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。
ルール確定（STEP2）に加え、部位辞書・特定疾患マスタ（令和6年改定の正本準拠）を整備し、試作ツールに 画像部位整合(R-03)・特処56点(R-05)・薬剤辞書の編集画面を実装しました。ブラウザで触れるデモを公開中（下のリンク）。残るは実UKEサンプルの到着と、薬剤→病名辞書の中身の確定（医事レビュー）です。
公開デモを開く ↗ rese-check-demo.pages.dev（合成サンプルデータ）
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。R-10 病名漏れ／R-04 湿布／R-05 特処（改定対応・56点）／R-03 画像部位整合を実装。さらに薬剤辞書の編集画面とマスタ参照（特定疾患マスタ・部位辞書）を追加し、コードを触らず辞書を育てられる。
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。
ルールエンジンの土台。再利用可能なデータ資産として育てる。
サーバ不要の単一HTML。ブラウザで触れるデモを公開中。
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 |
|---|---|---|
| B | 部位辞書（画像部位↔病名部位）の初版作成 整形18部位を整備。R-03 画像部位整合チェックに組込済。 | 完了 |
| C | 特定疾患マスタの整備 令和6年改定の正本（厚労省 傷病名マスター更新通知）準拠。R-05に組込済。 | 完了 |
| A | 薬剤→必要病名 辞書の中身を確定 編集画面は完成。最多2,096件の病名漏れに直結。中身の確定には医事担当の知見が必要。 | 医事レビュー待ち |
| 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 |