2026/08/05(Wed)
医療現場の働き方改革が進む中で、電子カルテへの音声入力AIが注目を集めています。診療記録や看護記録の作成は医療者の業務時間を大きく圧迫しており、音声入力によってカルテ入力を効率化できれば、その負担を大幅に減らせると期待されているためです。
実際、音声入力AI(音声認識、ASR)はこの数年で急速に精度が向上し、スマートフォンの文字入力や会議の議事録作成など、日常的な場面では実用レベルに達しています。タイピングよりも圧倒的に速く、両手がふさがっている状況でも記録が残せる——これは、患者と向き合いながら記録をとる医療現場にこそ、本来もっとも恩恵の大きい技術のはずです。
しかし、電子カルテの音声入力を実現する音声認識AIの開発は、一般的な音声入力AIとは比較にならないほど難しいというのが実情です。
音声入力AIは、単に「音を文字に変換する」だけの技術ではありません。話者の発話意図を理解し、文脈に応じて正しい語を選び、それを正確なテキストへ落とし込む必要があります。
日本語はこの点で特に難易度が高い言語です。同音異義語が多く、単語の区切りが曖昧で、話し言葉と書き言葉の乖離も大きい。英語圏で開発された音声認識モデルの延長線上では、精度に限界が出やすいという指摘があります。
電子カルテ向けの音声入力AIでは、この難しさがさらに増幅されます。
1. 専門用語の量と多様性
病名、薬剤名、検査名など、一般的な音声認識モデルの学習データにはほとんど登場しない語彙が大量に使われます。似た音で意味がまったく異なる薬剤名も少なくありません。
2. 発話環境の特殊性
診察室や処置室では、複数人の会話、医療機器の音、患者の声、医療者同士のやり取りが同時に混ざり合います。医療者がマスクを着用したまま早口で話すことも多く、音声の明瞭度が下がりやすい環境です。
3. 記録としての正確性
日常会話であれば多少の誤認識は許容されますが、医療記録における誤認識は、投薬量の間違いや診断情報の欠落など、患者の安全に直結しかねません。「抜け漏れ」や専門用語の誤変換が許されない領域です。
こうした課題に対して、既存の汎用音声認識AIに専門用語辞書を後付けする、という対症療法的なアプローチが一般的にとられてきました。しかしこれだけでは、語彙の追加はできても、医療現場特有の発話パターンや環境ノイズへの根本的な対応にはなりません。
私たちWonder Drillは、コエレクという医療現場向けの音声入力サービスを開発・提供する中で、この壁に何度も直面してきました。既存モデルの改良ではなく、実際の医療現場で働く医療者の声そのものを集め、そこから学習データをつくり、電子カルテに最適化された医療特化の音声認識AIをゼロから構築するという研究に取り組んでいます。
そして現在、実際の医療者の声から作った音声認識AIは、すでに既存の一般的な音声認識AIよりも高い精度の結果を出し始めています。医療者から集めた実データをもとに学習を重ねることで、日本語・医療領域において日本で一番いい音声入力AIを目指す取り組みは、着実に前進しています。今後の開発の進捗を、ぜひお楽しみにしていてください。