医療機関で生成AIはどの業務から使う?効果の出やすい範囲や導入手順・注意点を解説
医療現場でも退院サマリ(入院から退院までの経過をまとめた要約文書)や紹介状の下書きといった形で、生成AIを業務に取り入れる動きが広がっています。しかし、規制が厳しい分野だけに、どの業務から任せるかを見誤れば法令上の問題に直結しかねません。
成果を公表している医療機関の取り組みは、診断や治療そのものではなく文書作成や記録の下書きが中心です。患者への影響が直接及ぶ工程は避け、まずは人の目で確認できる非臨床業務から進めていくのが現実的といえます。
本記事では、医療の業務を「文書・記録」「患者接遇・翻訳」「診察・診断/トリアージ」の3層に分け、生成AIの活用方法を公表事例と規制をもとに整理します。
医療現場の生成AI活用は文書業務の支援から広がり始めている
医療現場における生成AIの活用は、診断や治療ではなく、退院サマリや紹介状といった文書・記録の支援から広がり始めています。人が内容を確認してから使える業務なら、生成AIの誤りを現場で補えるためです。
この章では、導入の実態、生成AIが担う範囲、現場で確認された効果という3つの面から、医療分野の現状を押さえます。
AI製品の導入はまだ少なく文書作成に期待が集まる
厚生労働科学研究として949施設を対象に行われた調査では、医療機関専用として使われるAI製品の導入は、調査時点で総じて低い水準にとどまりました。そのなかで相対的に導入が進んでいたのは翻訳と転倒検知・見守りで、共通的な機能から導入が始まっている状況がうかがえます。
一方で、薬歴・退院サマリ作成やケアプラン・リハ計画といった文書作成に近い領域は導入率が低く、生成AIを組み込んだ製品が今後の活用先として位置づけられています。
生成AIを導入しない理由として最も多かったのは「現状で運用できている」という認識でした。将来の労働力不足への備えが後回しになっている可能性も指摘されています。

図1 医療機関専用AI製品のカテゴリ別導入水準(相対)
この調査結果からは、文書作成の分野に、これから伸びる余地が最も大きく残っていると読み取れます。言い換えれば、多くの医療機関にとって退院サマリや紹介状の作成支援は、まだ着手していないからこそ効果を実感しやすい領域です。
出典:厚生労働科学研究「医療現場における医療AIの導入状況の把握、及び導入に向けた課題の解決策の検討のための研究」(2024年調査)
生成AIが担うのは文書の生成で診断は医療機器AIの領域
医療AIと生成AIは同じものとして語られがちですが、得意な工程は異なります。画像診断支援AIが特定の疾患の検出に特化した専用ソフトであるのに対し、生成AIは文章の生成や要約を幅広く担う技術です。
医療AIプラットフォーム技術研究組合(HAIP)のガイドラインも、従来のAIを「用途を限定して自動化するもの」と位置づけており、生成AIを「多様なコンテンツを生成できるもの」として区別しています。
出典:医療AIプラットフォーム技術研究組合(HAIP)「医療・ヘルスケア分野における生成AI利用ガイドライン(第2版)」(2025年)
規制の面でも扱いが分かれます。臨床判断に用いる生成AIは医療機器に該当し、薬事承認などが必要になる場合があります。一方、医師が最終確認を行う文書作成の支援は医療機器に該当しないと整理されており、導入のハードルが相対的に低いのが実情です。
なお、診断の精度そのものは、薬事承認を受けた診断支援の医療機器が扱う領域です。生成AIの導入では、この線引きを押さえておくと対象業務の選定で迷いにくくなります。
文書支援の効果は医師の92%が実感している
こうした効果は、現場の実感としても裏づけられました。藤田医科大学病院は、退院時サマリー作成支援システムを入院機能を持つ大部分の診療科で運用し、大学病院全体での本格活用として全国初の事例になったと公表しています。
医師170名への調査では92%が業務の効率化につながったと回答し、導入後3カ月で累計約1,000時間が短縮されました。文書支援は構想段階の話ではなく、大学病院の全科規模で成果が確認されるところまで進んでいます。
出典:藤田医科大学「医師の92%が業務効率化につながったと回答 生成AIを活用した『退院時サマリー作成支援システム』が実用化」(2025年)
医療で生成AIを導入する工程と順序
医療の業務は「文書・記録」「患者接遇・翻訳」「診察・診断/トリアージ(症状の緊急度に応じて診療の優先順位を判断すること)」の3つの層に分けられます。生成AIをどの順で任せるかは、この層の区分で考えると判断しやすくなります。
各層ごとの特徴を表に整理しました。
| 工程の層 | 生成AIでできること | 主なリスク | 規制上の位置づけ | 始めやすさ |
|---|---|---|---|---|
| 1. 文書・記録(非臨床) | 退院サマリ・紹介状・議事録の下書き、記録の要約 | 誤りは発行前に医師が確認できる | 医師が最終確認すれば文書作成支援は医療機器に非該当 | 最初の一歩 |
| 2. 患者接遇・翻訳(対面補助) | 説明文の下書き、多言語翻訳、わかりやすい言い換え | 出力が患者に直接届く/利用の通知が必要 | 医学的判断を含めば医師・薬剤師の確認が必須 | 次の段階 |
| 3. 診察・診断/トリアージ(臨床判断) | 病名の候補提示、治療方針のレコメンド、緊急度の判別 | 誤りが診断・トリアージに直結する | 医学的判断に使う生成AIは医療機器該当・薬事承認が必要 | 別枠として慎重に |
表のとおり、患者や診断に近い層ほど誤りの影響は大きく規制も重くなります。
したがって、誤りを人の確認で補える文書・記録から導入し、効果と運用を確かめながら患者に近い層へ広げる順序が現実的です。診察・診断とトリアージは、医療機器としての承認を要する別枠として扱います。
まず文書・記録の下書きから支援する
最初の一歩に適しているのは、文書・記録の作成支援です。
退院サマリや紹介状など、複数の記録から情報を集めて要約する定型的な作業は、生成AIの得意領域になります。
たとえば退院サマリなら、生成AIが電子カルテの診療記録から必要な情報を抽出し、下書きを作成します。医師は情報収集と整理の負担が軽くなり、作成時間を削減できます。
下書きに誤りがあっても、医師が修正してから発行するため、誤った内容が患者に届く前に止められます。医療文書は医師が最終確認して発行するという原則を運用に組み込めば、時間短縮と安全性を両立できます。
次に患者接遇・翻訳を人の確認つきで支援する
文書業務で運用に慣れてきたら、患者への説明文の下書きや多言語翻訳へ広げます。専門的な内容をわかりやすい表現に言い換えたり、外国語話者への案内を訳したりする使い方です。
この層は、文書・記録より慎重さを要します。誤った出力があった場合、そのまま患者に伝わってしまうためです。
ミスを防止するには、翻訳や説明文をそのまま渡さず、担当者が内容を確認してから提供することが大切です。医学的な判断を含む内容であれば、医師や薬剤師の確認を必須にします。誰がどの段階で確認するかを事前に決めておく体制づくりも重要になります。
患者に届く前に人が確認する運用を組み込めば、接遇の支援も安全に広げられるでしょう。
診察・診断とトリアージは医療機器規制の別枠として扱う
病名の候補提示や治療方針のレコメンド、緊急度の判別といった診察・診断の支援は、生成AIの導入というより医療機器の導入として扱うのが適切です。
効果が大きい反面、誤りが診断やトリアージに直結し、患者の不利益につながりやすい点に注意してください。
HAIPのガイドラインは、生成AIが診断結果の案を作成しても、医師が最終判断しなければ医師法に触れると示しています。あわせて、医学的な判断に使う生成AIは、医療機器に該当し薬事承認などが必要です。
診察・診断とトリアージは、文書・記録や接遇と同じ延長で進めずに、承認や検証を含む別の計画として検討する領域です。
出典:医療AIプラットフォーム技術研究組合(HAIP)「医療・ヘルスケア分野における生成AI利用ガイドライン(第2版)」(2025年)
なお、どの層から入れるべきか、どこまでを対象にするかは、自院の診療科構成や電子カルテの環境によって変わります。工程の切り分けから相談したい場合は、法人向け生成AIの提供元に導入設計ごと相談するのも一つの方法です。当社グループの「エクサベース AI」でも、活用の定着までを含めた支援を行っています。
▼関連記事|ChatGPTには情報漏洩の危険がある?事例を交えて注意点や対策を解説
▼関連記事|生成AI利用におけるセキュリティリスクとは?対策や導入方法を紹介
医療現場で生成AIが担える主な業務

非臨床の範囲で、生成AIは具体的にどの業務を支援できるのでしょうか。HAIPのガイドラインが整理した8つのユースケースを土台に、多くの医療機関で取り組みやすい業務を3つのまとまりで説明します。
HAIPが示す8つの区分は、次のとおりです。
- 退院サマリなどのドキュメントワーク支援
- 診察・診断支援
- 患者への説明・接遇支援
- 患者フォローアップ支援
- 患者トリアージ
- 研修支援
- 研究データの処理・分析支援
- デジタルセラピー
ガイドラインは区分ごとに概要とリスク、対策例を添えています。診察・診断支援やトリアージ、デジタルセラピーは医療機器としての扱いを含む別枠のため、ここでは残りの区分から、取り組みやすい業務を見ていきます。
出典:医療AIプラットフォーム技術研究組合(HAIP)「医療・ヘルスケア分野における生成AI利用ガイドライン(第2版)」(2025年)
退院サマリや紹介状など診療文書の下書き
中心になるのは、ドキュメントワーク支援にあたる診療文書の下書きです。退院サマリや紹介状のほか、診療録の要約、会議の議事録など、複数の記録から情報を集めて整える文書が対象になります。
いずれも医師や職員の確認を経て完成させる文書のため、生成AIの下書きをそのまま使わない運用と相性がよく、時間のかかる書き起こしの負担を減らせます。
患者への説明資料と案内文の作成
患者への説明・接遇やフォローアップの支援も、文書づくりが中心の業務です。専門的な内容を平易な表現に言い換えた説明資料や、受診案内・注意事項の文面づくりに使えます。
患者の目に直接触れる文書のため、内容の確認は診療文書より厚くします。医学的な判断を含む場合は、医師や薬剤師の確認を必須にしてください。
研修資料づくりと研究データの整理
研修支援と研究データの処理・分析も、非臨床で取り組みやすい区分です。院内研修の資料や設問のたたき台づくり、研究に使う記録の要約・分類の下準備を任せられます。
患者対応から離れた業務のため誤りの影響が比較的小さく、職員が生成AIの操作に慣れる場としても役立ちます。
医療機関が生成AIの活用で得られる3つの効果

文書・記録から取り入れる進め方で得られるのは、作成時間の削減だけではありません。効果は現場の時間、組織の品質、経営のデータへと段階的に広がります。
時間の効果は導入直後から数値に表れやすい一方、品質とデータの効果は運用を重ねるほど大きくなっていきます。
- 文書作成の時間が減り診療に集中できる
- 記録の質が標準化され職員間の差を小さくできる
- 蓄積した記録が経営分析や研究の基盤になる
文書作成の時間が減り診療に集中できる
文書の要約と下書きを生成AIが支援すると、作成時間が大きく縮みます。国立病院機構名古屋医療センターは、富士通Japanの医療文章作成支援サービスを使い、退院サマリの作成時間を患者一人あたり平均28分から8分へ短縮して7割以上の効率化を確認しました。
年間約1万6,000件の退院サマリを作成する同センターでは、年間約5,000万円以上のコスト削減効果が見込まれると試算されています。医師が情報収集と整理に費やしていた時間が減り、患者と向き合う時間や専門的なケアに集中できるようになります。
図2 退院サマリ作成時間の短縮例(名古屋医療センター)

出典:富士通Japan「生成AIを活用した医療文章作成支援サービスを国立病院機構名古屋医療センター様に導入」(2025年11月)
記録の質が標準化され職員間の差を小さくできる
生成AIで文書作成を支援すると、職員による記載内容のばらつきを抑えられます。退院サマリは、必要な情報の取捨選択が作成者ごとに異なり、網羅性に差が出やすい文書だからです。AIが診療記録から必要な項目を拾って下書きを作れば、記載の質と網羅性を一定に保ちやすくなります。
富士フイルムは、退院サマリの作成時間を平均42%短縮し、最大では60%短縮できることを複数の医師との検証で確認しました。同社は、年間約2万件の退院サマリを作成する大規模病院で導入した場合、年間約2,700時間の作業時間削減が期待できると試算しています。作成時間の短縮と記載の均質化は、同じ仕組みから同時に得られます。
出典:富士フイルム「患者情報文書案を生成AIで自動作成する技術を開発」(2025年)
蓄積した記録が経営分析や研究の基盤になる
生成AIによる要約を運用に組み込むと、診療記録が構造化された形で蓄積され、後からの検索や分析がしやすくなります。日々の文書作成が、そのまま経営分析や臨床研究に使えるデータづくりを兼ねる形です。
藤田医科大学病院のように全科規模で運用する例では、診療科を横断してデータを扱う土台が整います。文書支援の効果は、目の前の時間短縮にとどまらず、データ活用という将来の価値につながります。
文書業務から入れて成果を公表している事例を表にまとめました。
| 医療機関・企業 | 取り組み | 成果・特徴 |
|---|---|---|
| 名古屋医療センター(富士通Japan) | 電子カルテから退院サマリの下書きを自動生成 | 作成時間を28分→8分(7割以上短縮)、年約5,000万円以上の削減見込み |
| 富士フイルム | 退院サマリの文案を生成AIで自動作成 | 作成時間を平均42%・最大60%短縮を検証 |
| 藤田医科大学病院(FIXER) | 退院時サマリー作成支援を全診療科規模で運用 | 医師170名の92%が業務効率化と回答、大学病院全体では全国初 |
いずれも診断ではなく文書作成の支援であり、「非臨床の文書業務から入れて成果を出す」という本記事の主張を裏づけています。
文書業務の成果を全社で標準化してAIを使うなら
こうした標準化と定着を全社へ広げるには、活用のノウハウを個人に依存させない仕組みが要ります。プロンプトや業務フォーマットを組織で共有できる「エクサベース AI」のような環境を選ぶと、成果を一部の医師だけにとどめずに広げられます。
医療で生成AIを使うときに押さえる規制と安全の注意点

効果が見込めても、備えのないまま進めれば医療現場では事故につながります。生成AIは事実と異なる内容をもっともらしく出力することがあり(ハルシネーション)、この性質を前提に対策を組み立てなければなりません。医療分野に固有の注意点を3つに絞って説明します。
- ・効能・診断の断定を避け業務支援に主題を絞る
- ・医療情報の取り扱いは3省2ガイドラインとセキュアな環境で設計する
- ・医師・薬剤師の最終確認とAI利用の通知を工程に組み込む
効能・診断の断定を避け業務支援に主題を絞る
生成AIの活用を語る際は、「診断できる」「病気が治せる」「効果がある」といった効能の断定は避けてください。医薬品や医療機器の効能効果に関する虚偽・誇大な表現は薬機法で禁じられており、診療の効能に踏み込むと規制に触れてしまいます。
生成AIの主題は、あくまで文書作成や記録、問い合わせ対応といった業務の支援に置きます。診断や治療の効果を保証する表現ではなく、作業時間や記載の質といった業務上の指標で効果を語ると規制の観点でも安全です。
診療そのものの効能を扱う場合は、厚生労働省などの一次情報に限定し断定を避けましょう。
医療情報の取り扱いは3省2ガイドラインとセキュアな環境で設計する
診療や相談の記録には、氏名や病歴などの機微な個人情報が含まれます。どのデータを、どの範囲で生成AIに渡すのかを事前に決め、安全な環境で扱う設計が欠かせません。
HAIPのガイドラインは、医療情報を扱う生成AIについて、厚生労働省・経済産業省・総務省の3省が定めた2つのガイドライン(通称「3省2ガイドライン」)に沿った対応を求めています。
入力したデータをAIの再学習に使わせない設定や、国内で完結する安全なネットワークの利用を、導入後ではなくツール選定の段階から要件に含めてください。
医師・薬剤師の最終確認とAI利用の通知を工程に組み込む
生成AIの出力は誤りを含む前提で、そのまま使わず人が確認する工程を残します。医療文書など医学的な判断を含む出力は、医師や薬剤師の確認が前提になるためです。
誰がどの段階で確認し、修正が必要なときにどう対応するかを事前に定める仕組みづくりも重要です。患者に関わる場面では、生成AIを利用している旨を適切に伝える配慮も求められます。確認の役割分担と通知の設計を運用に組み込むことで、責任の所在を明確にできます。
患者や診断に近い工程ほど確認を厚くし、誤りが患者に届く前に止められる手順を用意してください。
なお、こうした安全要件を個別に満たそうとすると負担が大きいため、再学習への非利用や権限管理を標準で備えた法人向けサービスを使うと、効果とリスク管理を両立しやすくなります。「エクサベース AI」は、入力データを学習に使わせない設定や、社内文書を権限管理のうえで参照するRAG(社内データを検索して回答に使う仕組み)に対応しています。
医療機関が生成AIの導入を成果につなげる4ステップ

導入がうまくいくかどうかは、ツールの性能だけでは決まりません。目的の設定から対象業務の絞り込み、データの整備、展開の順序まで、進め方の設計で差がつきます。成果につなげる手順を、4つのステップに分けて説明します。
- 対象業務を棚卸ししてKPIを決める
- 文書業務に絞ってPoCで前後を比較する
- 参照する記録・ナレッジを整えて精度を保つ
- 小さく始めて工程を段階的に広げる
1. 対象業務を棚卸ししてKPIを決める
最初に取り組むのは目的の言語化です。目的が曖昧なまま導入すると、効果が出ているかを誰も判断できず、活用が止まる典型的な失敗につながります。実際、AI導入の全国調査では、未導入の理由として「現状で運用できている」が最も多く挙げられました。
退院サマリ・紹介状・議事録など、どの文書にどれだけの時間がかかっているかを棚卸しし、改善したいKPI(重要業績評価指標)を先に決めてください。退院サマリ1件あたりの作成時間を何分縮めたいのか。数値で置いた目標が、次の検証の合否基準になります。
2. 文書業務に絞ってPoCで前後を比較する
次は小規模な試験導入です。PoC(Proof of Concept:概念実証)と呼ばれる段階で、効果が出やすい文書作成に対象を絞り、導入前後の数値を比較します。
たとえば「1診療科の退院サマリ作成に1カ月使い、1件あたりの作成時間の変化を測る」といった設計なら、投資判断に足る根拠を短期間で得られます。先行事例では作成時間が28分から8分へ縮んでおり、効果は数値で確かめやすい領域です。検証の前に、AIが参照する診療記録が整っているかを確認しておきましょう。
3. 参照する記録・ナレッジを整えて精度を保つ
生成AIの出力の質は、参照する記録やナレッジの質に大きく左右されます。カルテの記載や院内のマニュアルが古いままなら、AIも古い前提で下書きを作ります。
誤りや重複を整理し、最新の状態に保つことが精度の前提です。整備は一度きりの作業ではありません。診療科やルールの変更を記録へ反映する担当と頻度を決め、運用のなかで更新し続ける体制をつくってください。
4. 小さく始めて工程を段階的に広げる
PoCで効果を確かめたら、適用範囲を広げます。順序は文書・記録から患者接遇へ、慎重な検討を前提に診察・診断の領域は医療機器として別に扱います。工程のリスクが小さい側から大きい側へ進む流れです。
最初から全工程を自動化しようとすると、現場の混乱と誤りのリスクを同時に抱え込みます。効果と運用を確かめながら一歩ずつ広げるほうが、結果として定着しやすくなります。文書業務で整えた記録とナレッジは、その先の活用にも引き継がれます。
2026年の医療DX政策が生成AIの業務活用を後押しする
医療機関が生成AIを業務に取り入れる動きは、国の政策とも足並みがそろい始めています。制度面の後押しを押さえておくと、導入の判断材料になります。ここでは診療報酬改定とレセプト業務の研究に触れます。
令和8年度診療報酬改定は医療DXを柱に据えている
2025年12月にまとめられた令和8年度診療報酬改定の基本方針は、医療の高度化や医療DX、イノベーションの推進を柱の一つに掲げています。この改定は2026年6月に施行されました。
方針は、医療現場でAI・ICTを活用してさらに医療DXを進めることが、効率的で質の高い医療の実現に重要だとしています。人手不足への対応として、医療従事者の業務負担の軽減が求められるなか、文書業務の効率化はこの流れに沿った取り組みだといえます。
出典:厚生労働省「令和8年度診療報酬改定の基本方針」(2025年)
レセプト作成の自動化は研究段階で完全自動化は今後の課題
診療報酬請求(レセプト)の自動化にも生成AIの活用が研究されていますが、現時点では補助にとどまります。厚生労働科学研究の実験では、範囲を限定した検体検査で、生成AIが検査オーダーから診療行為への変換において73.7%から97.1%の正答率を示しました。
ただし、この研究は限定的な条件での基礎実験であり、完全な自動化は現状では難しいとされています。期待の大きい算定や診断に近い領域ほど、現状は人の確認を前提とした補助にとどまります。
出典:厚生労働科学研究「診療行為の構造化と生成AI等を活用した標準化されたレセプト作成機能開発の為の基礎的調査研究」(2024年度)
医療情報を安全に扱って生成AIを使う選択肢:エクサベース AI
医療機関が生成AIを導入するうえで、最後に立ちはだかるのが情報の安全性と全社での標準化です。機微な診療情報を扱う以上、セキュリティは導入の前提であり、成果を一部の医師にとどめず組織へ広げる仕組みも欠かせません。
「エクサベース AI」は、入力したデータをAIの学習に使わせない設定と、社内文書を権限管理のうえで参照するRAGに対応した法人向けサービスです。導入企業1,700社・15万IDで利用されています(2026年7月時点)。応対や文書作成のプロンプトを組織で標準化し、属人化しがちな活用のノウハウを組織の資産に変えられる点が特徴です。
出典:エクサウィザーズ「エクサベース AI」サービスサイト(2026年7月時点)
まとめ
医療における生成AIの活用は、診断や治療をまるごと任せるのではなく、退院サマリや紹介状といった文書・記録の支援から取り入れ、効果と安全を確かめながら患者に近い工程へ広げることで成果につながります。医療機関専用AIの導入がまだ限定的で、文書作成の分野に期待が集まる現状を踏まえれば、文書業務から始める順序は理にかなった選び方です。
診察・診断に生成AIを使う領域は、医療機器としての承認を要する別枠であり、文書支援と同じ延長では進められません。人手不足という課題を、人を増やすことだけで解決するのは難しいのが実情です。文書業務の負担を仕組みで軽くする発想が、現実的な第一歩になります。自院のどの業務から取り入れるべきか、どう効果を測ればよいかを検討したい場合は、サービス資料をご覧ください。



