生成 AI 加算 2026 — 国内 7 製品 + 米英 4 製品 中立比較

はじめに

令和 8 年 6 月施行の診療報酬改定で、生成 AI に関連する加算が「医師事務作業補助体制加算」の柔軟化と「電子的診療情報連携体制整備加算」の新設という形で動き始めました。本記事は、(1) この 2 加算群が何を評価し、何を評価していないのか、(2) 国内主要 7 製品の 6 軸加重スコアと差別化要点、(3) 米英先進 4 製品の規制・エビデンス・日本上陸見立て、を一次資料 + PMID 引用に基づき中立比較したものです。読者は院長・事務長・総務をはじめとするクリニック経営層を想定し、契約前の意思決定で外せない論点に絞っています (推定)。

§1 生成 AI × クリニック実装の大局

結論から言うと、2026 年 6 月施行の令和 8 年度診療報酬改定では、医師事務作業補助体制加算 が生成 AI を組織として活用する場合に柔軟化され (1.2/1.3 人換算等)、加えて 電子的診療情報連携体制整備加算 が新設されます (令和 8 年 6 月算定開始、初診時最大 15 点・再診 2 点、3 段階区分。旧「医療 DX 推進体制整備加算」+「医療情報取得加算」を統合再編)。独立した『生成 AI 加算』は新設されず、上記 2 加算群への分散織込み という形を取ったのが現在地です (厚生労働省 個別改定項目 PDF、2026 年 3 月公示。俗称『生成 AI 加算』は厚労省・中医協公式の仮称ではなく、業界実務上の呼称です)。

ここで言う「クリニック向け生成 AI」は、大きく 3 つのカテゴリに分かれます。ambient AI scribe (診察中の医師–患者会話を STT + LLM で SOAP に整形する、いわゆる AI 音声カルテ)、AI 文書補助 (紹介状・退院サマリ・診療情報提供書の下書き自動生成)、AI 問診 (受付前 Web/タブレット問診の主訴整理と既往薬剤抽出) の 3 系統で、本記事はこの 3 系統を横断的に扱います。

国内市場規模は、Ubie 生成 AI 単独で 1,800 施設超 (2026 年 Q1 時点) に達しており、既存 EMR ベンダー側 (CLINICS / エムスリーデジカル / CLIUS / メディコム / MI・RA・Is / NEC MegaOak) の AI Assist 機能拡張を合算すると、2026 年中に 国内 5,000-10,000 施設規模 に到達する見込みです (見立て、各社プレスリリースからの粗計算)。公的統計は未整備で、(推定) 値の前提として明示します。

技術潮流としては、直近 3 年で 3 つの転換点がありました。第一に LLM 基盤モデルの進化 — GPT-4o / Claude / Gemini 系の臨床ノート生成精度が、専門医評価で「下書きとして実用可能」水準に届きました (各社モデルカード + 国内ベンダー検証レポート、見立て)。同業の先生方から「ambient scribe の peer-review エビデンスはあるのか」と相談を受けますが、DAX 系 ambient scribe の代表例として、Stanford Healthcare 単一施設 48 名 3 ヶ月のパイロット QI で、task load -24.42、burnout -1.94、usability +10.9 (いずれも p<0.001、paired n=38) が報告されています (Shah SJ, et al. JAMIA 2025;32(2):375-380. PMID 39657021)。第二に日本語 STT 精度の底上げ — AmiVoice iNote (アドバンスト・メディア) 等の医療向け OEM エンジンが医療用語辞書を取り込み、英語環境との精度差が縮小しました (英語と日本語の精度差は依然残る、見立て)。第三に EMR ネイティブ統合 — 米国 Epic + Abridge / Microsoft Dragon Copilot (旧 Nuance DAX Copilot) の連携モデルを後追いする形で、国内大手 EMR ベンダーが自社 AI Assist を EMR 内に直結する流れが固まりました (CLINICS + AI Summary Assist、メディコム + AI Assist、NEC MegaOak AI メディカルアシスト等)。

主要ベンダーの俯瞰では、国内主要 7 社が市場の中心です。

• Ubie 生成 AI — 1,800 施設超導入、令和 8 年度改定の医師事務作業補助体制加算 1.3 倍換算ハブとして自社シミュレーションを提示
• CLINICS + AI Summary/Document Assist (メドレー) — EMR ネイティブ AI 連携で SOAP 自動生成と紹介状要約
• エムスリーデジカル + AI 音声カルテ — エムスリー流通網 + OEM 統合
• CLIUS + AI (DONUTS) — 2026 年 4 月リリースの SOAP 自動生成と AI 経営分析 (※ DONUTS グループ COI 要注記)
• メディコム + AI Assist (ウィーメックス) — 診療所〜中規模医療法人に強い老舗 EMR
• MI・RA・Is +AI (シーエスアイ) — JCHO 北海道病院 + プレシジョン (AI 音声認識「今日の AI 音声認識」) + シーエスアイ (EMR MI・RA・Is V 連携) + NTT ドコモビジネス (スマホ基盤) の 4 者連携として、厚労省『ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業』(通称: AI カルテ下書きモデル事業) に採択、オンプレ AI 完結
• NEC MegaOak AI メディカルアシスト — 大手病院向け、診療情報提供書 + 退院サマリの自動生成

これに加えて、AmiVoice iNote / SpeechER / MEDISMA AIクラーク / Henry AI Copilot 等の補足 10 社が網羅対象として §5 末尾で扱われます。

ここから先の章では、§2 で文献 6 件の Tier 分布、§3 で日米英の制度比較、§4 で日本の薬機法・診療報酬・3 省 2 ガイドライン、§5 で主要 7 製品の 6 軸比較、§6 で米英先進 4 製品 (Microsoft Dragon Copilot / Abridge / TORTUS / Heidi) と日本展望、の順に見ていきます。クリニックの意思決定としては、「自院の主要算定群 (医師事務作業補助体制加算 + 電子的診療情報連携体制整備加算) と AI 導入の重なりを確認する」のが最初の一歩 で、製品選定はその後に続く、というのが本記事を通した見立てです (推定)。

§2 文献的情報 + 発展見込み + 活用見込み

採用文献の概観

本記事で採用した peer-reviewed 文献は 6 件です。臨床エビデンスレベル別の内訳は、I (SR) が 1 件、II (前向き Quality Improvement) が 1 件、III (multi-site 後ろ向き / research framework) が 2 件、V (editorial / scoping protocol) が 2 件。製品実装エビデンス Tier 別の内訳は、Tier P1 (多施設前向き) と P2 (単施設前向き) の境界事例が 1 件 (Shah SJ, et al. の Stanford ambient scribe パイロット、PMID 39657021、単施設 48 名 3 ヶ月)、Tier P2 (multi-site 後ろ向き) が 1 件 (Gao Y, et al.、PMID 39993309)、Tier P3 (research framework) が 1 件 (Li R, et al. の CARE-AD、PMID 40849361)、残り 3 件は editorial・SR・scoping protocol で Tier 該当なし、という構成です。

結論から言うと、ambient AI scribe の臨床アウトカム評価は Shah SJ, et al. (Stanford Health Care) の単施設パイロット QI (PMID 39657021) が現時点の中核 peer-reviewed エビデンスで、task load・burnout・usability の 3 軸すべてで有意な改善を示しています。一方、生成 AI を診断支援に統合する文脈では、LLM 単独の限界が multi-site 後ろ向きレベルで明らかになりつつあり (Gao Y, et al. PMID 39993309)、Knowledge Graph 補強や multi-agent 構成 (Li R, et al. PMID 40849361) が次の研究フェーズに入っています。日本での今後を見立てるために、本セクションでは 6 件を Tier 併記で詳述します。

主要文献の詳細

Shah SJ, et al. (Stanford Health Care), Journal of the American Medical Informatics Association, 2025;32(2):375-380 (PMID 39657021): Stanford Healthcare 単一施設で ambient AI scribe (Microsoft Dragon Copilot 系、旧 Nuance DAX Copilot) を導入した 48 physicians 対象・3 ヶ月パイロット QI implementation study (multi-specialty pilot、multi-institution ではない)。評価指標は task load (NASA-TLX)、Mini-Z burnout score、System Usability Scale (SUS) ベースの usability の 3 軸です。Abstract に明記された主要結果 (paired n=38) は、task load -24.42 (p<0.001)、burnout score -1.94 (p<0.001)、usability score +10.9 (p<0.001) の 3 点で、いずれも有意改善を示しました。研究デザインは Tier P1 (多施設前向き) と Tier P2 (単施設) の境界事例 に位置付けられます (literature brief 自身が境界事例と注記)。日本クリニックへの示唆は、米国の英語 STT 精度を日本語環境で再現できるかという 1 点に集約され、国内ベンダーが peer-review 評価を出す際は本論文の 48 名 3 ヶ月パイロット設計が現実的な参照点となります。本記事 §1 §4 でも、生成 AI 関連加算群 (医師事務作業補助体制加算柔軟化 + 電子的診療情報連携体制整備加算新設) の正当性根拠として参照します。

Leung TI, et al. JMIR Med Inform editorial, 2025 (PMID 40749188): AI scribe を医療に統合する際の責任ある枠組みを論じた editorial。研究デザインは V (Expert Opinion) で効果量の数値はありませんが、(1) AI scribe 市場の急速な拡大、(2) 規制・償還・EHR 連携の論点整理、(3) clinician と patient の双方への影響、という業界俯瞰として有用です。日本のクリニック導入観点での示唆は、editorial として「市場成熟期に入りつつある」というトーン把握の根拠であり、本記事 §1 で AI scribe 市場俯瞰の 1-2 行を引く際の典拠としています。

Ebad SA, et al. Healthcare (Basel) SR, 2025;13(7):817 (PMID 40218113): AI-based Software as a Medical Device (AI-SaMD) を対象とした systematic review で、エビデンスレベル I。過去 10 年の FDA 510(k) / De Novo / PMA における AI-SaMD 承認動向と、規制適応の論点を網羅しています。具体的な承認件数や年次推移は full text 確認推奨ですが、本 SR は 生成 AI を含む AI-SaMD が規制側でどう扱われているか を peer-review レベルで整理した数少ない一次文献で、§3 日米英制度比較 + §4 日本法令保険の根幹文献として位置付けています。日本クリニックへの示唆は、PMDA の SaMD クラス分類 (クラス I / II / III-IV、薬機法 2 条 13 項の用途定義「疾病診断用/治療用/予防用プログラム」とは別軸) の今後の動向を読む際の比較軸として参照する点です。

Gao Y, et al., JMIR AI, 2025;4:e58670 (PMID 39993309): LLM (Large Language Model) に Medical Knowledge Graph を統合して診断予測の精度を評価した design and application study。2 EHR datasets from different geographic locations (multi-site) を用いた後ろ向き設計で、主要アウトカムは AUC・F1 等の予測精度指標です。研究デザインは Tier P2 (multi-site retrospective) で、主要結果は LLM 単独より Knowledge Graph 補強が予測精度を有意に改善した という方向性。具体的な AUC 差分は full text 確認推奨です。日本のクリニック導入観点での示唆は、生成 AI 関連加算群の対象製品を選定する際の評価軸として「単独 LLM ベンダー vs Knowledge Graph 統合ベンダー」の二分軸を意識する根拠です。診断支援文脈の Tier P2 事例として §5 §6 の評価軸にも反映します。

Li R, et al. (CARE-AD framework), NPJ Digit Med, 2025;8(1):541 (PMID 40849361): Alzheimer 病予測を目的に multi-agent LLM (CARE-AD) を構築し、長期の臨床ノートから後ろ向きに評価した研究。エビデンスレベル III、製品実装 Tier P3 (research framework、商業実装なし) です。主要アウトカムは accuracy で、accuracy 0.53 vs. baseline 0.26-0.45 を示し、AD 発症 10 年前の予測を可能にした点が特徴です。multi-agent 構成 (複数 LLM が役割分担して相互に検証する設計) が単一 LLM より高い精度を示した方向性が報告されています。日本のクリニック導入観点での直接示唆は限定的ですが、§6 米英→日本展望で「次世代 LLM 構成は multi-agent に向かう」という見立ての論文典拠として位置付けます。

Garcia Sanchez C, et al. JMIR Res Protoc, 2025;14:e73602 (PMID 40779760): 医療従事者の generative AI および ambient scribe 受容性に関する scoping review の protocol。研究デザイン V、結果はまだ公開段階ですが、protocol 段階で Microsoft Dragon Copilot (旧 Nuance DAX Copilot) / Speke / Tandem Health の 3 製品が明示されており、米国市場の代表製品としての位置を裏付けています。本記事では §1 大局で「医療従事者側の受容性は研究段階で組織的に評価され始めている」という根拠として参照します。

製品実装エビデンス概観: Microsoft Dragon Copilot (旧 Nuance DAX Copilot) 系は Shah SJ, et al. (PMID 39657021、単施設 48 名 3 ヶ月パイロット、Tier P1/P2 境界事例) として peer-review 化された数少ない海外実装エビデンスです。国内ベンダーは現時点で Tier P2-P3 主体で、Ubie / CLINICS / NEC MegaOak / メディコム 等は単施設後ろ向き or ベンダー発表のみの段階。シーエスアイ MI・RA・Is +AI は厚生労働省『ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業』(通称: AI カルテ下書きモデル事業) に JCHO 北海道病院 + 株式会社プレシジョン (AI 音声認識「今日の AI 音声認識」) + 株式会社シーエスアイ (EMR MI・RA・Is V 連携) + NTT ドコモビジネス (スマートフォン基盤) の 4 者連携 として採択されており、Tier P2 (単施設前向き) への昇格が見込まれます (推定)。日本国内で Tier P1 (多施設前向き) が出るのは早くても 2027-2028 年と見立てています。

発展見込み (3-5 年、(見立て))

技術面では、LLM 基盤モデルの世代進化 (GPT-5 系 / Gemini 系) と日本語 STT 精度の改善、マルチモーダル統合 (音声 + テキスト + 画像) が同時並行で進む見立てです。Li R, et al. の CARE-AD 系 multi-agent 構成 (PMID 40849361) や Gao Y, et al. の Knowledge Graph 統合 (PMID 39993309) は現時点で research framework / multi-site 後ろ向きですが、3-5 年内には商業製品への組込が現実化する見立てが立ちます。規制面では、PMDA SaMD クラス分類の II → III 拡張、FDA Lifecycle Management Draft Guidance の正式化、NICE Evidence Standards Framework 2022 版の改定が並行して進み、AI-SaMD の規制レーンが peer-review エビデンスを前提とする方向に揃ってきます (見立て)。ベンダー側では、Microsoft が 2025 年 3 月に DAX Copilot + Dragon Medical One を統合し『Microsoft Dragon Copilot』としてリブランドした大手 M&A の流れに代表される業界再編、国内では Ubie / Abridge 系の Series 拡大、シーエスアイの厚労省採択 4 者連携モデルからの横展開、という再編が 3-5 年スパンで進む見立てです。

クリニック活用見込み ((推定))

院長が今日できる準備は 1 つ、院内 prompt 入力ルールを 3 省 2 ガイドライン体系 (厚労省 GL 第 6.0 版 + 経産省・総務省 GL 第 2.0 版 + 個情委ガイダンス) に沿って明文化することです。3-12 ヶ月以内に判断すべきことは 1 つ、令和 8 年度改定の正式告示 (2026 年 3 月公示・6 月施行予定) を踏まえた 生成 AI 関連加算群 (医師事務作業補助体制加算柔軟化 + 電子的診療情報連携体制整備加算新設) の自院適用判断 で、契約前にベンダー側の算定要件チェックリストを取り寄せておくのが現実的な道筋です (推定)。

§3 日米英の制度比較

生成 AI を組み込んだ診療支援ツールは、3 ヶ国とも「Software as a Medical Device (SaMD)」枠で扱われますが、評価フレームの精緻さと導入時の適合義務化レベルに差があります。

(表の読み方: 米国は AI/ML 専用 3 原則で国際整合化を主導、英国は導入「前」評価を 5 軸の national baseline で制度化、日本は薬機法 + 安全管理 GL + 個情委ガイダンスの 3 文書分散型、という構造差です。)

🇯🇵 日本 (PMDA + 厚労省)

日本では AI ambient scribe 等のソフトウェアが医療機器プログラムに該当するかは、まず 薬機法第 2 条第 13 項 の用途定義 (「疾病診断用 / 治療用 / 予防用プログラム」) で判定されます。該当しないものは医療機器プログラム該当外として薬機法対象外。

「疾病診断用プログラム（副作用又は機能の障害が生じた場合においても、人の生命及び健康に影響を与えるおそれがほとんどないものを除く。）、疾病治療用プログラム、疾病予防用プログラム、及びこれらを記録した記録媒体」 (PMDA 医療機器 添付文書等情報検索, 2026-06-01 取得)

用途定義とは別軸で、PMDA の薬事承認区分は クラス I (一般医療機器) / クラス II (管理医療機器) / クラス III-IV (高度管理医療機器) のリスクベース 4 区分で運用されます。AI ambient scribe 系は現状大半が「医療機器該当外」または「クラス I」に留まり、診断支援機能を付加するとクラス II 以上に切り上がる構造です ((見立て))。この 2 軸 (用途定義 × クラス分類) を混同しないことが、院長が vendor 説明を読み解く際の起点になります。

並走する形で、厚労省「医療情報システムの安全管理に関するガイドライン 第 6.0 版」(令和 5 年 5 月改定) が概説 / 経営管理 / 企画管理 / システム運用の 4 編構成で医療機関側の運用要件を定めています (厚労省 医療情報安全管理 GL 第 6.0 版, 2026-06-01 取得)。

クリニック導入観点: 院長は導入予定 vendor が (a) 用途定義上で医療機器プログラム該当か、(b) 該当する場合 PMDA クラス何で承認/届出済か、を分けて確認するのが実務的 ((見立て))。

🇺🇸 米国 (FDA + CMS)

米国 FDA の SaMD 枠組は IMDRF (国際医療機器規制当局フォーラム) 定義をベースに CDRH が運用、FDA は IMDRF SaMD Working Group の議長を務めています。

"The term Software as a Medical Device is defined by the International Medical Device Regulators Forum (IMDRF) as 'software intended to be used for one or more medical purposes that perform these purposes without being part of a hardware medical device.'" (FDA Software as a Medical Device (SaMD), 2026-06-01 取得)

AI/ML 専用には FDA-Health Canada-MHRA 共同の 3 ガイディング原則 — GMLP (2021)、PCCP (継続学習型の事前変更管理)、Transparency for ML-Enabled Medical Devices — が整備済みで、国際標準化リーダーの位置にあります。Microsoft Dragon Copilot (旧 Nuance DAX Copilot) 等の ambient AI scribe 系は、これらの枠組下で診療記録補助ツールとして展開されています。

保険償還は CMS の Medicare Coverage Database で NCD (全米一律) / LCD (州・地域) の 2 階層構造 (CMS Medicare Coverage Database, 2026-06-01 取得)。Ambient AI scribe は独立 CPT コードを持たず、医師の E/M (Evaluation and Management) サービス時間に込みで運用されます。米国は「AI が補助した」事実を独立点数で算定しない方式で、日本の「加算」アーキテクチャと根本的に異なる ((見立て))。

🇬🇧 英国 (NICE + MHRA / DTAC + NHS DCB)

英国は評価・法規・安全標準が 3 層構造。第 1 層は NICE の Evidence Standards Framework (ESF) で、2022 年 8 月に Imperial / Birmingham / Turing Institute との共同研究で AI 対応へ大幅改定。

"The ESF has been produced to promote more consistency in the evaluation of digital health technologies (DHTs) across the NHS. The intended users are: commissioners and evaluators in the health and care system making purchasing decisions." (NICE Evidence Standards Framework, 2026-06-01 取得)

第 2 層は MHRA の医療ソフトウェア規制 (UKCA marking 体系下) (MHRA Medical devices: software applications, 2026-06-01 取得)。第 3 層は NHS Transformation Directorate の DTAC 5 軸 — clinical safety / data protection / technical security / interoperability / usability and accessibility — が NHS 調達の national baseline として機能。

"The Digital Technology Assessment Criteria for health and social care (DTAC) gives staff, patients and citizens confidence that the digital health tools they use meet our clinical safety, data protection, technical security, interoperability and usability and accessibility standards. It is the national baseline criteria for digital health technologies entering and already used in the NHS and social care." (NHS DTAC, 2026-06-01 取得)

加えて NHS England Digital Clinical Informatics Safety Team が、Health and Social Care Act 2012 に基づく強制 2 標準 — DCB 0129 (製造者向け) / DCB 0160 (医療機関向け) — を運用しており、AI を含む全 health IT に 法的強制力 が及びます (NHS England Digital Clinical Informatics Safety Team, 2026-06-01 取得)。英国は導入「前」評価を 5 軸で制度化、かつ DCB は法的強制力あり。日本の医療情報安全管理 GL (強制力なし) との非対称性が明確 ((見立て))。

制度比較の示唆 ((見立て))

3 ヶ国を並べると役割分担が見えてきます: 米国は AI/ML 専用 3 原則 (GMLP + PCCP + Transparency) で国際整合化のリーダー、英国は導入「前」評価を 5 軸 national baseline で制度化、日本は薬機法 (用途定義 + クラス分類の 2 軸) + 安全管理 GL + 個情委ガイダンスの 3 文書分散型で統合フレームを持ちません。英国 DTAC 同等の AI/デジタル調達基準が日本に整備されるとすれば、過去の医療 DX 関連 GL 改定サイクル (3-5 年) から類推して 2028-2030 年 あたりが現実的目安 ((見立て))。生成 AI 加算 2026 は、その「統合フレーム空白期」に走り出す制度設計、と読むのが院長視点では実務的です。

§4 日本の法・制度・保険 詳細

§3 で俯瞰した日本制度を、クリニック実装レベルまで詳細化します。薬機法 → 医療広告 / 安全管理 → 診療報酬 → 個情委 GL の順に整理し、最後にクリニック実装上の注意を 3 点まとめます。

薬機法 + PMDA 承認状況

医療機器プログラム (SaMD) は 2 つの異なる軸 で規律されます。(1) 用途軸: 薬機法第 2 条第 13 項により「疾病診断用 / 治療用 / 予防用プログラム」が用途として定義され、これは医療機器プログラム該当性の判定基準です。(2) リスク軸: PMDA は クラス I (一般医療機器) / クラス II (管理医療機器) / クラス III-IV (高度管理医療機器) の薬事承認区分で実体運用しており、添付文書等情報は公的 DB で検索可能です (PMDA 添付文書等情報検索, 2026-06-01 取得)。本記事で扱う 7 製品のうち、AI 問診・ambient scribe・SOAP 生成 は「医療機器プログラム非該当の汎用ソフトウェア」として薬機法対象外で運用される事例が大半 です。JCHO 北海道病院 + プレシジョン + シーエスアイ + NTT ドコモビジネスの 4 者連携が厚労省「ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業」(通称 AI カルテ下書きモデル事業) に採択された MI・RA・Is +AI も、現時点では SaMD 承認ではなく事業採択 (見立て)。院長視点では「導入予定 vendor が SaMD 承認 (クラス II 以上) を取っているか、非該当である根拠を明示できるか」を契約前に確認することが必要です (推定)。

医療広告ガイドライン + 医療情報安全管理 GL 6.0

(A) 医療広告 GL (厚労省): 医療法第 6 条の 5 に基づく規制で、比較優位広告 (「他院より優れた」等) と効能効果の断定的表記が禁じられます (厚労省 医療広告 GL, 2026-06-01 取得 (リンク有効性 要確認、2026-06-01 時点))。自院サイトでの AI 導入訴求では「比較優位表現を避ける」「効能効果の断定を避ける」を院内共有してください。

(B) 医療情報安全管理 GL 第 6.0 版 (厚労省、令和 5 年 5 月改定、令和 7 年 5 月チェックリスト・Q&A 更新済): 構成は 4 編 (概説 / 経営管理 / 企画管理 / システム運用) + 別添 + 特集 + Q&A (厚労省 安全管理 GL 第 6.0 版, 2026-06-01 取得)。クラウド型 AI scribe を導入する診療所は「システム運用編」のクラウド事業者選定・契約・運用管理を遵守。MI・RA・Is +AI のオンプレ AI 文書作成のように 院内オンプレ完結 の構成は本 GL の遵守難易度を構造的に下げる設計です (見立て)。

診療報酬 (令和 8 年度改定 関連 2 加算群)

令和 8 年度改定で生成 AI 関連の加算は 独立した「生成 AI 加算」が新設されたわけではなく、以下 2 加算群への分散織込み という形を取りました。制度設計の起草背景は中医協 第 637 回 (令和 7 年 12 月 19 日、医療 DX 議論回) の総−2 資料に集約 (中医協 第 637 回, 2026-06-01 取得)。改定後最初の総会である第 650 回 (令和 8 年 5 月 13 日) で医療機器の保険適用が引き続き審議されています (中医協 第 650 回, 2026-06-01 取得)。

1. 医師事務作業補助体制加算 (柔軟化、存続)

2. 電子的診療情報連携体制整備加算 (新設、令和 8 年 6 月算定開始)

加算と生成 AI の関連

• 医師事務作業補助体制加算: 生成 AI を 文書作成補助 (紹介状・退院サマリ・診療情報提供書下書き) に組織活用する院での柔軟化対象 (要確認、2026-06-01 時点)。
• 電子的診療情報連携体制整備加算: 直接的に生成 AI を評価する加算ではないが、電子カルテ情報共有サービス活用 → 生成 AI prompt 入力元データの電子化 という前提整備として位置付けられる (見立て)。
• 「(仮称) 生成 AI 加算」という独立加算は新設されておらず、上記 2 加算群への分散織込みが現在地です。ベンダーが「算定要件チェックリスト」を契約前に提供できるか が実務上の必須確認事項です (推定)。

個情委 GL + 3 省 2 ガイドライン体系 (生成 AI 関連)

クリニックの個人情報取扱いは 「3 省 2 ガイドライン」体系 に従います。具体構成は以下です (個情委 特定分野ガイドライン, 2026-06-01 取得)。

1. 厚労省: 医療情報システムの安全管理に関するガイドライン 第 6.0 版 (令和 5 年 5 月、令和 7 年 5 月チェックリスト更新)
2. 経産省・総務省: 医療情報を取り扱う情報システム・サービスの提供事業者における安全管理ガイドライン 第 2.0 版 (令和 6 年 8 月)
3. 個情委: 医療・介護関係事業者における個人情報の適切な取扱いのためのガイダンス (令和 8 年 4 月版)

クリニック実装で押さえるべき論点は 3 点あります。

1. 薬機法 SaMD 該否判断 — 生成 AI 文書補助ツールが薬機法 2 条 13 項の「疾病診断用/治療用/予防用プログラム」に該当しないことを契約前にベンダー側へ書面確認 (PMDA クラス分類 I/II/III-IV とは別軸の用途定義判断)
2. 3 省 2 ガイドライン体系適合 — 厚労省 GL 第 6.0 版 + 経産省・総務省 GL 第 2.0 版 + 個情委ガイダンスの 3 構成に対するベンダー対応状況を院内 prompt 入力ルールと併せて明文化
3. 診療報酬算定要件整合 — 医師事務作業補助体制加算 (柔軟化) + 電子的診療情報連携体制整備加算 (新設) の算定要件と AI 導入の重なりを契約前にチェックリストで確認

クリニック実装上の注意 ((推定))

院長 / 事務長が押さえるべき注意点を 3 つに絞ります。(1) 技術観点: 3 省 2 ガイドライン体系 (厚労省 GL 6.0 + 経産省・総務省 GL 第 2.0 版 + 個情委 ガイダンス) のクラウド事業者選定要件をスタッフ全員で共有し、prompt 入力時の患者識別情報除外を運用ルール化 (推定)。(2) 運用観点: ベンダーが令和 8 年度改定の 「算定要件チェックリスト」 (特に電子的診療情報連携体制整備加算の 3 段階区分対応) を契約前に提供できるか確認 (推定)。(3) 法令観点: 自院の主要算定群 (在宅時医学総合管理料 / 特定疾患療養管理料 等) と 2 加算群の重なり・施設基準重複充足要件を契約前に整理 (見立て)。

§5 製品サマリ

評価方式についての注記 (2026-06-10 追記): 本節の 6 軸加重スコアは公開当時 (2026-06-01) の評価として保持しています。当ラボは 2026-06-10 に数値スコアを廃止し、一次ソースで検証可能な「事実シグナル」方式へ移行しました (検証方法)。本記事は次回の定期更新で事実シグナル形式へ改訂予定です。

6 軸加重評価 (クリニックAIラボ 編集ポリシー §3 公開公式)

主要 7 製品を、編集ポリシー §3 で公開している 6 軸加重スコア (臨床的妥当性 0.25 + 第三者検証 0.20 + EHR 連携 0.15 + 価格透明性 0.15 + 国内サポート 0.15 + UX 0.10) で並べた結果が下表です。各軸 0-10 の素点を、当社 (Yorozumed 山田拓也) が一次資料 (ベンダー公式 LP・PMDA 添付文書相当・厚労省採択事業情報・原著論文) に基づき評価し、上記公式で総合点を算出しました。掲載順は総合点降順、報酬関係・契約有無は順位に一切影響していません (編集ポリシー §6 中立性宣言)。

総合点は ±0.05 の精度で記載しています (端数処理上の差)。総合点だけで判断せず、自院が重視する軸 (例: オンプレ要件なら臨床的妥当性 + 第三者検証、価格固定なら価格透明性) の素点を見て選定するのが実務的です。価格透明性の素点で 6.0-6.5 が並ぶのは、メディコム / シーエスアイ / NEC の 3 社で公開価格表がなく問合せ式となっているためで (Ubie も問合せ式ですが LP の加算シミュレーション提供を相対評価し 7.8 としています、各社公式 LP で確認、2026-06-01 時点)、サービスの優劣ではなく開示方針の違いです。

主要 7 製品 ProductCard (総合点降順)

Ubie 生成 AI (Ubie 株式会社)

カテゴリ: AI 問診 + ambient AI scribe + 医師事務作業補助。日本展開: 国内 (Ubie 株式会社)、令和 8 年度改定の医師事務作業補助体制加算柔軟化に対応した自社シミュレーションを提供。6 軸スコア (合計): 8.17 (臨床 8.5 / 検証 7.5 / 連携 8.0 / 価格 7.8 / サポート 8.5 / UX 9.0)。

強み (pros):

• 国内 1,800 施設超の導入実績 (2026 Q1 時点、自社公表)、診療所〜中小規模クリニックでの臨床ノート生成精度に関する自社事例公表
• 令和 8 年度改定『医師事務作業補助体制加算 1.3 倍換算』を前提とした自社算定シミュレーションを LP で公開、加算影響の試算が事前に見える
• 主要 EMR (CLINICS / メディコム / エムスリーデジカル) との連携実績を LP で個別明記、既存 EMR 上書き不要の設計

弱み (cons):

• 公開価格表なし、問合せ式 SaaS モデル (intro.dr-ubie.com で要問合せ表記、2026-06-01 確認)
• 第三者査読論文ベースの精度評価は現時点で限定的、公表エビデンスは自社事例中心
• AI 問診 + ambient scribe + 文書補助の機能横断ゆえに、単機能特化型 (例: SpeechER の救急領域特化) と比べると領域別最適化は劣る場面あり

価格モデル: 公開価格なし、要問合せ (intro.dr-ubie.com、2026-06-01 時点)。主要導入実績: 1,800 施設超 (自社公表、2026 Q1)、診療所〜中小病院中心。該当する PMDA 承認 / 算定影響: AI 問診部分は非 SaMD 領域として運用、令和 8 年度改定の医師事務作業補助体制加算 + 電子的診療情報連携体制整備加算への自社シミュレーション提供。

CLINICS + AI Summary Assist / AI Document Assist (株式会社メドレー)

カテゴリ: クラウド EMR + ambient AI scribe + AI 文書補助。日本展開: 国内 (株式会社メドレー)、CLINICS EMR ネイティブ統合。6 軸スコア (合計): 7.53 (臨床 7.5 / 検証 7.0 / 連携 8.0 / 価格 7.5 / サポート 7.5 / UX 8.0)。

強み (pros):

• メドレー CLINICS EMR ネイティブの AI 機能 (Summary Assist + Document Assist)、SOAP 自動下書きと紹介状要約を EMR 画面から直接呼出可能
• 公開料金プラン (clinics-cloud.com/plan/) があり、CLINICS 本体 + AI Assist の費用構造が事前に確認できる (2026-06-01 時点)
• 電子的診療情報連携体制整備加算の要件 (電子処方箋 + 電子カルテ情報共有サービス + マイナ保険証利用率) が CLINICS 上で完結、加算連動性が高い

弱み (cons):

• AI Assist は CLINICS EMR を導入していないと使えない (既存 EMR からの乗り換えコストが障壁)
• 第三者検証ベースの documentation time 削減データは現時点で自社公表にとどまり、査読論文ベースの効果検証は限定的
• ambient AI scribe としての領域横断性は、専業型 (Ubie / SpeechER) と比べると EMR 抱合型ゆえの制約あり

価格モデル: CLINICS 本体 + AI Assist の料金プランは LP 公開 (clinics-cloud.com/plan/、2026-06-01 時点)、診療所規模別の段階設定。主要導入実績: 国内クラウド EMR 大手の一角、診療所中心 (具体施設数は LP 非公開、IR 資料参照)。該当する PMDA 承認 / 算定影響: 電子的診療情報連携体制整備加算の要件適合を LP で明示。

MI・RA・Is +AI (株式会社シーエスアイ)

カテゴリ: EMR + 院内オンプレ AI 文書補助。日本展開: 国内 (株式会社シーエスアイ)、4 者連携で厚労省『ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業』(通称: AI カルテ下書きモデル事業) に採択。6 軸スコア (合計): 7.43 (臨床 8.0 / 検証 8.5 / 連携 7.0 / 価格 6.5 / サポート 7.0 / UX 6.5)。

強み (pros):

• プレシジョン (AI 音声認識) + シーエスアイ (EMR MI・RA・Is V 連携) + NTT ドコモビジネス (スマホ基盤) + JCHO 北海道病院 (実施医療機関) の 4 者連携として厚労省『ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業』に採択され、厚労省採択ベンダーとして公的事業ベースの第三者検証文脈を持つ数少ない例 (2026-06-01 時点、厚労省公表情報)
• 4 者連携によるオンプレ完結型 AI 文書作成を実装、医療情報安全管理ガイドライン 6.0 適合を構造的に担保
• 大規模病院 EMR (MI・RA・Is V) の長期実績基盤、急性期医療現場での運用実績あり

弱み (cons):

• 公開価格表なし、要問合せ (大手病院向けオンプレ案件多、シーエスアイ公式 LP で確認、2026-06-01 時点)
• 大規模病院向けの構成が中心で、診療所 (10 床以下) には過剰スペック (導入コスト・運用負荷両面)
• UX は EMR 系の伝統的設計を踏襲、クラウドネイティブ UI (CLINICS / CLIUS) と比べた学習コスト差あり (見立て)

価格モデル: 公開価格なし、要問合せ (大手病院向けオンプレ構築前提)。主要導入実績: JCHO 北海道病院 (厚労省採択 4 者連携事業) を含む大規模急性期病院、診療所での導入は限定的。該当する PMDA 承認 / 算定影響: 医療情報安全管理ガイドライン 6.0 オンプレ完結型適合、厚労省採択事業ベースで電子的診療情報連携体制整備加算の要件適合性が公的に確認されている経路を持つ。

メディコム + AI Summary Assist / AI Document Assist (ウィーメックス株式会社)

カテゴリ: EMR + ambient AI scribe + AI 文書補助。日本展開: 国内 (ウィーメックス株式会社、旧 PHC 株式会社)。6 軸スコア (合計): 7.33 (臨床 7.5 / 検証 7.0 / 連携 7.5 / 価格 6.5 / サポート 8.0 / UX 7.5)。

強み (pros):

• 老舗 EMR 大手の AI Assist 機能、診療所〜中規模医療法人での導入実績基盤と全国サポート網
• AI Summary Assist + AI Document Assist の組合せで SOAP 整形と文書下書きを EMR 内で完結
• 厚労省 PMDA 連携の歴史が長く、医療情報安全管理ガイドライン 6.0 への対応情報が LP に明示

弱み (cons):

• 公開価格表なし、要問合せ (Medicom クラウドカルテ 公式 LP、2026-06-01 確認)、規模別価格の事前把握が難しい
• AI Assist 機能の公表エビデンスは自社事例中心、第三者査読ベースの精度評価は現時点で限定的
• クラウド版と従来のオンプレ版が併存するため、自院の運用形態に応じた選定 (クラウド前提か院内サーバ前提か) が必要

価格モデル: 公開価格なし、要問合せ (phchd.com/jp/medicom/inquiry/medicom-cloud-price、2026-06-01 時点)。主要導入実績: 診療所〜中規模医療法人で長期導入実績、具体施設数は LP 非公開 (IR 資料参照)。該当する PMDA 承認 / 算定影響: 医療情報安全管理ガイドライン 6.0 適合、電子的診療情報連携体制整備加算の要件適合。

NEC MegaOak AI メディカルアシスト (日本電気株式会社)

カテゴリ: EMR + 診療情報提供書 / 退院サマリ自動生成。日本展開: 国内 (日本電気株式会社)、大手病院向け中心。6 軸スコア (合計): 7.25 (臨床 7.5 / 検証 7.5 / 連携 8.0 / 価格 6.0 / サポート 7.5 / UX 6.5)。

強み (pros):

• 電子カルテ内情報 (検査結果・処方・看護記録) を統合した診療情報提供書 + 退院サマリの自動下書き生成、大手病院での情報統合処理に強み
• NEC MegaOak シリーズの長期 EMR 実績、急性期病院での大規模運用に耐える基盤
• 国内 SI 大手のサポート体制、医療情報安全管理ガイドライン 6.0 への大規模病院対応経験が豊富

弱み (cons):

• 公開価格表なし、要問合せ (大手病院向け、jpn.nec.com/medical_healthcare/aimedicalassist/、2026-06-01 時点)、診療所向け価格設定の透明性は低い
• 診療所 (10 床以下) には過剰、SI ベンダー型の長期契約モデルが基本で小規模導入には不向き
• UX は伝統的 SI 系 EMR の延長、クラウドネイティブ系と比べると学習コストが高い (見立て)

価格モデル: 公開価格なし、要問合せ (大手病院向け SI 案件)。主要導入実績: 急性期病院・大規模医療法人中心、診療所での導入は対象外に近い。該当する PMDA 承認 / 算定影響: 医療情報安全管理ガイドライン 6.0 適合、電子的診療情報連携体制整備加算の要件適合を LP で明示。

CLIUS + AI (株式会社 DONUTS)

カテゴリ: クラウド EMR + ambient AI scribe + AI 経営分析。日本展開: 国内 (株式会社 DONUTS)。6 軸スコア (合計): 7.23 (臨床 7.0 / 検証 6.5 / 連携 7.5 / 価格 8.0 / サポート 7.0 / UX 8.0)。

強み (pros):

• 2026 年 4 月リリースの SOAP 自動生成機能 + AI 経営分析を組合せ、診療内容と経営指標を統合した分析が可能
• 公開料金プラン (clius.jp/plan/) で診療所向け価格帯を事前確認可能、価格透明性は主要 7 社の中で相対的に高い水準 (2026-06-01 時点)
• クラウド EMR + AI 機能を 1 ベンダーで提供、EMR 移行と AI 導入を同時実施したい診療所に向く

弱み (cons):

• 2026 年 4 月リリースの SOAP 機能は導入実績が浅く、長期運用での精度・安定性データが現時点で限定的
• 運営元 DONUTS は他事業 (求人比較・医療人材紹介等) で比較メディア事業を持つため、本媒体としては記事内推奨度算出から運営元事業との関連を構造的に排除しています (詳細: 当社 COI ステートメント §3.3)
• 第三者査読論文ベースの効果検証は現時点でなく、自社公表データが中心

価格モデル: 公開プラン (clius.jp/plan/) あり、診療所向け段階設定。主要導入実績: クラウド EMR 領域での自社公表数値あり、SOAP + AI 経営分析の導入実績は 2026 年 4 月以降蓄積中。該当する PMDA 承認 / 算定影響: 電子的診療情報連携体制整備加算の要件適合、医師事務作業補助体制加算柔軟化への対応情報は LP に随時掲載。

エムスリーデジカル + AI 音声カルテ (エムスリーデジカル株式会社)

カテゴリ: クラウド EMR + ambient AI scribe (OEM 提携)。日本展開: 国内 (エムスリーデジカル株式会社、エムスリーグループ)。6 軸スコア (合計): 7.03 (臨床 7.0 / 検証 6.5 / 連携 7.5 / 価格 7.0 / サポート 7.0 / UX 7.5)。

強み (pros):

• エムスリー流通網 (国内医師 9 割超登録の m3.com) を背景にした既存デジカルユーザ基盤、導入時の問合せ動線が確立
• AI 音声カルテは OEM 統合方式で、専門 STT エンジン (アドバンスト・メディア系等の医療向け) を活用
• 公開料金プラン (digikar.m3.com/pricing) を LP で提示、診療所向け価格帯が事前確認可能 (2026-06-01 時点)

弱み (cons):

• AI 音声カルテ機能は他 EMR 大手と比較すると新規参入領域で、公表エビデンス・第三者検証データは現時点で限定的
• ambient scribe としての領域別最適化 (専門外来別ノート構造への適応) は専業型と比べて遅れあり (見立て)
• エムスリー流通網依存ゆえに、エムスリー非加盟の小規模診療所での認知は限定的

価格モデル: 公開プラン (digikar.m3.com/pricing) あり、診療所規模別段階設定。主要導入実績: エムスリー加盟診療所中心、具体施設数は LP 非公開。該当する PMDA 承認 / 算定影響: 電子的診療情報連携体制整備加算対応、令和 8 年度改定の医師事務作業補助体制加算柔軟化への自社対応情報は LP に随時掲載。

各製品の差別化要点 (総合点降順)

その他の関連ベンダー (補足リスト)

主要 7 社以外で、領域別または規模別に有力なベンダーを 10 社、網羅性確保のため列挙します。各社の詳細は今後の個別記事で取り扱う予定です。

「主要 7 社 + 補足 10 社 = 17 社」とすることで、国内主要プレイヤーの網羅性を確保しています。今後の月次レビューで主要 7 社の入替判断 (急成長ベンダーの台頭) を行います。

製品選定の意思決定指針 (院長 / 事務長 向け)

意思決定の現実的な順序は、以下の 4 ステップが目安です (推定、当社見立て)。

1. 既存 EMR を踏襲するか乗り換えるか確認: 踏襲なら EMR ネイティブ AI (CLINICS / CLIUS / メディコム / MI・RA・Is / NEC MegaOak) の自社 AI Assist を優先、乗り換え検討なら EMR + AI を同時刷新できる Ubie 連携モデル or CLIUS クラウド EMR を比較
2. 令和 8 年度改定『算定要件チェックリスト』提供有無を契約前確認: ベンダー側が医師事務作業補助体制加算 + 電子的診療情報連携体制整備加算の要件適合チェックリストを示せるかは、加算算定の安定性に直結
3. 安全管理 GL 6.0 適合 + オンプレ要件: MI・RA・Is +AI (4 者連携の厚労省採択モデル、オンプレ完結) が現状で大規模急性期向けの第一選択肢 (推定)、診療所規模ならクラウド型の中から GL 6.0 適合明示があるベンダーを選定
4. 規模・診療科のマッチング: 1 名診療所 / 内科系 → Ubie or CLINICS、専門外来 → CLIUS、診療所〜中規模医療法人 → メディコム、大手急性期病院 → NEC MegaOak or MI・RA・Is

選定の最終段階では、(2) のチェックリスト提供を要請できる契約交渉力が重要で、これがないベンダーとの契約は加算要件改定時のリスクが残る、というのが当社の見立てです (推定)。

§6 米英先進製品 → 日本の今後コメント

§5 の主要 7 社比較には、現時点で「日本展開なし、海外実装あり」の海外 4 製品 (米 2 社 + 英 2 社) を意図的に含めませんでした。本セクションでは、その 4 製品をフラットに紹介し、日本上陸の見立てと、日本制度が動けば吸収できそうな部分を整理します。視点は「3-5 年スパンで、日本のクリニック現場が参考にできるか」です。

🇺🇸 Microsoft Dragon Copilot (旧 Nuance DAX Copilot、Microsoft Corporation)

カテゴリ: AI ambient scribe (clinical documentation 特化)。米国展開スケール: 100,000+ clinicians、600+ organizations 導入 (Microsoft / Nuance 公式)。Stanford Health Care、Northwestern Medicine、Duke Health 等の大規模医療機関で稼働。主要エビデンス: Stanford Healthcare 単一施設 48 名 3 ヶ月パイロット QI (Shah SJ, et al. JAMIA 2025, PMID 39657021) で task load -24.42, burnout score -1.94, usability score +10.9 (いずれも p<0.001、paired n=38) を報告。Tier P1 (多施設前向き) と P2 (単施設) の境界事例として扱われる。規制: 米国 FDA SaMD 該当範囲は GMLP + PCCP 適合で運用 (FDA 公式 SaMD 文書、本記事 §3 引用)。米国大手保険でカバー (CMS NCD/LCD 経路)。日本上陸状況: 未上陸。Microsoft 日本法人は大企業向け Copilot を展開中ですが、医療特化版は日本語 STT 精度 + Epic 連携 (日本でほぼ未上陸) が課題。

著者見立て (推定): 日本上陸は 3-5 年と見ています。理由は (1) 2025 年 3 月に Microsoft が DAX Copilot + Dragon Medical One を統合し『Microsoft Dragon Copilot』としてリブランドし、世界的なロールアウトが本格化、(2) 日本でも CLINICS / NEC / シーエスアイ等が EMR ネイティブ AI 連携を強化、(3) 厚労省『ICT 機器を活用した勤務環境改善の先駆的取組をおこなうモデル医療機関調査支援事業』(通称: AI カルテ下書きモデル事業) に JCHO 北海道病院 + プレシジョン (AI 音声認識) + シーエスアイ (EMR 連携) + NTT ドコモビジネス (基盤) の 4 者連携 が類似スキームとして稼働中 (本記事 §5 参照) — Dragon Copilot 上陸の素地は整いつつあると見ています。

日本で吸収できそうな部分 (見立て): (1) 単施設パイロット → 多施設展開の評価設計 — Shah SJ, et al. 設計が JCHO 系で類似稼働中、国内ベンダーが Tier P1 エビデンスへ昇格するモデルになり得る。(2) Epic 連携モデル — 日本の EMR ベンダー (NEC / 富士通 / ウィーメックス / シーエスアイ) の AI ネイティブ統合の先行例として参照価値あり。

🇺🇸 Abridge (Abridge AI, Inc.、Pittsburgh)

カテゴリ: AI ambient scribe。Pittsburgh Health Data Alliance (UPMC + CMU + Univ. of Pittsburgh) 発祥、2018 年創業。米国展開スケール: Mayo Clinic 2,000 clinicians (2025/01 enterprise 契約)、Duke Health、Johns Hopkins、UNC Health、UPMC で導入。Athenahealth + Epic ネイティブ統合済。主要エビデンス: NASA-TLX cognitive load 46.6% 減 (Mayo Clinic Proceedings: Digital Health 2024)、Best in KLAS for Ambient AI 2025 + 2026 連続受賞。NEJM + JAMA Network と臨床判断支援領域で提携 (2026)。規制: 米国 FDA SaMD 該当性は case-by-case 判断 (本記事 §3 FDA SaMD 引用) で、documentation support として運用。日本上陸状況: 未上陸。Epic が日本でほぼ未上陸のため、Abridge 単独での日本上陸は構造的に難しい状況。

著者見立て (推定): 5 年超のスパンでも、Abridge 単独で日本上陸する可能性は低いと見ています。むしろ現実的なシナリオは「Abridge ライクの NASA-TLX cognitive load 評価を日本の EMR + AI ベンダー (CLINICS / Henry / メディコム / シーエスアイ) が導入する」流れだと推測します。

日本で吸収できそうな部分 (見立て): (1) NASA-TLX cognitive load 定量評価 — 国際標準スケールで、日本ベンダーが自社エビデンス開示として採用可能。第三者検証強度の底上げ手段として有効。(2) エンタープライズ展開モデル — Mayo Clinic / Duke Health 2,000 clinician 単位の展開設計は、JCHO 系・国立大学病院群への単一ベンダー横展開モデルとして参考価値あり。

🇬🇧 TORTUS (Tortus Health Ltd.)

カテゴリ: AI ambient scribe (NHS / GP / メンタルヘルス / 救急 多領域対応)。英国展開スケール: X-on Health 提携で 3,500 GP practice デプロイ、NHS Ambient Voice Registry 2026/01 公開の 19 サプライヤー入り。主要エビデンス: NHS 9-site multi-disciplinary 評価 (病院 / GP / メンタルヘルス / 救急 4 領域横断、17,000 患者 encounter)、4 分/consultation 削減 + 初期ノート時間半減 (Tortus 公式)。規制: MHRA Class I (Class IIa 申請中、MHRA SaMD ガイダンス準拠、本記事 §3 引用)、NHS DTAC (5 軸) + GDPR + DSPT + Cyber Essentials Plus すべて適合。日本上陸状況: 未上陸。英国 GP 特化設計 + NHS DTAC 同等の統合フレームが日本にまだないため、現状そのまま日本上陸する道筋は見えにくい。

著者見立て (推定): 5 年超のスパンでも、TORTUS そのものの日本単独上陸は難しいと見ています。ただし、「DTAC 同等の統合評価フレームが日本に来た場合の参考モデル」として、§6 で扱う価値は高いと判断しました。

日本で吸収できそうな部分 (見立て): (1) DTAC 5 軸枠組 (Clinical Safety + Data Protection + Technical Security + Interoperability + Usability) — 日本でも 3 省 2 ガイドライン + PMDA SaMD 規制を統合する評価フレームが必要 (見立て)。(2) MHRA Class I → IIa ステップワイズ規制適応 — PMDA でも「初期承認後にクラス昇格申請」する段階的規制適応モデルの参考。(3) multi-site NHS 評価 (9 site / 17,000 encounter / 4 領域横断) — JMHC + JCHO 系での同様のリアルワールド評価設計が可能。

🇬🇧 Heidi (Heidi Health Pty Ltd.、オーストラリア発、UK 大型導入)

カテゴリ: AI ambient scribe + dedicated hardware (Heidi Remote)。英国展開スケール: 全世界で 15 million 患者 visits、4 million 時間返却、実装後アンケートで burnout 改善 95% (Heidi 公式)。NHS 大規模 GP super-partnership である Modality Partnership (360+ GPs、53 sites、約 50 万患者) と提携し、英国でも有数の単一 vendor 大規模展開 (Heidi 公式公表) を実現。主要エビデンス: documentation time 86% 削減 (NHS 公表)、Discharge letter 処理 9.03 日 → 2.6 分 (1 ED 事例)、2,700-letter backlog を 4 ヶ月で解消、Dudley Group NHS Foundation Trust で £95,200 相当の同日救急 capacity 価値創出。注目: Heidi Remote — dedicated AI scribe hardware device を投入、専用端末アプローチ。規制: NHS DTAC + DCB0129 + Clinical Safety Officer + Clinical Safety Case、UK データホスト、TLS 1.2+ / AES-256。日本上陸状況: 未上陸ながら、日本語 LP (heidihealth.com/ja-jp) が既に存在。これは日本上陸の準備が進行している強いシグナルと推測します (見立て)。

著者見立て (推定): 日本上陸は 3-5 年と見ています。根拠は (1) 専用ハードウェア端末 (Heidi Remote) が高齢開業医・訪問診療現場で実装ハードルが低い、(2) specific outcome metric (9 日 → 2.6 分、£95,200 capacity 価値) が日本ベンダーの目標指標になり得る、(3) 日本語 LP (heidihealth.com/ja-jp) 既存 = ローカライズと商標確保が先行しており、3-5 年で日本上陸の素地ありと推測 — の 3 点です。

日本で吸収できそうな部分 (見立て): (1) 専用ハードウェア端末 (Heidi Remote) アプローチ — スマホ + PC に依存しない設計は、IT リテラシーに幅のある日本の開業医・訪問診療現場で実装ハードルが低い。(2) specific outcome metric (9 日 → 2.6 分、£95,200 capacity 価値) — 日本のベンダーも「退院サマリ 30 分 → 5 分」「外来 SOAP 10 分 → 2 分」等の具体アウトカム指標公表モデルが参考になる。(3) Modality Partnership 53 site 単一展開 — 日本でも医療法人グループ (徳洲会 / IMS / 戸田中央等) 全 site 横展開モデルとして参照可。

日本制度がどう動けば上陸するか (見立て)

米英先進 4 製品 (Microsoft Dragon Copilot / Abridge / TORTUS / Heidi) の日本上陸見込みを考えるとき、日本側で動く必要のある制度的 lever は 4 つに整理できます。

1. PMDA SaMD クラス II → III 拡張 — 生成 AI を含む診断支援ツールのクラス III 認証パスが整備されること (3-5 年見立て)
2. 電子カルテ情報共有サービスの API 標準化 — Epic / NextGen 相当の EMR ネイティブ統合が国内 EMR ベンダー側で開放されること
3. 令和 8 年度改定後の点数体系の安定化 — 電子的診療情報連携体制整備加算の 3 段階区分が事業性確保水準に達すること
4. Heidi Health の日本語 LP (heidihealth.com/ja-jp) 既存 — 同社は既に日本語ローカライズに着手しており、3-5 年で日本上陸の可能性 (推定) を裏付ける

この 4 lever のうち、2026-06-01 時点で動いているのは 3 (令和 8 年度改定告示) のみで、残り 3 lever は政府・業界・ベンダー側の動きを待つ段階です。著者見立てで最も影響が大きい (推定) のは、英国 DTAC 同等の統合評価フレーム (Clinical Safety + Data Protection + Technical Security + Interoperability + Usability の 5 軸) を、日本でも 3 省 2 GL + PMDA SaMD を統合する形で整備する流れで、これが海外 vendor 上陸の最大のドライバーになると見ています。

院長 / 事務長 への提言 (推定)

海外 4 製品の上陸を待つ前に、院長・事務長が今からできる準備は 2 つあると考えます (推定)。準備 1: 個情委「医療・介護関係事業者における個人情報の適切な取扱いのためのガイダンス」+ 3 省 2 ガイドラインの生成 AI prompt 入力 Q&A を院内全スタッフで共有し、院内 prompt 入力ルール (患者氏名・住所・保険証番号等を入れない、商用 LLM 直入力禁止等) を文書化しておく。これは Heidi / TORTUS が遵守する DTAC Data Protection 軸と同方向の取り組みで、海外 vendor 上陸時に契約・運用がスムーズに進みます。準備 2: 国内ベンダー (Ubie / CLINICS / NEC / シーエスアイ等) 選定の RFP に「NASA-TLX 等の cognitive load 評価値」「documentation time 削減の specific outcome metric」を含めることを推奨します。Abridge / Heidi が公表しているレベルのアウトカム指標を国内ベンダーにも要求することで、日本市場のエビデンス開示水準が底上げされると見ています。

おわりに

令和 8 年 6 月施行の診療報酬改定は、独立した「生成 AI 加算」を新設するのではなく、医師事務作業補助体制加算の柔軟化と電子的診療情報連携体制整備加算 (新設) の 2 加算群へ分散させる形で着地しました。国内 7 製品はいずれも EMR との統合度・価格透明性・第三者検証の重みが異なり、自院の主要算定群との重なりを確認したうえで選定するのが現実的な順序です (推定)。米英 4 製品はそれぞれの規制フレーム下で先行する設計を見せていますが、日本上陸の素地は DTAC 同等の統合評価フレーム整備と EMR API 標準化の進展に依存しており、3-5 年スパンで動向を追う対象と位置付けます (見立て)。

参考文献

1. Shah SJ, Devon-Sand A, Ma SP, et al. Ambient artificial intelligence scribes: physician burnout and perspectives on usability and documentation burden. Journal of the American Medical Informatics Association. 2025;32(2):375-380. DOI: 10.1093/jamia/ocae295. PMID: 39657021.
2. Leung TI, Bell S, Sulieman L, et al. AI Scribes in Health Care: Balancing Transformative Potential With Responsible Integration. JMIR Medical Informatics. 2025;13:e80898. DOI: 10.2196/80898. PMID: 40749188.
3. Ebad SA, Almutairi M, Alharbi T, et al. Artificial Intelligence-Based Software as a Medical Device (AI-SaMD): A Systematic Review. Healthcare (Basel). 2025;13(7):817. DOI: 10.3390/healthcare13070817. PMID: 40218113.
4. Gao Y, Li R, Croxford E, et al. Leveraging Medical Knowledge Graphs Into Large Language Models for Diagnosis Prediction: Design and Application Study. JMIR AI. 2025;4:e58670. DOI: 10.2196/58670. PMID: 39993309.
5. Li R, Wang T, Sohn JH, et al. CARE-AD: a multi-agent large language model framework for Alzheimer's disease prediction using longitudinal clinical notes. npj Digital Medicine. 2025;8(1):541. DOI: 10.1038/s41746-025-01940-4. PMID: 40849361.
6. Garcia Sanchez C, Stewart S, Aslam B, et al. Health Care Professionals' Experiences and Opinions About Generative AI and Ambient Scribes in Clinical Documentation: Protocol for a Scoping Review. JMIR Research Protocols. 2025;14:e73602. DOI: 10.2196/73602. PMID: 40779760.

COI 開示

本記事は Yorozumed (山田拓也 医師) 運営の比較メディア「クリニックAIラボ」が独立した編集判断で執筆しました。公開時点 (2026-06-01) で、本記事内で扱う国内 7 製品 + 米英 4 製品との アフィリエイト契約・リファラル契約・掲載料関係はいずれも締結していません。掲載順は編集ポリシー §3 の 6 軸加重公式 (臨床的妥当性 0.25 + 第三者検証 0.20 + EHR 連携 0.15 + 価格透明性 0.15 + 国内サポート 0.15 + UX 0.10) のみで決定しており、報酬関係の有無は順位算出に一切影響していません。CLIUS + AI の運営元 DONUTS は他事業 (比較メディア事業) を保有するため、本媒体としては記事内推奨度算出から運営元事業との関連を構造的に排除しています (詳細: 当社 COI ステートメント §3.3)。COI 開示の漏れ・不適切な記述に関するご指摘は contact@clinicailab.com (件名「COI」推奨) までご連絡ください。

追記履歴

2026-06-10:

• 本記事で扱う電子的診療情報連携体制整備加算を含む制度動向は、制度トラッカー で継続収集を開始しました (中医協・厚労省・PMDA・支払基金を毎日自動観測)。個別コードの最新状況は AI 関連 診療報酬コード一覧 から確認できます。
• 当ラボの評価方式を 6 軸加重スコアから事実シグナル方式へ移行しました (§5 冒頭の注記参照)。本記事の §5 は次回定期更新で事実シグナル形式に改訂します。

2026-06-11 (訂正):

• 電子的診療情報連携体制整備加算の 加算 2 の点数を「8 点」と記載していましたが、正しくは「9 点」 です (厚労省「個別改定項目について」p.510-511 で再確認)。お詫びして訂正します。
• 同加算の区分番号を「B009-2」と表記していましたが、原典の区分は 初診料 A000 注 15・再診料 A001 注 19・外来診療料 A002 注 10 です (B009-2 は別項目「電子的診療情報評価料」の区分番号)。原典準拠の表記に改めました。
• 条文レベルの詳説は新記事「電子的診療情報連携体制整備加算 完全ガイド」を公開しました。