健診センターで、健診結果の数値と問診から所見のコメントと保健指導の案内文の下書きを作り、医師の確認に回す

処理の起点を決める

毎晩の定時に、検査値がすべてそろった受診者をまとめて処理します。 結果報告書は受診から数週間で送るものなので、検査値がそろった直後に下書きが出る必要はありません。翌朝、医師が確認の画面を開いたときに、前日までにそろった受診者の下書きが並んでいる状態を目指します。

「すべてそろった」の判定は、健診システムの状態で行います。 外部の検査機関に出した検査や、後から届く画像の読影の結果が残っている受診者は、そろうまで待ちます。一部の項目だけで全体のまとめを書くと、後から届いた所見がまとめに入りません。

入力データを集める

質を決めるのは、施設の文例集です。 厚生労働省のフィードバック文例集は、血圧高値、脂質異常、血糖高値、喫煙、肝機能、尿蛋白などに分かれ、判定と対応の分類ごとに受診者への説明の文例が示されています。たとえば血圧では、収縮期血圧160mmHg以上または拡張期血圧100mmHg以上の場合に、この健診結果を持って至急かかりつけの医療機関を受診するよう勧める文例があります。施設の文例集は、これを土台に、施設の基準値と言い回しに合わせて番号を付けたものにします。

文例集の利用上の留意事項も、そのまま設計に入れます。 文例集では、各検査項目の経年変化を確認して悪化傾向か改善傾向かを踏まえること、複数の項目に問題がある場合は文例を組み合わせて重複を除くこと、文例は改変してよいが記載されている科学的根拠から逸脱しないことが示されています。第7章の指示は、この3つをAIへの指示に置き換えたものです。

データの取得方法を決める

健診システムからの書き出しの方式は、製品によって違います。 この部分は、利用している健診システムに応じた個別の実装になります。

項目は、名前ではなくコードで受け取ります。 厚生労働省のプログラムの別紙5では、検査項目のコードにJLAC10のコードを用いるとされ、同じ収縮期血圧や空腹時中性脂肪でも、検査法ごとに別のコードが並んでいます。健診システムがJLAC10のコードで値を持っていれば、文例集の項目とコードで対応させられます。 施設の独自のコードで持っている場合は、最初に対応表を作ります。

前回までの値は、項目のコードでそろえて取ります。 検査法が変わった項目は、同じ名前でもコードが違うことがあります。コードが違う値を前回の値として並べると、経年変化のコメントが誤ります。

AIへ渡す前に整形する

1. 判定と対応の分類の番号付け … 項目ごとに、施設の基準値・肥満の有無（腹囲とBMI）・服薬の有無から、文例集の分類の番号を規則で決めます
2. 経年変化の計算 … 前回との差と、悪化・改善・変化なしの区分をプログラムで計算します。AIに引き算をさせません
3. 治療中の印 … 問診で血圧・血糖・脂質の薬を飲んでいると答えた受診者に、項目ごとの治療中の印を付けます
4. 使わない項目の除外 … 判定区分が「異常なし」の項目は、コメントの対象から外します。全体のまとめには「その他の項目は基準の範囲内」とだけ書かせます
5. 氏名などを渡さない … 受診者の氏名・住所・事業所名は外し、受診の番号だけを付けます。コメントの文章に氏名は要りません
6. 単位と桁の統一 … 単位を文例集の表記（mg/dL、mmHg、％）にそろえ、表示する桁を項目ごとに決めます。AIが桁を丸めないよう、表示用の文字列にしてから渡します
7. 版の記録 … 使った文例集と基準値の版の番号を、受診者ごとに記録します

1番目と2番目を、AIに任せないでください。 血糖の文例は、肥満者か非肥満者か、糖尿病の治療中か未治療かで分類が分かれています。どの分類に当たるかは基準の問題で、文章の問題ではありません。経年変化も、数値の差はプログラムが出し、AIはその結果を文章にするだけにします。

AIに処理させる

させるのは、分類の番号に合う文例を選び、受診者の値と経年変化を当てはめ、複数の項目を重複なくまとめることです。

経年変化の書き方は、たとえば次のようになります。 前処理が「LDLコレステロール 今回152、前回138、悪化」と渡し、AIは選んだ文例の前に「前回の138mg/dLから152mg/dLに上がっています」と添えます。数字はどちらも渡した文字列のままで、差の14はAIに書かせません。

一番上の行の右端が、この構成でいちばん大事な扱いです。 合う文例が無いとき、AIは自分の言葉で説明を書こうとします。文例に無い説明は、科学的根拠を誰も確かめていない文章です。 空にして、医師が書く欄として確認の画面に出します。

3行目がいちばん起きやすい失敗です。 治療中の受診者で値が高いと、AIは「薬の調整について主治医に相談を」と書きます。言い回しは穏やかでも、文例の範囲を出ています。 文例集にある治療中の文例を選ばせ、それ以外の助言は書かせません。

指示内容を固定する

あなたは健診センターで、結果報告書の所見のコメントの下書きを作る担当です。
渡された検査の情報と施設の文例集だけを使って書いてください。推測で補わないでください。
書いた下書きは、必ず医師が確認してから受診者に届きます。

【書くこと】
1. items: 所見のある項目ごとに、分類の番号に合う文例を文例集から1つ選び、
   template_id に番号を入れ、文例の「{値}」「{前回値}」「{変化}」に渡された値を当てはめる。
2. summary: 複数の項目に所見があるとき、items の文を組み合わせ、重複する言い回しを除いてまとめる。
3. guidance_letter: tokutei_target が true のときだけ、案内文の文例で書く。
4. lifestyle: 問診の回答に合う生活習慣の文例があれば添える。

【厳守事項】
- 文例の医学的な説明を書き換えたり、文例に無い説明を足したりしないでください。
  言い回しを整えるのは、つなぎの言葉と語順だけにしてください。
- 合う文例が無い項目は、template_id を no_template にし、text を空にしてください。
  自分の言葉で説明を書かないでください。
- 判定区分より強い勧め方（「至急」など）も、弱い勧め方もしないでください。
  分類の番号に対応する文例の勧め方をそのまま使ってください。
- 値は渡された value と prev_value だけを使ってください。計算しないでください。
  変化は渡された trend（悪化・改善・変化なし）だけを文章にしてください。
- 病名を断定しないでください。薬の開始・中止・変更について書かないでください。
- 問診に回答が無い生活習慣について書かないでください。
- 受診者の氏名や事業所名は書かないでください。

【文例集（版：{template_version}）】{templates}
【受診者の検査の情報】{exam}
【問診の回答】{questionnaire}
【特定保健指導の対象】{tokutei_target}

「文例に無い説明を足さない」と「合う文例が無ければ空にする」を両方書いているのは、片方だけでは足りないからです。 足すなと言うだけだと、合う文例が無い項目で近い文例を無理に当てはめます。空にしてよいと明示することで、医師に回すべき項目が見えるようになります。

「判定区分より強い勧め方をしない」も入れています。 AIは安全側に倒そうとして「念のため至急受診を」と書きがちです。至急でない受診者に至急と書いた結果報告書は、受診者を不安にさせ、医療機関の窓口にも負担をかけます。

出力形式を固定する

次の形のJSONを、構造化出力のスキーマで受け取ります。

{
  "exam_id": "",
  "template_version": "",
  "items": [
    { "item_code": "", "category_no": "", "template_id": "",
      "text": "", "values_cited": [""] }
  ],
  "summary": "",
  "lifestyle": [ { "template_id": "", "text": "" } ],
  "guidance_letter": ""
}

公式の説明では、構造化出力ではすべてのフィールドを必須にし、オブジェクトには additionalProperties: false を設定する必要があり、最大100個のオブジェクトのプロパティと最大5段の入れ子が持てるとされています。項目は items の配列の要素として並べるので、人間ドックの項目数でも上限に当たりません。

1つ目の理由は、数値をプログラムで照合できることです。 values_cited に、文に書いた値を書き出させます。Azure Functions が、その値が今回の値か前回の値として渡したものに含まれるかを確かめ、text の中の数字の並びとも突き合わせます。 一致しないものは確認の画面で赤く示します。

2つ目は、文例から外れていないかを確かめられることです。 template_id が文例集に存在するか、category_no と文例の分類が合っているかをプログラムで見ます。分類が合わない文例を選んでいれば、勧め方が判定とずれています。

3つ目は、受診を勧めるべき項目の抜けを確かめられることです。 受診勧奨判定値を超えた項目について、items に要素があり、text が空でないかを見ます。

血圧の項目なら、受け取る要素はたとえば次のようになります。

{ "item_code": "SBP", "category_no": "BP-1", "template_id": "BP-1-a",
  "text": "今回、収縮期血圧が164mmHgでした。前回の150mmHgから上がっています。（以下、文例BP-1-aの本文）",
  "values_cited": ["164", "150"] }

category_no は前処理が付けた分類、template_id はAIが選んだ文例です。BP-1 の分類に BP-2 の文例が選ばれていれば、勧め方が判定より弱いということなので、照合で止めます。

システムへ連携する

健診システムの判定と検査値には、書き込みません。 結果報告書へ差し込むのは、医師が承認したコメントだけです。承認の前の下書きが印刷の対象に入らないよう、差し込みの条件に承認の記録を必須にします。

人が確認する

1. hold を最初に見る … 受診を勧めるべき項目のコメントが空になっている受診者です。医師が書きます
2. review を見る … no_template の項目は医師が書き、赤く示された数値は検査値と照らして直します
3. ready を読んで承認する … 判定と下書きを並べて読み、勧め方が受診者の状況に合っているかを確かめます
4. 保健師が案内文を見る … 特定保健指導の案内文の日程や方法の記載を確かめます
5. 直したら記録する … どの項目の、どの文例を、どう直したかを残します

確認の画面は、左に判定と検査値、右に下書きを並べます。 下書きの各文には使った文例の番号を小さく表示し、照合で一致しなかった数値は赤、no_template の項目は空欄の入力欄として出します。医師が見る場所を、色と空欄で先に示しておくことが、1件2分に収める工夫です。

3番目の「状況に合っているか」が、医師にしかできない確認です。 文例は分類ごとの一般的な文章です。既往歴や他の所見から、文例より強く勧めるべき受診者もいます。 そのときは医師が書き足します。

目標は、3,000件をならして1件2分です。 所見の無い受診者は数十秒、review の受診者は数分かかります。

例外に対処する

1行目は、この構成の外で決まっている手順を前提にしています。 すぐに受診してもらう必要のある値は、結果報告書を待たずに連絡するのが健診機関の手順です。この構成は、その手順を置き換えません。

記録を残す

• 受診の番号ごとの入力（検査値、判定、前回までの値、問診、分類の番号）
• 使った文例集と基準値の版
• Azure OpenAI に渡した入力と、返ってきたJSONの全文
• 数値と文例の照合の結果、下書きの状態
• 医師が直した記録 … どの項目の、どの文例を、どう直したか。承認した医師と日時
• 結果報告書に差し込んだコメントの最終版

5つ目が、文例集を直す材料になります。 特定の文例で直しが多ければ、文例の言い回しか分類の切り方が施設の実際と合っていません。直しの多い文例から、健診部の会議で見直します。