病院の医療相談室で、新しい相談に似た過去の相談記録を探し、使った制度・連携した機関・つまずいた点を根拠付きで示して、相談員の初動を早める

処理の起点を決める

取り込みと検索で、起点が2つあります。

取り込みは、相談記録の仕組みで相談が終結になったときです。 終結の記録を検知して、その相談を取り込みます。支援の途中の相談は取り込みません。 途中の記録には、まだ結果の出ていない制度の申請や、方針の決まっていない調整が書かれており、前例として読むと「この制度を使えば済んだ」ように見えます。

終結した相談は、その日の夜にまとめて取り込みます。 終結の直後に相談員が記録を書き足すことが多いので、終結から1日置いてから取り込み、書き足しを待ちます。

検索は、相談員が初回の面接のあと、主訴と背景を書いてから「似た相談を探す」を押したときに動きます。 相談が入った時点で自動で探すこともできますが、病棟からの第一報は「退院の調整をお願いします」の一行であることが多く、 事情が分からないまま探しても似た相談は出ません。

入力データを集める

質を決めるのは、「つまずいた点」が書かれているかです。 「介護保険の申請から認定まで想定より時間がかかり、退院が2週間延びた」「家族の連絡先が分からず、同意の取り方で院内の調整が要った」。この一行が、次の相談員の初動をいちばん早くします。 欄が無い記録では、経過の文から相談員が手で拾うことになるので、記録の書式に欄を足します。

改正された業務指針は、根拠に基づく判断や支援の過程が見える記録を患者ごとに作ることを求めています。 つまずいた点の欄は、その記録の一部として書けます。

データの取得方法を決める

相談記録の仕組みから、終結した相談のデータを受け取ります。どの方式で書き出せるかは相談記録の仕組みの製品によるので、この部分は利用環境に応じた個別の実装になります。 最初の取り込みは過去6年分をまとめて書き出し、そのあとは毎晩、前日に終結した相談を足します。

索引は1件の相談を1件の文書にします。

意味のベクトルは、Amazon Titan Text Embeddings V2 で作ります。 公式のドキュメントでは、入力は最大8,192トークンまたは50,000文字、出力は1,024（既定）、512、256次元で、日本語を含む多言語に対応するとされています。主訴と背景は数百字なので、1件1本のベクトルで足ります。

AIへ渡す前に整形する

1. 氏名などを外す … 患者と家族の氏名、生年月日、住所、電話番号、病院の患者番号を取り除きます。年齢は年代にします
2. 固有の事情をぼかす … 勤務先の名前、子どもの学校の名前、珍しい職業のような、組み合わせると人が分かる記述を、取り込みの規則で一般的な言葉に置き換えます
3. 制度の名前をそろえる … 「限度額認定証」「限度額適用認定証」「限度額の証」のような揺れを、院内で決めた正式な名前に寄せます
4. 機関の名前をそろえる … 連携先の一覧のコードに寄せ、種類（地域包括支援センター、居宅介護支援事業所など）を付けます
5. 機微な区分に印を付ける … 相談記録で虐待・DV・自殺企図・依存症の区分が付いた相談に sensitive の印を付けます
6. ベクトルを作る … 主訴と背景の文について、Titan Text Embeddings V2 でベクトルを作ります

2番目を軽く見ないでください。 氏名を外しても、「市内の○○高校に通う娘」「元○○の職人」のような記述が残ると、院内の誰かには患者が分かります。 似た相談として画面に出るのは別の患者の記録なので、ここで人が分からない形にしておきます。

AIに処理させる

AIの仕事は、検索で出た似た相談を、決まった項目で引用と日付付きで並べることだけです。 似た相談を探すのは検索基盤、見られる範囲を分けるのも検索基盤です。

1行目が、いちばん外せない線です。 似た相談で使った制度が並ぶと、AIは「この方も○○が使えます」と書きがちです。年齢、所得、保険の種類、住んでいる自治体で、使える制度は変わります。 前例は「当時この制度を使った」までで、いまの患者に使えるかは相談員が窓口と要件を確かめます。

最後の行も同じ理由です。 AIは福祉の制度を一般的な知識として知っていて、記録に無い制度を「ほかに○○も考えられます」と足したくなります。記録に無いものは、この院の前例ではありません。

指示内容を固定する

あなたは病院の医療相談室で、新しい相談の初動のために過去の似た相談を整理する係です。
渡された検索結果（過去の相談記録）だけを根拠にしてください。
一般的な医療・福祉の制度の知識で補わないでください。

【新しい相談】
区分：{category}　年代：{age_band}　入院か外来か：{inpatient}
主訴と背景：{summary}

【検索結果】
相談番号ごとに、終結した日、主訴と背景、使った制度、連携した機関、つまずいた点が渡されます。

【相談ごとに書くこと】
1. 相談番号、終結した年月、区分、年代
2. 当時の事情（主訴と背景を引用して短く）
3. 使った制度と連携した機関（記録のまま並べる）
4. つまずいた点（記録を引用。無ければ「記載なし」）
5. 新しい相談と似ている点
6. 新しい相談と違う点（家族の状況、住まい、経済の状況、入院か外来か）

【厳守事項】
- 制度を「使える」「対象になる」と書かないでください。
  「当時、この相談では〜を使った」と過去の事実として書いてください。
- 支援の方針を提案しないでください。
- 記録に無い制度や機関を足さないでください。
- 患者や家族を評価する言葉を書かないでください。
- 終結した年月を必ず書いてください。
- 違う点が見つからないときも「違う点：記載から判断できない」と書き、空欄にしないでください。

「過去の事実として書く」を入れるのは、 時制が変わるだけで読み手の受け取り方が変わるためです。「〜を使った」は前例、「〜が使えます」は判断です。AIが現在形で書くと、相談員はそれを確認済みの判断として読んでしまいます。

検索結果は、Claude の検索結果ブロックで渡します。 相談1件を1つの search_result にし、source に相談番号、title に終結した年月と区分、content に主訴と背景・制度と機関・つまずいた点を別々のテキストブロックで入れます。公式の説明では、検索結果ブロックは Claude API、Amazon Bedrock、Google Cloud で使え、引用はテキストブロック単位です。

出力形式を固定する

検索パイプラインは、次のように作ります。

PUT /_search/pipeline/msw-hybrid
{
  "phase_results_processors": [
    { "normalization-processor": {
        "normalization": {
          "technique": "min_max",
          "parameters": {
            "lower_bounds": [ { "mode": "ignore" }, { "mode": "clip", "min_score": 0.6 } ],
            "upper_bounds": [ { "mode": "ignore" }, { "mode": "clip", "max_score": 0.95 } ]
          }
        },
        "combination": {
          "technique": "arithmetic_mean",
          "parameters": { "weights": [0.3, 0.7] }
        }
    } }
  ]
}

1つ目が言葉の検索、2つ目が意味の検索です。 意味の検索にだけ固定の下限と上限を置き、clip で下限より低い点数を0に、上限より高い点数を1.0にします。0.6と0.95は例で、第8章の試しで、経験の長い相談員が「似ている」とした組の点数を見て決めます。 重みを意味0.7にしているのは、事情を表す言葉が相談員ごとに違うためです。

検索の要求は、次のように組みます。

GET /msw-cases/_search?search_pipeline=msw-hybrid
{
  "size": 6,
  "_source": { "excludes": ["summary_vector"] },
  "query": {
    "hybrid": {
      "filter": { "range": { "closed_on": { "gte": "now-6y/d" } } },
      "queries": [
        { "match": { "summary": "一人暮らし 身寄りなし 年金 医療費 退院後 住まい" } },
        { "knn": { "summary_vector": { "vector": [0.009, -0.031], "k": 30 } } }
      ]
    }
  }
}

機微な区分の絞り込みは、検索の要求には書きません。 文書レベルのセキュリティで、相談員の役割に応じて検索基盤の側で見えなくします。要求の側で絞ると、要求を組む Lambda の誤りで漏れます。

画面に返す形は、次のJSONです。

{
  "similar": [
    { "case_id": "MSW-2022-0731", "closed_on": "2022-11", "category": "入退院",
      "age_band": "70代", "inpatient": true,
      "situation": "", "schemes": ["限度額適用認定証", "介護保険の要介護認定"],
      "agencies": ["地域包括支援センター", "居宅介護支援事業所"],
      "stumbles": "", "same_points": "", "different_points": "",
      "years_ago": 4, "citations": ["MSW-2022-0731"] }
  ],
  "not_found": false
}

1つ目の理由は、schemes と agencies を記録の値のまま出せることです。 制度と機関は取り込みで名前をそろえた値で、Lambda が索引から写します。AIの文章の中の制度の名前と、記録の値が食い違うことがありません。

2つ目は、years_ago で記録の古さを画面に出せることです。 3年以上前の前例には「当時の記録です。いまの要件を確かめてください」と添えます。

システムへ連携する

原本へのリンクは、相談記録の仕組みの権限で開きます。 画面で似た相談の要点を読んでも、原本を開けるかどうかは相談記録の仕組みの側で決まります。

人が確認する

この構成の確認は、必須です。 出てくるのは前例の材料で、支援の方針と制度の案内は相談員が決めます。

1. 記録の日付を見る … 古い前例の制度は、いまの要件と窓口を確かめてから使います
2. 違う点を読む … 家族の状況や住まいが違えば、同じ制度でも順番が変わります
3. つまずいた点を初動に入れる … 「認定まで時間がかかった」とあれば、申請を先に動かします
4. 使った前例を記録に残す … 支援の経過に、参考にした相談番号を一言書きます

1件あたり8分を目安にします。 似た相談が5件出れば、日付と違う点を見て2〜3件に絞り、つまずいた点を読み、必要なら原本を開きます。

例外に対処する

5行目は、見える範囲を分けたことの裏側です。 一般の相談員には、機微な相談の前例が出ません。それでよい設計ですが、虐待やDVの疑いのある新しい相談では、前例が無いのではなく見えていないだけです。 画面に「機微な区分の相談は室長に」と常に出しておきます。

記録を残す

• 取り込んだ相談番号と終結日、取り込んだ日時、除去した項目の種類
• 検索の入力（区分、年代、主訴と背景の要約）と、返した相談番号と点数
• Claude に渡した検索結果と、返ってきた答えと引用
• 相談員が参考にした前例と、参考にしなかった前例
• 「似た相談は見つかりませんでした」になった検索
• 検索を行った相談員と役割

最後の行は、見える範囲が正しく働いているかを確かめる材料です。 文書レベルのセキュリティの設定を変えたときに、どの役割で何が返っていたかを後から見られます。検索の入力に主訴と背景をそのまま残すと、ここが新しい個人情報のたまり場になるので、入力は要約と区分だけを残し、一定の期間で消します。