過去のレセプト指摘をルール化し、人の見落としを減らす「一次チェック」を自動化する。守り（査定・返戻の防止）と攻め（算定漏れ＝増収）の両面に効くツールを目指す。
ルールの仕様は固まりました。実UKE（レセ電）サンプルは別担当へ依頼済みで到着待ち。データが無くても進められる「薬剤→病名 辞書の確定」「部位辞書の作成」「特定疾患マスタの取込」が次の一手です。
外来シートの過去指摘 5,301件を解析し、カテゴリ別に分類。最多は病名漏れ 2,096件、次に算定漏れ 1,678件。R-01〜R-32のルール候補と「薬剤→必要病名」辞書の種を抽出。
R-01〜R-32を「必要データ／判定ロジック／自動化レベル／依存マスタ／確認事項」の実装可能な仕様へ。令和6年改定の事実確認で特処・湿布・特定疾患の要件を訂正（下の「重要な発見」参照）。
UKE（レセ電）を構造化するパーサを設計し、合成データで「UKE→構造化→A級ルール判定」を実証（9件指摘）。試作HTMLに取込機能を内蔵済み。実サンプルでフィールド位置の突合が必要。
サーバ不要の単一HTMLで、指摘候補の表示＋「採用／却下／保留」の記録→ルール精度と薬剤辞書の信頼度を学習する仕組みを試作。R-10 病名漏れ／R-04 湿布／R-05 特処（改定対応）を実装済み。
実UKEで判定精度を検証し、医事担当のレビューで辞書・ルールを確定。院内サーバ（患者情報を扱うため）に設置し、運用しながら精度を上げる学習ループを回す。
AIの指摘に人が正誤を返し、精度が上がる仕組み。
外来で効果を確認してから横展開。
最優先論点。患者情報を扱うため院内完結。
ルールを動かす土台データ。
| 優先 | タスク | 状態 |
|---|---|---|
| A | 薬剤→必要病名 辞書を院内採用品で確定 最多2,096件の病名漏れに直結。医事担当の知見が必要。 | 着手可 |
| B | 部位辞書（画像部位↔病名部位）の初版作成 画像系1,184件の整合チェックR-03の前提。叩き台はこちらで作成可。 | 着手可 |
| C | 特定疾患区分マスタの取込 厚労省 傷病名マスターから病名コード→特定疾患フラグを表に。R-05の土台。 | 着手可 |
| D | 実UKEサンプルの取得 取得依頼書を別担当へ配布済み。到着後、パーサのフィールド突合→精度検証へ。 | 依頼中・待ち |