【医療DX最前線第２弾】医療現場の「言った言わない」を防げるか？AI音声認識が小児外科にもたらす変革【佐伯医師 × mocoVoice】

〜広島大学病院小児外科佐伯勇医師 × mocoVoice 医療モデル対談レポート〜

mocomoco株式会社

2025年11月18日 15時06分

mocomoco株式会社（本社：東京都港区六本木、代表取締役：田中康紀）は、広島大学病院小児外科講師／臨床准教授の佐伯勇（さえき・いさむ）医師と、当社が提供する音声認識AI「mocoVoice（モコボイス）医療モデル」の研究開発担当である、取締役CRO 大西一誉（おおにし・かずよ）による対談インタビュー記事を公開しました。

本インタビュー記事は、mocoVoiceによる自動文字起こし結果をもとに編集されたもので、AI音声認識が医療現場にもたらす変化や、インフォームド・コンセントにおける「言った／言わない」のリスク低減の可能性について掘り下げています。

▼インタビュー記事全文はこちらからご覧いただけます！
医療現場の「言った言わない」を防げるか？ AI音声認識が小児外科の最前線にもたらす変革

＜診療は進化しても、「記録」と「言った言わない」の課題は残る＞

　医療現場では、日々の診療だけでなく、カンファレンスや外来診察、インフォームド・コンセント（IC）など、後から正確に振り返ることが求められる場面が数多く存在します。

　一方で、医療スタッフの時間は限られており、電子カルテに説明内容を入力する作業は、「診療と同じくらい負担が大きい」という声も少なくありません。中でも、インフォームド・コンセント（IC）の場面では、患者や家族への説明が「本当に伝わっていたのか」が後から問題になるいわゆる「言った・言わない」問題が、大きな懸念となっています。

　こうした背景から、「診療の様子や説明内容を、そのままの形で残したい」というニーズが高まり、AI音声認識への期待が急速に高まっています。

＜本インタビュー登壇者紹介＞

今回のインタビューでは、「小児外科医としての現場視点」と「AI研究者としての視点」が交差しながら、医療モデルAIの共同開発の裏側が語られました。

佐伯勇医師は、2020年より広島大学病院小児外科講師／臨床准教授を務める小児外科医。

　日本外科学会および日本小児外科学会の指導医資格を持つほか、臨床・教育・研究の各分野で活躍しています。

　また、医学生の教育にも力を入れており、「問診」や「診察」の技術を体系的にトレーニングする教育プログラムの研究を進めています。

mocomoco株式会社取締役CROの大西一誉は、舞鶴工業高等専門学校・同専攻科を修了後、奈良先端科学技術大学院大学（NAIST）で工学修士号を取得。

　現在は理化学研究所にて対話型AIの研究に従事しながら、ユーザー視点に立ったプロダクトの研究開発をリードしています。

＜修正時間は「5時間 → 1時間未満」に＞

佐伯医師は当初、市販の一般向けAI文字起こしサービスを利用していましたが、医療用語の誤認識が多く、1ページあたり10箇所以上の修正が必要な状況でした。mocoVoice 医療モデルと共同で、2時間以上の診療音声を用いた学習とチューニングを約20回繰り返した結果、文字起こしの精度は大きく改善しました。

・1ページあたりの修正箇所：10箇所以上 → 1〜2箇所、場合によってはゼロ

・2時間の録音の修正にかかる時間：約5時間 → 1時間未満

佐伯医師は、「このままでは身が持たないと思っていた修正作業が、

ようやく現実的に続けられるレベルになった」と語っています。

＜「大泉門」も「うんち」も、医療現場では欠かせない言葉＞

　今回の共同開発では、小児外科ならではの語彙にも着目しました。赤ちゃんの頭にある柔らかい部分を指す「大泉門（だいせんもん）」や、新生児の状態を評価する「アプガースコア」といった専門用語に加え、「うんち」「おしっこ」など、一般的なAIサービスでは伏字にされがちな言葉も診察では重要な情報です。

mocoVoice 医療モデルでは、医療用途に限って、こうした語彙も含めて正確に認識・表示できるようチューニングを行っています。

＜インフォームド・コンセントとAIの“解釈しない設計”＞

診療の中でも、治療内容を説明し同意を得るインフォームド・コンセント（IC）は、「言った・言わない」が絶対にあってはならない重要なプロセスです。

本対談では、患者が実際に発した言葉をAIがどう扱うべきか、「吐いた」を「嘔吐」と書き換えてよいのか、といった具体的な論点も議論しました。インフォームド・コンセント（IC）におけるAIの役割や、「医療AIには、あえて解釈しない設計が必要ではないか」という問題提起を含む詳細な内容は、インタビュー全文にてご覧いただけます。

＜mocoVoiceについて＞

　「mocoVoice」は、企業から寄せられた現場の声に応える形で誕生した、オールインワンAI音声認識サービスです。議事録作成も話者分離もこれひとつで対応可能です。

高い正確性と処理速度:

大規模言語モデル（LLM）との組み合わせと独自アルゴリズムにより、精度90%以上（※当社調べ）と1時間の音声を最速3分で書き起こす高速処理を両立。
文脈を加味した校正機能:

書き起こした文章の誤字脱字を文脈を踏まえて修正し、正確なテキストに仕上げます。
用語の辞書登録機能:

医療、法律、金融など業界ごとの専門用語や固有名詞を事前に登録し、正しく書き起こし。読み仮名の登録は不要です。
話者分離機能:

最大12人の発話を個別に識別し、「誰が何を話したか」を明確にします。
カスタマイズ可能な議事録・要約:

長時間の会話や講義内容を簡潔な要点にまとめます。
実務運用しやすいチーム管理機能:

書き起こし結果や作成した議事録をチーム内で共有・管理することができます。
オンプレミス対応:

セキュリティや機密情報を扱う業界向けに、クラウドを使わず安全にデータを処理できるオンプレミス環境も提供可能です。