拓海さん、最近うちの部下が「自動化で手戻りなくなる」とか「AIで効率化」って言うんですが、具体的に何が変わるんですか。医療の分野の論文を持ってきたんですが難しくて。
素晴らしい着眼点ですね！今回の論文はMedCodERというシステムで、医療記録から自動でコードを付ける、つまり医療の「分類と請求」の手間を大きく減らせる話ですよ。大丈夫、一緒に整理していきますよ。
要するに、診療報酬とか保険請求に必要なコードをAIが自動で当ててくれる、と。うちの現場での投資対効果は見えますか？
結論を3点で言いますね。1つ、提出する作業時間とミスが減る。2つ、専門家がデータのチェックに専念できる。3つ、導入は段階的で既存ワークフローと組み合わせられるんです。ですからROIは現場の規模と現状の手作業量次第で改善できますよ。
なるほど。でも元データはPDFや手書きもあると聞きます。精度の話でよくある「大きなラベル空間」や「証拠となる注釈がない」ってのは、うちで言うとどんな問題ですか？
良い質問です。ここは二段階で考えます。まずPDFや手書きはテキスト化工程が必要で、これはOCR（Optical Character Recognition、光学文字認識）で対応します。次に医療コードは種類が非常に多く、これは「large label space（大きなラベル空間）」と呼ばれており、単純な分類器では対応しにくいのです。そして選ばれたコードの根拠が示されないと現場は信頼しにくい。MedCodERは抽出（extraction）、検索（retrieval）、再ランキング（re-ranking）を組み合わせて、根拠を示しつつ候補を絞るのが特徴ですよ。
これって要するに、AIが単に答えを出すだけでなく「なぜこのコードなのか」という根拠まで持ってこられるということですか？
その通りです！MedCodERは候補コードと、それを支持するテキストの抜き出しや類似文書の提示を行い、ユーザーが最終確認できるようにする設計です。ユーザーインターフェース（UI）も用意し、医療コーダーがAIの提案を受け入れるか修正するかを即座に判断できるようになっていますよ。
データのプライバシーと安全性も気になります。患者情報をクラウドに預けることに現場が抵抗あるんですが。
懸念はもっともです。まずはローカル・オンプレミス運用やプライベートクラウドでの運用が現実的です。次に、AIはあくまでアシストであり人間の確認を前提とする運用ルールを作ることで法令や倫理の側面もカバーできます。最後に段階的導入で、小さな適用領域から効果を示すと現場の信頼は得やすくなりますよ。
分かりました、まずは小さく試して投資対効果を見て、根拠提示で現場を納得させる。自分の言葉で言うと、MedCodERは「AIが候補を示して人が最終確認する仕組み」で、導入は段階的にやる、ということですね。
