルとpatientsテーブルの間で、この人物の名前をどちらで管理すべきかについて、2日間も議論が続いています。

          第20週:アレルギー。「ペニシリン」という1単語では済みません:誰が記録したか、いつ記録されたか、その信頼度はどの程度か、アレルギーなのか不耐性なのか、医師の観察か家族からの申告か、そして現在も有効(アクティブ)なのか。1つの文字列フィールドが8つに増殖します。

          第26週:検査結果。数値だけでは結果とは言えません。数値に加え、単位、基準範囲、JLAC10コード、検体、採取日時(報告日時とは異なります)、依頼医師、そしてステータスが必要です。なぜなら検査結果は修正や訂正が行われ、場合によっては取り消されることもあるからです。

          そして、ここが肝心なところです。

          26週目になって、一旦立ち止まり、自分が構築したスキーマを見直してみると、Patient.identifier、HumanName.period、AllergyIntolerance.verificationStatus、そしてObservationを独自に考案していたことに気づくのです。

          ただし、皆さんが作ったそれらにはドキュメントもテストデータもバリデータもライブラリのサポートもありません。世界中でその仕様を理解できる人間は誰一人おらず、notesという列が、3つの異なる機能によって密かになんでも突っ込む「ごみ箱」として使われています。

          医療データは、本質的に、どう足掻いても複雑なものです。「誰が」「いつ」「誰に対して」「どの程度の確信度で」「どのような文脈で」「何を上書きして」「どのコーディング体系で表現したか」といった多角的な属性を本質的に備えているからです。

          FHIRは、理想化されたシステムを描いた夢物語ではありません。FHIRとは、皆さんのスキーマが3年後にどのような姿になるかを、同じ過ちを散々経験してきた何百人ものエンジニアたちが事前に書き残してくれた「未来の設計図」なのです。

          第1週目に必死で守ろうとした「シンプルさ」は、第26週目の現実の壁を前にして木っ端微塵になります。唯一の問題は、行き着く先の複雑さが、文書化され共有された標準(FHIR)になるのか、それともブラックボックス化した「秘伝のタレ」になるのか、それだけです。

          「車輪の再発明」だけでも十分に筋が悪いですが、「少し歪んだ車輪」を再発明してしまうのは、さらに最悪です。


          たった5%使うだけで十分

          ここが、誰も教えてくれない部分ですが、このブログ記事の中で最も役立つ情報です。

          FHIRの恩恵を受けるために、FHIRを完全理解している必要はありません。

          誰もが恐れる「学習曲線」とは、完全準拠(フルコンプライアンス)に至るまでの曲線のことです。Profile、Terminology Server、CapabilityStatement、Validation Pipeline、そして一連の「作法」すべてが含まれます。その曲線は確かに存在します。しかし、開発初日からその壁を登り切る必要がある人なんて、ほとんどいません。「完璧に準拠しなければならない」と思い込むことこそが、開発チームが標準規格から完全に離脱してしまう最大の原因なのです。

          FHIRの最小限で最も実用的な活用法(Minimum Viable Use)は、これだけです:「患者記録にはどのようなフィールドを含めるべきか」という問いに対する答えとして使うことです。

          まずJP CoreのPatient Profile を開いてください。これをチェックリストとして読み進めるのです。そこには、フリガナ表記が必要であること、識別子(Identifier)には定義されたネームスペース(namespace)を持つさまざまな種類があること、「gender」と「性別」は同じ文脈で扱ってはいけないこと、日本の住所には独自の形式があることなどが記載されています。

          その後、PostgresやDynamoDB、Railsモデル、あるいはスプレッドシートにて実装すればいいのです。誰も取り締まったりしません。FHIR警察なんて存在しないのですから(残念ながら、あなたのオフィスに標準化警察がガサ入れに踏み込んでくることはありません)。

          たった半日の読書と引き換えに得られるのは、世界20カ国にわたるあらゆるエッジケースを経験してきた先人たちが設計したデータモデルです。もし後日、本格的なFHIR APIを公開することになったとしても、フィールド構成がすでに一致しているため、作業の80%は完了しているも同然です。たとえ公開しなかったとしても、自分で一から設計するよりも遥かに優れたスキーマをリリースできたことになります。

          「とりあえずビール」という言葉がありますね。今回の場合は、「とりあえず Patient」です。まずは1つのResourceを注文して、様子を見て、必要なら後で追加注文しましょう。


          専門用語を分かりやすく解説

          FHIRは、実質的な内容に対して専門用語の比率が異常に高く、そのことが実際の難易度以上に、多くの優秀なエンジニアを遠ざけてしまっているように感じます。そこで、難しそうな専門用語の壁をここで取り払ってみましょう。

          FHIRサーバーとは、REST APIを備えたJSONドキュメントストアのことです。 これは初心者向けに単純化した説明ではなく、真実そのものです。

          GET /Patient/123 を実行すると、JSONドキュメントが返り、POST /Observation を実行すれば新たなレコードが作成されます。

          GET /Observation?patient=123&code=http://loinc.org|718-7 はただのクエリ文字列です。

          何が画期的かというと、技術そのものではなく、JSONの形式やクエリパラメータの名称がすでに誰かによって決定されているという点です。だからこそ、皆さんが書いたクライアントプログラムは、Epic(米国の電子カルテ)や日本のベンダーの電子カルテに対しても、さらには自社のサーバーに対しても、コードを1行も書き換えることなくそのまま動作するのです。

          専門用語を1つずつ解体してみましょう。

          • Resourceとは、resourceTypeフィールドを持つJSONドキュメントのことです。
          • Referenceとは、たまたま文字列の形をした外部キー(Foreign Key)のことです:{"reference": "Patient/123"}。
          • Bundleはラッパー付きの配列(Array)です。一度に複数データをまとめて送信することができます。
          • Profileとは、バリデーション(検証)ルールの定義セットです。いわば、医療用語版のJSON Schemaと言えます。
          • Implementation Guide(IG)とは、多数のProfileから自動生成されたドキュメントサイトのことです。JP CoreもIGの一つです。
          • CapabilityStatement とは、APIにおける /.well-known のようなもので、システムが対応している機能を機械可読な形式で示すドキュメントです。

          そして、SMART on FHIRはOAuth 2.0です。 それ以上でもそれ以下でもありません。本当にそれだけなのです。誰もが独自にスコープ名を定義する代わりに、統一された語彙(各自で勝手に命名するのではなくpatient/Observation.read のような定義)を標準化し、さらに「起動コンテキスト」を足したOAuth 2.0 に過ぎません。これにより、臨床医が電子カルテ内からアプリを起動した際、アクセストークンには画面に表示されている患者の情報が最初から紐づいた状態で届くのです。もし「Googleでログイン」の連携経験があれば、SMART on FHIRの難しい部分はすでにクリアしています。正直なところ、SMART on FHIRで最も難しいのはその名前です。これは「Substitutable Medical Applications, Reusable Technologies(代替可能な医療アプリケーション、再利用可能な技術)」の略ですが、あまりにも無理やりなバックロニム(後付けの頭字語)なので、それだけで大喜利のネタになるほどです。

          専門用語というメッキを剥がしてしまえば、使われている技術スタックはJSON、HTTP、OAuthだけです。どれも皆さんすでに知っているものばかりですよね。

          FHIRが新たにもたらしたもの、それは合意です。医療分野のシステム統合において真にコストがかかるのは、技術ではなく、この「合意」を生み出すことなのです。


          今すぐこれを行うべき本当の理由:

          AIにはあなたの「秘伝のタレ」を読み取れないから

          現代のAIと本格的に向き合った経験がある方なら、次に述べる内容にはすでに納得されているでしょう。逆に経験がなければ、どんなブログ記事を読んでも納得することはできないでしょう。

          医療は、間違いなくこれらのモデルによって変革されます。それは「いつか遠い未来に」ではなく、この記事を読んでいる皆さん全員の現役時代のうちに起こることです。

          これまでスクリーニングの対象にすらならなかったがん患者に対する臨床試験(治験)のマッチング。患者家族が何年もかけ、十数人の専門医をたらい回しにされてようやく病名に辿り着くような希少疾患の診断。日本の「指定難病」問題はまさに「干し草の山から針を探す」ような課題ですが、これこそがAIモデルの最も得意とする分野です。創薬、タンパク質構造、画像診断、敗血症の早期警告。そして医師に「自分の夕べの時間」を取り戻させる自動カルテ作成機能 ――これは「医師の働き方改革」によって医師の労働時間が国家レベルの政策課題となっている日本において、特に大きな意味を持ちます。

          しかし、モデルの性能は、そこに読み込ませるデータの質で決まります。ここで標準化をめぐる議論は単なる「思想や理念」から「エンジニアリング上の厳格な制約」へと変化するのです。

          患者の病歴に基づいて推論を行うAIシステムは、KENSA_KEKKA_3がHbA1cであることを、その値がIFCC mmol/molではなくNGSPパーセントで保持されていることを、基準値範囲が検査機関ごとに異なることを、そして2019年の検査結果は後に訂正されたものであることまで理解しておく必要があります。もしその知識が、20年前のベンダーによる怪しい列の命名規則や、来年定年退職を迎える情報システム部門のベテラン社員の頭の中にしか存在しないとしたらどうでしょう?あなたの組織内のあらゆる AI プロジェクトは 始めるたびに6 ヶ月間の「発掘調査(考古学)」から着手することになり、次の病院ではまたゼロからやり直す羽目になります。

          一方、もしその知識がコード化されたFHIRのObservation Resourceとして格納されていれば、モデルはデータ構造、出所(Provenance)、単位を追加コストゼロで理解でき、病院Aで開発した仕組みをそのまま病院Bへ引き継ぐことができるのです。

          もうひとつ、より直接的で、まだ十分に評価されていない大きな効果があります。

          それは、来月のスプリントベロシティ(開発速度)にそのまま直結する効果です。

          現代のLLMはすでにFHIRを完全にマスターしています。 仕様書、数百ものImplementation Guide(実装ガイド)、HAPI FHIR、Medplum、数千ものオープンソースリポジトリ、長年にわたるZulipコミュニティでの議論――これらすべてが学習データに含まれているからです。Claudeに、「有効なMedicationRequestを生成して」「検索用Bundleをページネーションで取得するクライアントコードを書いて」「HL7 v2のOBXセグメントをObservationにマッピングして」と指示してみてください。すでに100万件もの実例を学習しているため、即座に正確なコードを出力してくれます。

          では次に、T_KANJA_MST テーブルに対して、KJ_CD1 から KJ_CD9 までの列を含むコードを記述するよう指示してみてください。絶対に不可能です。AIの学習データには、皆さんの独自スキーマに一致する例がまったく存在せず、今後も決して存在し得ないからです。どのプロンプトにもデータディクショナリ全体を文脈(コンテキスト)として含めなければならず、それでもモデルは推測でコードを書くしかありません。

          これは標準規格を導入するための真に新しい論点であり、ほんの3年前には存在しなかった視点です。

          標準とは、あらかじめ定義された構成要素(ガンプラのランナーを切り離してそのまま組み上げられるパーツ)です。そしてAIによる生産性向上効果(レバレッジ)は、独自に作った構成要素よりも、こうした共有された構成要素に対して遥かに強力に作用します。

          標準Resourceを活用して開発を行っているチームは、独自スキーマを使っているチームには到底得られないほどの圧倒的な生産性向上を実現しています。そして、その差はさらに拡大しています。


          「標準化を怠ったこと」から学ぶ130年前の教訓

          日本に対して、規格(標準化)の価値について説教する必要などありません。ここはJIS(日本産業規格)、かんばん、ポカヨケ、そして「7分間の奇跡」の国です。新幹線清掃チームは、作業工程のあらゆるインターフェースが秒単位で定義されているため、16両編成の列車をわずか7分で完璧に清掃・リセットすることができます。競争優位性としての標準化は、日本では海外から持ち込まれた輸入品ではなく、むしろこの国の特産品だと言っても過言ではないのです。

          だからこそ、この失敗例は極めて示唆に富んでいます。1890年代、東京電灯は50Hzで動作するドイツのAEG社製の発電機を購入しました。一方、大阪は60Hzで動作するアメリカのGE社製の発電機を購入しました。これらはどちらも、それぞれの地域で自らの状況を最適化しようとした人々が、個別に下した極めて合理的で賢明な判断でした。

          それ以来、日本の電力網は二分された状態が続いています。2011年の東日本大震災の際、東日本の電力網が喉から手が出るほど電力を必要としていたにもかかわらず、西日本から境界線を越えて送電できたのはわずか数ギガワットにとどまりました。両系統間の周波数変換には、専用の「周波数変換所」を経由しなければならなかったからです。130年が経過した今もなお、まったく妥当と思われた決断の代償を、エンジニアたちは払い続けているのです。

          独自に作った医療データモデルは、まさに「周波数変換所」そのものです。

          こうしたモデルを1つ構築するたびに、将来のあらゆるシステム連携に対して恒久的な「課税(コスト)」が生じることになります。その代償は、最悪のタイミングで突きつけられます。例えば、緊急事態の渦中や、全国展開の真っ只中、あるいは他社がすでに導入している最新AI機能に、自分たちのシステムだけが接続できないと判明したまさにその瞬間に。


          では、「JP Core」とは一体何なのでしょうか?

          JP Coreは、米国のUS CoreやオーストラリアのAU Coreに相当する、FHIRにおける日本のナショナルベースプロファイル(標準プロファイル)です。これはFHIR R4(4.0.1)をベースにしており、国際規格のResourceを「日本の患者データ」として実際に機能するように調整したものです。

          開発元: JP Core は、日本医療情報学会(JAMI)の NeXEHRS 課題研究会内に設置された「FHIR日本実装検討WG(FHIR Japan Implementation Working Group)」によって開発されました。同ワーキンググループは東京大学の大江和彦教授が議長を務めており、開発資金の一部には政府の助成が充てられています。仕様はjpfhir.jpで公開されており、関連仕様書はstd.jpfhir.jpにインデックス化されています。現在公開されている最新バージョンは1.2.0であり、2026年半ば現在、1.3.0が開発中となっています。

          現状のステータスについては、包み隠さずオープンにしておく価値があります。このガイド自体には、日本HL7協会による正式な承認を受けておらず、利用は自己責任で行うものであるという注意書きが記載されています。しかし、これは警告ではなく、“まだ開発の初期段階にある”ことを示すサインとして捉えてください。初期段階だからこそ、私たちのフィードバックや影響力が反映されやすいのです。

          なぜJP Coreが必要なのか: 国際標準のFHIRは、日本医療の現実を知りません。例えば、以下のような点について国際仕様は何の定義も持っていないのです。

          • フリガナ表記(かな表記): JP Core では、ISO 21090 の表現 Extension である SYL を使用して、漢字表記の横にフリガナを表示する方法を定義しています。さらに、全国の病院の受付が当然のように求めてくる「フリガナでのソート」を実現するための専用検索パラメータも用意されています。
          • 保険識別子: JP Core では、保険者番号(8桁、先頭に0を付加)に記号、番号、枝番を組み合わせた識別子体系や、各種公費負担医療制度向けの体系が定義されています。これはまさに、先ほど取り上げた「第9週の問題」がすでに解決されていることを意味します。
          • 日本のコード体系:検査用のJLAC10、医薬品用のYJコードおよびHOT番号、疾患用のMEDIS病名コード、MERIT-9、処置用のSTEM7、さらには歯科や内視鏡検査用の用語集などです。国際仕様ではLOINC、RxNorm、SNOMEDが前提となっていますが、JP CoreはこれらのResourceを、日本の現場システムが実際に生成するデータに紐づけしてくれています。
          • 日本の住所、日付、およびテキスト: 永遠の議論の的となる「和暦/西暦」の問題も含まれます。FHIRでは単にISO 8601形式への準拠が義務付けられているため、西暦から令和への変換は、既存の多くのシステムのように19カ所で別々に処理するのではなく、境界部分でたった一度だけ行うだけで済みます。

          これらの Profile は、皆さんが期待する領域を網羅しています。

          • 管理(JP_Patient, JP_Practitioner, JP_Organization, JP_Encounter)
          • 処方・投薬(Medication関連)
          • 診断(JP_Observation, DiagnosticReport, ImagingStudy, Specimen)
          • 臨床(Condition, AllergyIntolerance, Procedure, Immunization)

          “JP Coreは主に学術的な取り組みに過ぎない”と聞いたことがあるかもしれません。つい最近までは、その見方は妥当でした。しかし、今はもう違います。その理由は次のセクションでお話ししましょう。


          そして、その産業用モデル:JP-CLINS

          「電子カルテ情報共有サービス」は、日本の「医療DX」プログラムの一環として、これまで述べてきたすべてを単なる「研究課題」から「具体的な実施期限のあるプロジェクト」へと一気に変貌させる存在です。これは、社会保険診療報酬支払基金が「全国医療情報プラットフォーム」の一環として運営しており、2025年から段階的な運用を開始し、2026年度冬頃を目処に本格運用を開始する予定です。

          その範囲は「3文書6情報」です:

          • 3つの書類: 診療情報提供書(紹介状)、退院時サマリー、健診結果報告書
          • 6つの情報:傷病名、薬剤アレルギー等、その他アレルギー等、感染症、検査 (救急・生活習慣病)、処方情報

          これに関するFHIR仕様が、jpfhir.jp/fhir/clinsで公開されているJP-CLINS(CLinical Information Sharing)であり、現在のバージョンはv1.11前後です。アーキテクチャの観点から最も注目すべき点は、JP-CLINSが派生IG(Implementation Guide)であるという点です。これはJP Core v1.1.xを基盤として構築されており、JP_Patient_eCS、 JP_Observation_LabResult_eCS、および5つの情報項目を1つの Bundleとして送信するための JP_Bundle_CLINS といった Profile が追加されています。対象は「2文書5情報」に加え、「患者サマリー」が含まれ、健診結果報告書は別の経路で送信されます。

          これこそが、国家標準を機能させるための階層構造であり、しっかりと理解しておく価値のあるポイントです。国際FHIR → JP Core → JP-CLINS → あなたのアプリケーション

          それぞれの層は、その上の層に対して制約を加えていく構造になっています。したがって、標準のPatientを学べば、JP_Patientの大部分を理解したことになり、それはそのままJP_Patient_eCSの大部分もすでに理解したことになります。皆さんの知識と学習の成果は毎回リセットされるのではなく、複利のように積み重なっていくのです。

          国が進める「電子処方箋」サービスも、まったく同じ基盤の上に構築されています。

          そして、アーキテクチャの議論を一瞬で終わらせる“経済的インセンティブ”がついに登場しました。2026年からは、電子カルテ情報共有サービスへの接続に対して“診療報酬の加算”が適用されます。この加算が報酬基準に盛り込まれれば、「標準化は後回しにしよう」という考えは、単なる技術的な見解ではなく、直ちに予算上の項目(優先課題)となるのです。

          今後の計画を立てる上で極めて重要な背景情報を、もう一点補足しておきましょう。

          日本は決してゼロからスタートするわけではありません。HL7 v2.5メッセージに基づいて構築され、JAMIの下で維持管理されている標準化ストレージ仕様SS-MIX2は、10年以上もの間、国内の多くの病院で導入されており、MID-NETのような二次利用の取り組みを支えています。この導入実績は極めて堅牢であり、この10年間で消えてなくなるようなものではありません。したがって今後数年間にわたるほとんどの日本国内の病院における実用的なアーキテクチャは、基盤にHL7 v2.5とSS-MIX2、エッジ(外部接続部)にFHIR、その間にアダプタを配置した形となるでしょう。「SS-MIX2を撤去して純粋なFHIRに移行すべきだ」と言う人は、日本の病院の電算室に足を踏み入れたことが一度もない人です。


          今週、実際に始める方法

          6ヶ月間もかけた「検討・評価プロセス」なんてスキップしましょう。ここに、本当に小さな最初の1歩があります。四半期(3ヶ月)単位の計画ではなく、たった半日で終わるステップです。

          1. まず、1つのProfileをサッと覗いてみましょう。 JP CoreのPatient Profile を開いて、フィールドがどのように構成されているかを確認するだけで十分です。フリガナがnameにどのように紐づいているか、 識別子が独自のシステムURLを伴って保険者番号をどう保持しているか、何が必須で何が任意項目なのか。これは試験勉強ではありません。皆さんがすでに抱えている課題に対する、「誰かが作った解答集」を見ているだけなのです。
          2. 次に、JP Coreのサンドボックスを開きます。 弊社(Keta)では、medplum-jp-core.keta.nycでサンドボックスを公開しています。「Anonymous Login(匿名ログイン)」をクリックするだけで、JP CoreのProfileや用語集があらかじめ読み込まれ、日本の患者のサンプルデータが初期設定された使い捨てのMedplumオープンソースFHIRサーバーが利用可能になります。インストールも登録も、Dockerもクレジットカードも一切不要です。URLをブックマークしておけば、明日も同じ環境にそのままアクセスできます。
          3. そして実際のデータ1件を往復処理してみましょう。 自社システムから患者データ1人分を抽出し、それをJP_Patientにマッピングして、サンドボックスにPOSTします。サーバー側でProfileに対する検証を実行させ、そのレスポンス(結果)を読み戻します。続いて、1件の検査結果データでもObservationとして同じ手順を行ってみます。この1件のデータ連携で直面した課題こそが、プロジェクト全体の正確な見積もり範囲となります。どんな分厚いスプレッドシートよりも価値のあるこの情報こそが、その日の終わりには手に入るのです。
          4. アーキテクチャについての議論は、そのステップを終えてから始めましょう。 実際に動作し、検証済みのResourceが手元にあれば、稟議書は勝手に書けてしまうようなものなのですから。

          Ketaがお手伝いできること

          Ketaでは、FHIRや、現在もなお広く活用されているその前身規格HL7 v2といった医療標準規格に基づいて、アプリケーションの設計・開発を行っています。当社は長年にわたり、米国のお客様向けに、電子カルテの統合、SMART on FHIR アプリ、HL7 v2 インターフェースエンジン、HIPAA準拠のアーキテクチャ、そしてAIによる臨床ワークフローの自動化に取り組んできました。米国はこの分野において日本より数年先行しており、高コストになりがちな失敗を一通り経験済みです。

          私たちは現在、その豊富な知見を日本市場へ展開しています。特に先ほど触れた「ハイブリッドな現実」――内部にはSS-MIX2とHL7 v2、境界(外部連携部)にはJP CoreとJP-CLINS、そしてその上で動作するAI――というアーキテクチャに強い関心を寄せています。

          「電子カルテ情報共有サービス」の期限対応にお悩みの方、自社のAI製品を日本の電子カルテと連携させたい方、あるいは「FHIRを学ぶ価値があるのか」という議論を社内で交わしている方、ぜひ一度、私たちとお話ししてみませんか?


          Ketaは、ニューヨークと東京を拠点とするヘルスケア・テクノロジー企業です。どうぞお気軽にお問い合わせください。

          東京

          〒150-0002 東京都渋谷区渋谷1-1-16 青山江崎ビル3階

          Maxime Guilbot

          MaximeはEkoheの創業者です。10年以上にわたり東京を拠点として、日本企業のAI導入とソフトウェア開発を支援してきました。

            Simon Johnson

            SimonはJupyterHealthのリードアーキテクトです。Sapien Healthをはじめとするスタートアップの「ゼロからイチ」を支え、臨床アプリケーションの開発や、全米の主要な医療機関とのシステム連携を手がけてきました。

              FHIRやJP Coreについてさらに学びたい方は、リソースページもぜひご覧ください。

              最後に、この記事からたった1つだけ持ち帰っていただくとしたら:

              どのような道を辿ろうとも、皆さんのスキーマは最終的にFHIRと同じくらい複雑なものになります。違いはただ1つ、「その構造を、世界中の他のエンジニアたちが理解できる形にするかどうか」、それを皆さんが選べるということだけなのです。

              Copyright © 2026 Keta