海外から来る留学生・研究者が出す英文の予防接種記録と健康診断書を読み取り、接種の種類と日付を健康記録に写して、受け入れ前に足りない接種を拾う

処理の起点を決める

起点は、受付フォルダ（Amazon S3）に書類が保存されたことです。 受け入れの案内のメールで、提出先の専用のアドレスを伝えておき、そのアドレスに届いた添付をS3へ転送します。保存の通知で AWS Lambda が動きます。

書類は1人分がまとめて届くとは限りません。 記録が先に届き、健康診断書があとから届くことがあります。届いた書類から順に読み、受け入れ予定者ごとに足していきます。 必要な書類がそろった時点で照合をやり直します。

毎週月曜の朝にも1回動かします。 受け入れ予定日まで6週間を切っているのに、書類が届いていない人と、不足の印が付いたまま追加の提出が無い人を一覧にして担当者に送ります。追加の接種や抗体検査に時間がかかるため、週ごとに追いかけます。

入力データを集める

質を決めるのは、下の2つの表です。 読み替えの表に無い名前は、数えずに unknown_vaccine の印を付けて保健師に回します。知らない名前を、似た名前から推し量って数えないためです。

国籍は、日付の書き方の手がかりに使います。 ただし、国籍から書き方を決めつけはしません。海外の大学で発行された記録は、その大学の国の書き方になるためです。手がかりとして画面に並べるだけにします。

データの取得方法を決める

書類は StartDocumentAnalysis で読みます。 1人分が数ページあり、写真のPDFは大きくなるので、非同期の処理を使います。S3の場所と FeatureTypes を渡して始め、完了は NotificationChannel に指定した Amazon SNS のトピックに通知されます。

質問は英語の文書でしか使えず、非同期では1ページあたり30個までです。接種の行は、質問ではなく表として読みます。 1人に10行を超える接種があり、質問の答えは一つの値しか返らないためです。表の CELL を RowIndex、ColumnIndex でたどり、列の見出し（COLUMN_HEADER）で「Vaccine」「Date」「Lot」「Clinic」を分けます。

状態が SUCCEEDED なら、GetDocumentAnalysis で結果を取ります。 1回で返るのは最大1,000ブロックで、NextToken が返る限り呼び直します。各 Block の TextType（HANDWRITING／PRINTED）と信頼度を残し、 手書きで信頼度の低い行は担当者の確認に回します。

AIへ渡す前に整形する

1. 形式の確認 … JPEG、PNG、PDF、TIFF であることを確かめます。HEICなどの写真は JPEG に変換します
2. パスワードの確認 … PDFはパスワードで保護されていてはいけないとされています。保護されたものは本人に解除したものを頼みます
3. サイズとページ数の確認 … 非同期の処理で、PDFとTIFFは500MB・3,000ページまでです
4. 文字の大きさの確認 … 検出できる文字の高さの下限は15ピクセルで、150DPIで8ポイントの文字に当たるとされています。接種手帳を遠くから撮った写真は、取り直しを頼みます
5. 言語の確認 … 6言語に入らない記録は読み取りに回さず、翻訳を付けて出し直してもらうか、担当者が目で見る一覧に入れます
6. 誰の書類かを決める … 送り元のアドレスと件名の受け入れ番号で、受け入れ予定者を決めます。決まらないものは処理を止めます

6番目を軽く見ないでください。 他人の接種の記録を別の人の健康記録に写すのは、転記の誤りではなく、健康の情報の取り違えです。誰の書類か決まらないものは、読み取りに進めません。

AIに処理させる

させるのは、OCRの結果から接種と検査の値を原文のまま取り出し、日付の書き方を記録することです。 数え直しと照合はさせません。

date_ambiguous を付ける条件をはっきりさせます。 日付が 数字/数字/数字 の形で、最初の2つの数字がどちらも12以下なら、月と日のどちらが先でも成り立ちます。 その場合は解釈を書かず、印だけを付けます。月の名前（May、Jun）が書かれているもの、片方が13以上のもの、書類のほかの日付から書き方が確かめられるものは、解釈を書いて根拠を残します。

4行目がいちばん起きやすい失敗です。 出身国が分かると、生成AIはその国の一般的な書き方で日付を読もうとします。記録を発行した機関の国と出身国は一致するとは限らず、 推し量った読み方が正しい日付として健康記録に残ります。

指示内容を固定する

あなたは大学の国際交流課で、海外から受け入れる人が出した
英文の予防接種記録と健康診断書の記載を記録する立場です。
OCRの読み取り結果だけを使ってください。推測で埋めないでください。

【取り出す項目】
name_raw、dob_raw、
doses（配列：vaccine_raw、date_raw、date_parsed、date_basis、
  lot_raw、clinic_raw、handwritten、status）、
titers（配列：test_raw、value_raw、unit_raw、method_raw、
  date_raw、status）、
exam_date_raw、physician_raw、signed（true / false）

【status の選び方】
- ok ............. 値が読み取れており、その欄の値として解釈できる
- unreadable ..... 文字は検出されているが値として確定できない
- date_ambiguous . 月と日のどちらが先でも成り立つ日付
- unit_unknown ... 抗体検査の単位が書かれていない
- not_signed ..... 健康診断書に医師の署名が無い

【日付の扱い】
- date_raw には書かれた文字をそのまま入れてください。
- 月の名前が書かれている、または片方の数字が13以上で
  並びが一つに決まる場合だけ、date_parsed に YYYY-MM-DD を入れ、
  date_basis に根拠を書いてください。
- 最初の2つの数字がどちらも12以下なら、date_parsed を空にして
  status を date_ambiguous にしてください。
  国籍や国の一般的な書き方で決めないでください。

【厳守事項】
- ワクチンの名前は書かれたまま入れてください。
  MMR を麻しん・風しん・流行性耳下腺炎に分けたり、
  製品名を一般名に直したりしないでください。
- 書かれていない接種を補わないでください。
- 抗体の値が十分か、接種が足りているかを書かないでください。
- 予防接種記録でも健康診断書でもない書類と判断した場合は、
  項目を取り出さず document_type に種類を書いてください。

【受け入れ予定者の氏名と生年月日（照合用）】{expected_identity}
【読み取り結果（TextType と信頼度付き）】{textract_result}

「国の一般的な書き方で決めない」を明記しないと、決めます。 指示が無ければ、生成AIはあいまいな日付をいちばんありそうな読み方で埋めます。埋めた日付が正しいかではなく、確かめていないことが記録から消えることが問題です。

出力形式を固定する

Claude API の構造化出力（output_config.format に json_schema を指定）で、書類ごとに次の形のJSONを受け取ります。

{
  "file": "",
  "document_type": "immunization_record",
  "name_raw": "",
  "dob_raw": "14/07/2001",
  "doses": [
    { "vaccine_raw": "MMR", "date_raw": "03/09/2002", "date_parsed": "",
      "date_basis": "", "handwritten": true, "status": "date_ambiguous" },
    { "vaccine_raw": "Varivax", "date_raw": "21/10/2006", "date_parsed": "2006-10-21",
      "date_basis": "first number 21 > 12", "handwritten": false, "status": "ok" }
  ],
  "titers": [
    { "test_raw": "Measles IgG", "value_raw": "", "unit_raw": "", "date_raw": "", "status": "ok" }
  ]
}

1つ目の理由は、数え直しと照合をプログラムの側に置けることです。 Python が読み替えの表で vaccine_raw を病気ごとの接種に分け、必要な接種の表と照らして印を付けます。

2つ目は、あいまいな日付を照合から外せることです。 date_parsed が空の接種は、Python が回数にも間隔にも数えず、その病気を date_ambiguous にします。 確定していない日付で「足りている」と出す経路を作りません。

3つ目は、titer_only を保健師の判断に渡せることです。 抗体検査で接種に代えられるかは、必要な接種の表に「代えられるか」の列を持たせたうえで、値を見て保健師が決めます。

システムへ連携する

健康記録には、下書きとして書きます。 担当者が原本と見比べて確かめた行だけを確定にし、未確認の行は保健師の画面で色を変えて出します。 AIの読み取りがそのまま健康記録の正本になる作りにはしません。

本人への連絡は自動で送りません。 不足の連絡は、保健師が追加で求めるものを決めてから、担当者が送ります。

人が確認する

国際交流課の担当者が値を確かめ、保健師が不足と抗体の値を判断します。

1. identity_mismatch を最初に片付ける … 氏名の綴りや生年月日の書き方の違いか、別人の書類かを確かめます
2. date_ambiguous の日付を原本で確かめる … 書類の発行元の国、ほかの日付の書き方を見て決め、決めた根拠を記録します。決まらなければ本人に問い合わせます
3. 手書きで信頼度の低い行を見る … ワクチンの名前と日付を原本と見比べます
4. 保健師が missing_dose と titer_only を判断する … 追加の接種か抗体検査のどちらを求めるかを決めます
5. 追加の提出を連絡する … 受け入れ予定日から逆算した期限を付けます

2番目を省かないでください。 あいまいな日付を担当者の慣れで決めると、この構成で分けた「読めた値」と「解釈した値」の区別が、確認の段で消えます。 決めた根拠を一言でも残すことが条件です。

目標は、90件をならして1件6分です。 ok の印のものは数分で確かめ、印の付いたものは保健師の判断と本人への連絡まで含めて10分を超えます。

例外に対処する

4行目は、表を育てる入口です。 保健師が名前ごとに数え方を決めて表に足していくと、数か月で unknown_vaccine はほとんど出なくなります。

記録を残す

• 元の書類と、受け取った日時、送り元、受け入れ予定者の番号
• AWS Textract が返したJSONの全文（指定したバケットに暗号化して保存）
• Claude API が返したJSON（原文と、日付の解釈と根拠）
• 照合の結果と、そのとき参照した読み替えの表と必要な接種の表の版
• 担当者があいまいな日付を決めた根拠と、保健師の判断
• 本人への連絡と、追加で出された書類との対応

5行目が、この構成のいちばん大事な記録です。 後から接種日を問われたとき、原文と、誰がどの根拠でその日付に決めたかが残っていれば説明できます。