電子カルテを導入しても、クリニックには紙が流れ込み続けます。他院からの紹介状、FAXで届く検査結果、患者が持参する健診結果、紙の問診票——電子化された院内に、電子化されていない情報が入ってくるという構造は、なかなか解消されません。
この「入口の紙」をデータに変える技術がOCRです。本記事では、OCRとは何か、どこまでできて何が限界なのかを職員向けに整理します。
免責：本記事は一般的な情報提供です。精度は書類の状態や製品によって大きく異なります。導入検討時は自院に実際に届く書類での試用をおすすめします。
OCRとは何か
OCR（Optical Character Recognition／光学文字認識） は、画像に写った文字を、コンピュータが扱える文字データに変える技術です。
紙をスキャンした画像は、コンピュータにとっては「点の集まり」でしかありません。人間には「発熱」と読めても、システムにとっては模様です。OCRは、この模様を「発熱」という文字データに変換します。
データになると、次のことができるようになります。
- 検索できる（「アレルギー」で全書類を横断検索）
- 転記できる（手入力なしでカルテに取り込む）
- 集計できる（数値を経過表やグラフに反映）
従来のOCRとAI-OCRの違い
「OCRは昔からあるが精度が低い」という印象を持つ方も多いはずです。近年の変化を整理します。
| 観点 | 従来のOCR | AI-OCR |
|---|---|---|
| 認識方法 | 文字の形をパターンと照合 | 文脈も含めて判断 |
| 手書き | 苦手 | 実用水準に近づいた |
| レイアウト | 決まった位置を読む前提 | 書式が違っても項目を探せる |
| 崩れた文字 | 弱い | 前後から推測できる |
| 導入の手間 | 帳票ごとに読み取り位置の設定が必要 | 設定が少なくて済む場合がある |
決定的な違いは、「どこに何が書いてあるか」を毎回設定しなくてよくなった点です。
従来のOCRでは、「この帳票のこの位置に患者名がある」と座標を設定する必要がありました。書式が違えば設定し直しです。他院から届く紹介状は病院ごとに書式が違うため、この方式は現実的ではありませんでした。
AI-OCRは、書式が違っても「患者名らしきもの」を探せるため、多様な書類が届くクリニックの実態に合いやすくなっています。
クリニックで対象になる紙
| 書類 | 特徴 | OCRの相性 |
|---|---|---|
| 紹介状・診療情報提供書 | 病院ごとに書式が違う。手書きの場合も | AI-OCR向き |
| FAXの検査結果 | 画質が落ちやすい | 画質次第 |
| 持参した健診結果 | 数値が中心。書式は多様 | 数値の抽出は得意 |
| 紙の問診票 | 手書き。チェック欄と自由記載が混在 | チェック欄は得意、自由記載は難しい |
| 保険証・資格確認書 | 書式が比較的定型 | 相性が良い |
| 同意書・説明文書 | 署名部分は手書き | 保管用の電子化に向く |
| 紙カルテ（過去分） | 大量。手書きが中心 | 全文データ化は難易度が高い |
精度を左右する4つの要因
① 手書きか印字か これが最大の変数です。印字された文字は高い精度が出ますが、手書きは書き手によって大きく変わります。AI-OCRで実用水準に近づいたとはいえ、印字と同等ではありません。
② 元の画質 FAXで届いた書類、コピーを繰り返した書類、薄い印字——画質が落ちるほど精度は下がります。とくにFAXは解像度が低く、細かい文字がつぶれやすい傾向があります。
③ レイアウトの複雑さ 表が入り組んでいる、罫線が多い、複数段組——構造が複雑なほど「どれがどの項目か」の判断が難しくなります。
④ 傾き・影・折り目 スキャン時に傾いている、影が写り込んでいる、折り目で文字が欠けている。取り込み方の丁寧さが精度に直結します。
裏を返せば、スキャンの運用を整えるだけで精度は上がります。まっすぐ置く、解像度を上げる、汚れを取る——これらは技術ではなく運用の問題です。
「読めた」と「使える」は別
音声書き起こしと同じ構造の問題が、OCRにもあります。
文字として読み取れることと、システムで使えるデータになることは違います。
紹介状をOCRにかけると、書かれている文章が文字データになります。しかしそれは**「文章の塊」であって、「患者名はこれ」「主病名はこれ」「処方はこれ」という項目として整理されてはいません**。
カルテに取り込むには、この項目への割り当てが必要です。ここを担うのがAIの読解で、近年はこの部分が大きく進歩しました。
確認すべきは次の点です。
- 文字を読むだけか、項目に割り当てるところまでやるか
- 割り当てた結果を、電子カルテのどの欄に入れるかを設定できるか
- 読み取り結果を人が確認・修正する画面があるか
3つ目が特に重要です。OCRの結果をノーチェックで取り込む運用は避けるべきです。読み取りミスがそのままカルテに入ると、後から気づきにくくなります。
クリニックでの現実的な使いどころ
① 検索できる状態にする（もっとも費用対効果が高い）
全文を完璧にデータ化しなくても、検索できるだけで価値があります。「あの患者の紹介状、どこにしまったか」を探す時間がなくなります。スキャンした画像に読み取りテキストを埋め込む形式（検索可能PDF）にしておけば、見た目は原本のまま検索だけできる状態になります。
② 数値の抽出
健診結果や検査結果の数値をデータ化し、経過表やグラフに反映する。数値は手書きでも比較的読み取りやすく、転記の手間が大きい領域なので効果が出やすいところです。
③ 保険証・資格確認書の読み取り
書式が比較的定型で、入力項目が決まっているため相性が良い領域です。ただしオンライン資格確認が普及した現在では、そもそもOCRを使わずに済む場面が増えています。詳しくは オンライン資格確認の義務化とは？ をご覧ください。
④ 紙問診票のデータ化
チェック欄の読み取りは実用的です。ただし、そもそも紙をやめてWeb問診にするほうが根本的な解決になります。OCRは「紙が避けられない場合の次善策」と位置づけるのが健全です。Web問診の考え方は AI問診とは？Web問診との違い、デジタル化の効果は 問診票のデジタル化で受付業務はどう変わる？ で扱っています。
⑤ 過去の紙カルテ
大量かつ手書き中心のため、全文データ化は難易度もコストも高くなります。現実的には、検索可能な形で保管し、必要なときに参照するという位置づけが多くなります。移行の実務は 紙カルテから電子カルテへ移行する方法 で扱っています。
導入前に確認すること
| 確認項目 | 内容 |
|---|---|
| 対象書類 | 自院に実際に届く書類で試したか（カタログの精度ではなく） |
| 手書き対応 | 手書き部分の精度はどの程度か |
| 項目割り当て | 文字認識だけか、項目に整理するところまでか |
| カルテ連携 | 読み取り結果をカルテのどこに入れるか設定できるか |
| 確認画面 | 人が確認・修正できる工程があるか |
| 画像の保存 | 元画像も保存されるか（原本確認のため） |
| 情報の行き先 | 画像が外部に送信される場合、どこへ・どのくらい保存されるか |
| 費用 | 枚数課金か定額か。想定枚数での試算 |
**「元画像も保存されるか」**は見落とされやすい項目です。読み取り結果に疑問が生じたとき、原本の画像に戻れないと確認できません。
よくある誤解
「OCRを入れれば紙がなくなる」 → 紙は届き続けます。OCRは入ってきた紙を扱いやすくする技術であって、紙をなくす技術ではありません。紙そのものを減らすには、送り手側の電子化（電子カルテ情報共有サービス、電子処方箋など）が必要です。
「AI-OCRなら手書きも完璧」 → 実用水準に近づきましたが、印字と同等ではありません。確認工程は必要です。
「読み取れれば自動でカルテに入る」 → 項目への割り当てと、どの欄に入れるかの設定が別途必要です。
「精度は製品で決まる」 → スキャンの丁寧さ、書類の状態が大きく影響します。運用で改善できる余地があります。
まとめ
- OCRは画像の文字をデータに変える技術。データになると検索・転記・集計ができる
- AI-OCRの決定的な進歩は、書式が違っても項目を探せるようになった点
- 精度を左右するのは手書きか印字か・元の画質・レイアウト・傾きや影の4要因。スキャンの運用改善で精度は上がる
- 「読めた」と「使える」は別。項目への割り当てと、確認工程の有無を必ず確認する
- 費用対効果が高いのは、完璧なデータ化より検索できる状態にすること
- 紙問診票は、OCRよりそもそもWeb問診に変えるほうが根本的
- 元画像が保存されるかは見落とされやすい確認項目
AIカルテの詳細やデモをご希望の場合は お問い合わせ からご連絡ください。