レセプトチェックはAIで行う｜返戻・査定を減らす仕組みと人件費の試算

レセプトチェックは、AIで行う時代に入りました。理由はシンプルで、審査する側がすでにAIを使っているからです。社会保険診療報酬支払基金は、届いたレセプトをAIで振り分け、査定・返戻になりそうなものを優先的に人の目に回す仕組みを本番運用しています。請求する側だけが目視の総当たりを続けていては、労力と精度の両方で追いつきません。

私たち株式会社HUMEDITは、グループで11院・多科目のクリニック運営に関わっています。医事の現場を見ていて痛感するのは、レセプト点検にかかる時間の大半が「機械で判定できる項目」に使われていることです。病名の付け忘れ、算定回数の超過、資格喪失後の受診。こうした形式的な不備を人が一枚ずつ探すために、月初の数日が消えていきます。

この記事では、レセプトチェックをAIに任せるとは具体的に何をすることなのか、どこまでが機械の仕事で、どこからが人の判断なのかを、導入の順番まで含めて整理します。専門用語には都度説明を添えるので、医事課の方だけでなく、経営側の方が読んでも判断材料になるように書きました。

⚠️ 本記事は2026年8月時点の公開情報と、当社グループでの運用経験にもとづく整理です。診療報酬の算定可否は個別の状況で判断が変わります。最終的な確認は必ず管轄の地方厚生（支）局および審査支払機関にお願いします。制度・運用は改定や疑義解釈で変わる可能性があります。

この記事でわかること

• 審査支払機関がレセプト審査でAIをどう使っているか
• 「返戻」と「査定」の違いと、AIが効くのはどちらか
• 医療機関側のAIレセプトチェックで自動化できる項目の一覧
• AIに任せてはいけない4つの判断
• 導入を4段階に分ける進め方
• 費用対効果の計算式と、規模別の試算
• 人件費が年間いくら減るのか（規模別・常勤換算・残業込みの試算）
• 導入前チェックリスト20項目

なぜ今、レセプトチェックをAIで行うのか

審査する側は、すでにAIを使っている

まず前提の確認です。社会保険診療報酬支払基金は、レセプト審査の過程にAIによる振分機能を組み込んでいます。届いたレセプトをすべて同じ重さで人が見るのではなく、コンピュータチェックを通したうえで、AIが「人の目で見るべきもの」「そのまま審査を終了してよいもの」を仕分けています。

この仕組みは大きく2段階に分かれています。

このAI審査の仕組みにはRECAI（Receipt Clustering using AI／りかい）という名称が付けられています。ポイントは、過去の査定実績を学習しているという点です。つまり、一度査定された算定パターンを繰り返している医療機関ほど、AIに拾われやすくなります。

目視の総当たりが成立しなくなっている

医療機関側の現実を見ると、レセプト点検は依然として人海戦術が中心です。月初の数日間、医事課が総出でレセプトを眺め、病名の抜けや算定の矛盾を探す。この運用には、構造的な弱点が3つあります。

• 件数に比例して時間が増える。患者数が伸びれば点検工数もそのまま伸びる。増患は喜ばしいはずなのに、月初の負荷だけが積み上がる
• 精度が人に依存する。ベテランと新人で見つけられる不備がまったく違う。担当者が辞めると精度が落ちる
• 締切がある。提出期限は動かせないので、時間切れになった分は「見ていないまま出す」ことになる

3つ目が特に重要です。点検が終わらなかったレセプトは、点検されずに審査支払機関へ届き、AIが待ち構えている。この非対称が、いま多くの医療機関で起きていることです。

「返戻」と「査定」は別物｜AIが効くのはどちらか

AI化の話に入る前に、用語を整理します。この2つを混同したまま対策を立てると、効果の出ない投資になります。

導入効果が最も早く、確実に出るのは返戻対策です。返戻は「知っていれば防げた」ものがほとんどで、機械が最も得意とする領域です。一方、査定対策はデータが貯まるほど効いてくる性質のもので、導入初月から劇的に減るわけではありません。ここを取り違えると「AIを入れたのに査定が減らない」という評価になってしまいます。

なお、レセプト点検によって査定・返戻率が下がると、5〜10％程度の収益改善につながるケースが多いと言われます。ただしこれは元の状態に大きく依存する数字です。すでに点検体制が整っている医療機関では、当然ながら伸びしろは小さくなります。

医療機関側のAIレセプトチェックができること

「AIでレセプトチェック」と一言でいっても、中身は複数の技術の組み合わせです。実務の観点から、何がどこまでできるのかを分解します。

1. 病名と診療行為の突き合わせ

最も効果が大きい領域です。実施した検査・処置・投薬に対して、それを正当化する病名（レセプト病名）が付いているかを全件照合します。人がやると膨大な組み合わせを記憶に頼って確認することになりますが、機械なら漏れなく走査できます。

逆方向のチェックも重要です。付いている病名に対して、必要な診療行為が記録されていないケース。これは査定ではなく算定漏れ、つまり取り損ねです。AIチェックの副産物として、請求できたはずの点数が見つかることは珍しくありません。

2. 算定ルールの機械的検証

回数制限、併算定の可否、算定間隔、上限日数。この種のルールは条文で決まっており、判断に迷う余地がありません。機械が最も得意とする領域で、ここを人が見ている時間は、そのまま削減できる工数です。

3. 医薬品の適応・用量チェック

添付文書上の効能・効果に対して病名が対応しているか、用量が上限を超えていないか、投与日数が制限内かを検証します。とくに適応外投与は査定の主要因のひとつで、機械チェックの効果が出やすい項目です。

4. 資格・記載事項の形式チェック

保険者番号、記号・番号、氏名・生年月日、資格の有効性。返戻の直接原因になる項目群です。オンライン資格確認と組み合わせれば、そもそも返戻になる請求を出さないところまで前倒しできます。

5. 過去の査定パターンの学習

ここがいわゆる「AIらしい」部分です。自院が過去に査定された内容を蓄積し、同じ轍を踏もうとしているレセプトに警告を出す。審査側が過去実績を学習しているのと、鏡写しの発想です。

この機能は、査定情報を構造化して蓄積している医療機関でしか効きません。増減点連絡書を紙のまま綴じているだけでは学習データになりません。導入前の準備として、ここが最も見落とされます。

AIに任せてはいけない4つの判断

導入を成功させるうえで、できることの一覧よりも重要なのができないことの線引きです。ここを曖昧にしたまま導入すると、現場が「AIが通したから大丈夫」と考えるようになり、かえってリスクが上がります。

1. 医学的妥当性の最終判断

その検査が本当に必要だったか、その投薬が患者の状態に照らして適切だったか。これは診療の中身そのものであり、医師の判断領域です。AIが「査定されるかもしれない」と警告を出したとして、それは「請求をやめろ」という意味ではありません。必要な医療を行ったのであれば、症状詳記を添えて堂々と請求すべきです。

AIの警告を「請求の取り下げ」に直結させてはいけません。これをやると、正当な収益を自ら削ることになります。

2. 請求の最終責任

レセプトを提出する責任は医療機関にあります。AIが見落としても、その責任がベンダーに移ることはありません。誰が最終確認して提出したのかを記録に残す運用は、AI導入後も必要です。

3. 個別指導・監査への対応

行政とのやり取りは、文脈と経緯の説明が求められる場面です。過去の運用実態、院内の体制、改善の経過を語れるのは人だけです。

4. 制度改定の解釈

診療報酬改定の直後は、AIチェックが最も当てにならない時期です。学習データは改定前の世界のものであり、疑義解釈も出そろっていません。改定後の数か月は、意識的に人の確認比率を上げる運用が要ります。ここを自動運転のままにしておくのが、最も危険なパターンです。

導入は4段階に分ける

一度に全部を置き換えようとすると、現場が回らなくなります。当社グループでの経験を踏まえると、次の順序が安全です。

段階1｜現状を数字にする（1〜2か月）

AIの話をする前に、いま何がどれだけ起きているのかを数えます。ここを飛ばすと、導入後に効果を語れなくなります。

• 月あたりの返戻件数と金額、その理由の内訳
• 月あたりの査定件数と金額、査定された項目の上位
• レセプト点検にかけている総工数（人数×時間）
• 再請求できずに落としている金額

この4つが出れば、投資判断の材料は揃います。逆に言えば、これが出ない状態でツールを選定しても、良し悪しを判断できません。

段階2｜形式チェックを自動化する（1か月）

資格確認、記載事項、算定回数といった白黒がはっきりする項目から機械に渡します。ここは判断が入らないので、現場の抵抗もほとんどありません。返戻が目に見えて減り、月初の負荷が下がるので、次の段階への合意も得やすくなります。

段階3｜査定データを蓄積し、学習させる（6か月〜）

増減点連絡書を構造化データとして貯める運用に切り替えます。日付・診療科・医師・項目・理由・金額を、検索できる形で残す。半年も貯まれば、自院の弱点が明確な傾向として見えてきます。

ここで判明するのは、たいてい「特定の診療科の、特定の算定パターン」に査定が集中しているという事実です。全体をならして対策するより、上位3パターンに絞って院内ルールを変えるほうが効果が出ます。

段階4｜前工程に戻す（継続）

最終形は、レセプトを作る前に間違いを防ぐことです。オーダーの時点、カルテ記載の時点で「この検査にはこの病名が要ります」と出す。月末に探すのではなく、その場で片付ける。

レセプト点検の理想は、点検で何も見つからない状態です。段階4はそこへ向かう作業です。

費用対効果をどう計算するか

稟議を通すには数字が要ります。効果は次の3つに分解すると説明しやすくなります。

年間効果額 ＝ ①査定の削減額 ＋ ②算定漏れの回収額 ＋ ③工数削減額

• ①査定の削減額＝ 現在の年間査定額 × 削減率
• ②算定漏れの回収額＝ 点検で新たに見つかる請求可能額
• ③工数削減額＝ 削減時間 × 時間単価

下の表は、あくまで考え方を示すための仮の試算です。実際の数字は診療科構成と現在の点検精度で大きく変わります。自院の段階1の数字に置き換えてお使いください。

ここに①と②が乗ります。実務上は②の算定漏れの回収が、想定より大きく出ることが多いという感触があります。査定を減らす話ばかりが注目されますが、取り損ねていた点数が見つかる効果は無視できません。

見落としがちなコスト

とくに誤検知（フォールスポジティブ）の扱いは要注意です。警告が多すぎると現場が読まなくなり、本当に危ないものまで素通りします。警告は少なく、精度高くが原則で、そのためのチューニング期間を最初から工程に入れておくべきです。

人件費はどれだけ減るのか

経営判断でいちばん知りたいのはここだと思いますので、計算の前提から示します。

時間単価の出し方

人件費を「時給」で見るときは、額面の給与だけでなく、会社が負担している社会保険料などを含めた総額で計算しないと実態から外れます。

時間単価 ＝ 年収 × 1.25（法定福利費等の企業負担）÷ 年間実労働時間1,900時間

年収と労働時間は各医療機関の実情に置き換えてください。ここでは最も控えめな2,300円を基準に試算します。

規模別の年間人件費削減額

点検工数が6割減になった場合の試算です。あくまで仮の前提にもとづく計算であることをご了承ください。

多科目・複数拠点の規模になると、ちょうど常勤1人分の時間が浮く計算になります。これは「1人減らせる」という意味ではなく、1人分の時間を別の業務に回せるという意味です。この違いは後述します。

残業代で見ると効果が大きくなる

レセプト点検は月初に集中する業務です。つまり、削減される時間の多くが残業時間である医療機関が少なくありません。

残業には割増賃金（法定時間外は25％以上）がかかるため、同じ1時間でも削減効果が変わります。

月初の残業が常態化している場合、削減額は単純計算より2〜3割大きく出ます。稟議資料には、この観点を必ず入れてください。

採用コスト・離職コストも計算に入る

見落とされがちですが、これも人件費です。医療事務は慢性的な採用難の職種で、1名採用するのに数十万円の費用と、戦力化までの数か月がかかります。

• 月初の残業が減ることによる離職の抑制
• 点検業務の属人性が下がることによる引き継ぎ工数の削減
• 新人が戦力になるまでの期間短縮（チェックが機械側にあるため）

とくに3つ目は効果が大きく、ベテランの知識に依存していた点検が仕組み側に移ることで、教育期間が短縮されます。

重要：削減の目的を「人員削減」に置かない

ここは強調させてください。浮いた時間を人員削減に充てるのは、多くの場合もったいない選択です。

理由は単純で、医事課にはやれば収益が上がるのに手が回っていない業務が残っているからです。

人件費削減額を「コストカット」ではなく「再投資できる時間の価値」として見るほうが、実際の経営効果は大きくなります。年間431万円分の時間が浮いたなら、それを施設基準の取得に充てたときの増収と比較してみてください。多くの場合、後者のほうが大きくなります。

導入前チェックリスト20項目

ツール選定に入る前に、次の項目を確認してください。上10項目は自院の準備、下10項目はベンダーへの確認事項です。

とくに18番の「根拠が表示されるか」は軽視されがちですが、決定的に重要です。理由の分からない警告は、現場では無視されます。なぜ危ないのかが読めるツールでなければ、教育の道具になりません。

また15番・16番のデータの扱いも必ず文書で確認してください。レセプトは患者の要配慮個人情報を含みます。どこで処理され、誰がアクセスでき、学習に使われるのかを曖昧にしたまま契約すべきではありません。

よくある質問

Q. AIを入れれば医事課の人員を減らせますか

減らすためではなく、仕事の中身を変えるためと考えるほうが実態に合います。形式チェックに使っていた時間が空けば、査定分析、算定漏れの掘り起こし、未収金対応、施設基準の管理といった人でなければできない業務に回せます。これらはいずれも収益に直結します。

Q. 支払基金がAIで審査するなら、医療機関側の点検は不要になりますか

逆です。審査の精度が上がるほど、請求側の精度も問われます。これまで人の目をすり抜けていた不備が、機械的に拾われるようになります。医療機関側の点検を機械化するのは、その前提に合わせる作業です。

Q. 小規模なクリニックでも意味がありますか

件数が少ないほど、1件の査定が経営に与える影響は相対的に大きくなります。また小規模ほど点検が特定の1人に依存していることが多く、その人が不在になったときのリスクが高い。属人性を下げるという意味でも効果があります。

Q. 導入してどのくらいで効果が出ますか

返戻は初月から減ります。査定は3〜6か月かけて傾向が変わります。工数削減はチューニングが済んでからで、導入直後はむしろ増えます。この時間差を経営側と共有しておかないと、2か月目に「効果がない」と判断されてしまいます。

まとめ

要点を整理します。

• 審査支払機関はすでにAIで振り分けている。過去の査定実績を学習した仕組みが動いており、同じ誤りを繰り返す請求は捕まりやすい
• 返戻はルールベースで即座に減らせる。査定は過去データの蓄積が要るため、半年単位で見る
• 医学的妥当性の判断、請求の最終責任、行政対応、改定直後の解釈は人が担う。AIの警告を請求取り下げに直結させない
• 導入は4段階。まず数値化、次に形式チェック、次に査定データ蓄積、最後に前工程へ
• 算定漏れの回収効果が想定以上に大きいことが多い。査定削減だけで評価しない
• 誤検知の設計と、警告の根拠表示が現場定着を左右する

レセプトチェックのAI化は、最新技術の導入というより審査側との条件を揃える作業です。相手が機械で見ているものを、こちらも機械で見る。そのうえで、人にしかできない判断に時間を使う。この形に近づけるほど、月初の消耗は減り、収益は安定します。

株式会社HUMEDITは、グループで11院・多科目のクリニック運営に関わりながら、医療機関向けのシステム開発とIT支援を行っています。レセプト業務の見直し、電子カルテ・レセコンとの連携、医事課の業務設計についてのご相談は、お問い合わせフォームよりお気軽にお寄せください。

関連記事：医療IT事業について／医療事業について

参考：AIによるレセプト振分機能について（社会保険診療報酬支払基金）／コンピュータチェックに関する公開（社会保険診療報酬支払基金）