医療の現場を変革に挑戦した半年間の軌跡 - PythonとAIで現場を変える / From Code to Care

Transcript

1. 医療の現場を変革に挑戦した半年間の軌跡 - PythonとAIで現場を変える PyCon JP 2026
2. 最初に 謝罪と謝辞
3. 最初に
4. 最初に 一部コード例などをロストしております
5. 最初に
6. 最初に @nikkieさんに感謝 圧倒的感謝！！
7. What is it? 今日のゴール
8. What is it? 事業会社とは違う 医療の現場の難しさ
9. What is it? AIに変わっていく時代の中で エンジニアしか出来ない仕事
10. What is it? その中で探してきた 医療現場におけるDXの進め方
11. What is it? 意思決定の軌跡と 実際の実例を紹介します
12. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. AIの境界線の作り方 4. 効果があった事例 5. おわりに
13. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. AIの境界線の作り方 4. 効果があった事例 5. おわりに
14. 自己紹介 そ ね たけ とも 曽根 壮大（41歳） Have Fun Tech LLC 代表社員 株式会社リンケージ CTO 兼 COO • • • • 日本PostgreSQLユーザ会 勉強会分科会 担当 3人の子供がいます（長女、次女、長男） 技術的にはWeb/LL言語/RDBMSが好きです コミュニティが好き
15. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. AIの境界線の作り方 4. 効果があった事例 5. おわりに
16. いかにして問題をとくか 仕事の進め方はどんな仕事も いかにして問題をとくか
17. https://speakerdeck.com/soudai/aim-for-the-goal
18. 『いかにして問題をとくか』は、数学の問題を解く方 法としては、以下の手順を推奨している。 1. まず、問題を理解する必要があります 2. 理解した後、計画を立てます。 3. 計画を実行します。 4. あなたの作業を振り返ってください。
19. 『いかにして問題をとくか』は、数学の問題を解く方 法としては、以下の手順を推奨している。 1. まず、問題を理解する必要があります 2. 理解した後、計画を立てます。 3. 計画を実行します。 4. あなたの作業を振り返ってください。
20. いかにして問題をとくか 問題を理解する
21. いかにして問題をとくか 医療現場におけるDXの難しさ
22. いかにして問題をとくか • 医療現場特有の制約 ◦ 法規制、監査、個人情報、既存運用との整合 ◦ EOLを迎えた既存システムと、現場の業務停止リスク • 個人情報の価値が高い ◦ 医療情報は秘匿性が高く、流出は許されない ◦ セキュリティガイドラインの厳しい ▪ 医療情報システムの安全管理に関するガイドライン 第7.0版
23. いかにして問題をとくか • 様々なフォースがある ◦ ステークホルダーが多い ◦ ステークホルダーの中に依存関係があったりする ◦ 突然ビックプレイヤーが現れたりする ◦ 一気通貫にシステムを見ている人はいない ◦ 何かを変更するときに調整が多くて律速する
24. いかにして問題をとくか ヒエラルキーの境界線の強い組織 ↓ 要求・要件を一気通貫に出せる人がいない
25. いかにして問題をとくか ヒエラルキーの境界線の強い組織 ↓ 要求・要件を一気通貫に出せる人がいない 自分たちが覚悟を決めてやる必要がある
26. いかにして問題をとくか 問題の答えは いつだって現場にある
27. いかにして問題をとくか まずは現場を知る
28. いかにして問題をとくか まずは現場を知る ↓ イベントストーミングをする
29. イベントストーミング
30. イベントストーミングのコツ • イベントストーミングを実施するにはドメイン知識が必要 ◦ なので現場に何度も訪問してヒアリング • 現場の実務を観察する • 一度で問題は理解できない ◦ 観察や発見を元に何度もメンテナンスをする
31. 『いかにして問題をとくか』は、数学の問題を解く方 法としては、以下の手順を推奨している。 1. まず、問題を理解する必要があります 2. 理解した後、計画を立てます。 3. 計画を実行します。 4. あなたの作業を振り返ってください。
32. いかにして問題をとくか イベントストーミングから見つけた 一番のボトルネックから手を付ける
33. https://speakerdeck.com/soudai/aim-for-the-goal
34. 判断と決断の違いとコツ 数字は1日に処理出来る処理量 赤数字は実際の処理量 1日目 処理A 処理B 処理C 120(60) 140(60) 100(60) 処理A 処理B 処理C 120(120) 140(120) 100(100) 2日目
35. 判断と決断の違いとコツ 数字は1日に処理出来る処理量 赤数字は実際の処理量 1日目 処理A 処理B 処理C 120(60) 140(60) 100(60) 2日目 処理Aが生産した量以上は 処理できない 処理A 処理B 処理C 120(120) 140(120) 100(100)
36. 判断と決断の違いとコツ 数字は1日に処理出来る処理量 赤数字は実際の処理量 1日目 処理A 処理B 処理C 120(60) 140(60) 100(60) 処理A 処理B 処理C 120(120) 140(120) 100(100) 2日目 最大処理能力は処理能力が 低いところに依存する
37. 判断と決断の違いとコツ 数字は1日に処理出来る処理量 赤数字は実際の処理量 1日目 処理A 処理B 処理C 150(120) 100(100) 140(100) 在庫 20 2日目 処理A 処理B 処理C 120(130) 100(100) 140(100) 在庫 50
38. 判断と決断の違いとコツ 数字は1日に処理出来る処理量 赤数字は実際の処理量 1日目 処理A 処理B 処理C 150(120) 100(100) 140(100) 在庫 20 2日目 処理A 前後の工程が頑張っても在 処理B 庫が増えるだけで最終成果 処理C 物はボトルネックで決まる 120(130) 100(100) 在庫 50 140(100)
39. 組織のスループットは最も遅い場所が決める
40. 『いかにして問題をとくか』は、数学の問題を解く方 法としては、以下の手順を推奨している。 1. まず、問題を理解する必要があります 2. 理解した後、計画を立てます。 3. 計画を実行します。 4. あなたの作業を振り返ってください。
41. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. AIの境界線の作り方 4. 効果があった事例 5. おわりに
42. AIの境界線の作り方 医療業界は制約が多い 小さく始めて影響範囲を絞る
43. AIの境界線の作り方 医療業界は制約が多い 小さく始めて影響範囲を絞る つまりいつも通りのアジャイルじゃん
44. https://speakerdeck.com/soudai/moving-between-the-concrete
45. AIの境界線の作り方 どうでもよいことは流行に従い 難しいことは常識に従い 芸術のことは自分に従う – 映画監督 小津安二郎
46. AIの境界線の作り方 撮影 : @uzulla
47. AIの境界線の作り方 どうでもいいことは流行りに従い、 重大なことは標準に従い、 ドメインのことは自分ら設計する – 郡山 昭仁
48. AIの境界線の作り方 • とにかく便利にしたいところはAIに頼る • 標準はSaaSやパッケージに頼る • 自分たちのビジネスコアは自分たちで作る
49. AIの境界線の作り方 自分たちのビジネスコアを 自分ら設計する
50. AIの境界線の作り方 自分たちのビジネスコアを 自分ら設計する ここで医療ドメインの制約との戦い
51. https://speakerdeck.com/soudai/designing-constraints
52. 非決定性との境界線を作る アウトプット 1回目 インプット LLM アウトプット 2回目 アウトプット 3回目 アウトプットが不定
53. 非決定性との境界線を作る ？？？「AIで確認すればいいのでは？」
54. 非決定性との境界線を作る アウトプット 1回目 アウトプット 1回目 インプット LLM アウトプット 2回目 アウトプット 3回目 精度は上がる 複数回を回しても アウトプットは不定
55. 非決定性との境界線を作る これは人間も似ている
56. 非決定性との境界線を作る アウトプット 1回目 インプット 人間 アウトプット 2回目 アウトプット 3回目 アウトプットが不定
57. 非決定性との境界線を作る 人間も 同じアウトプットを出すわけではない
58. 非決定性との境界線を作る 人間も 同じアウトプットを出すわけではない LLMは確率的に答えるし、人間は経験的に答える
59. 非決定性との境界線を作る だから標準化する 人間も 同じアウトプットを出すわけではない LLMは確率的に答えるし、人間は経験的に答える
60. 非決定性との境界線を作る アウトプット 1回目 インプット スループット （処理） アウトプット 2回目 処理を標準化する アウトプット 3回目 品質が高まり均一化する 同一のアウトプット
61. 非決定性と標準化 • 標準化によって単純化・統一化などが行われて品質が向上する ◦ つまりアウトプットのばらつきが揃う • 手順の標準化は手順書を作ること ◦ 入力の標準化のためにテンプレートを作ったり、判断分岐を 網羅して対応する行動を決める • チェックリストを作ることで必要な仕様を満たすことを確定させる • つまり暗黙知を明示的で測定可能で更新可能な仕組みに変えること ◦ 業務の言語化とも言える
62. 非決定性との境界線を作る どこかで境界線を作る必要がある 非決定性の高い状態 決定性の高い状態
63. 非決定性との境界線を作る ソフトウェアはハードウェアのために 非決定的な現実世界を仕様として決定する
64. 非決定性との境界線を作る ソフトウェアの世界 決定性の世界 REST API バリデーション Webフォーム Webフォームが境界線 ロジック 型 データベース
65. 非決定性との境界線を作る 再現性を高めるためには 境界線が必要
66. ざっくり概念図 • • • • SaaSの認証などが終わった あとの世界をChrome拡張か ら触る 拡張のGASから直接データ ベースは触らない それぞれのリソースには backend for frontend(BFF) を介し、ロジックはbackendに 実装する backendはFastAPI frontend GAS Backlog BFF backend カルテ MRI calendar
67. 現場とAIの境界線の作り方
68. AIの境界線の作り方 ここでGitHubを見せる
69. AIの境界線の作り方 制約が決定性を作る ↓ ソフトウェアの世界の制約が境界線を作る
70. AIの境界線の作り方 制約が決定性を作る ↓ ソフトウェアの世界の制約が境界線を作る 品質の担保と安全性を設計する
71. AIの境界線の作り方 平日午後でミーティングを空き時間に設定して
72. AIの境界線の作り方 確かに設定してくれるが品質が安定しない
73. AIの境界線の作り方 API GAS 平日午後でミーティングを空き時間を 検索するクエリを作って
74. AIの境界線の作り方 API GAS バリデーションでハルシネーションを防げる
75. AIの境界線の作り方 API エラー処理もできるし、リトライもできる GAS
76. ソフトウェアで作る境界線の例 • RESTなどのAPIは責任境界線とセットで決定性を作る ◦ 類似にCLIのインターフェースがある ◦ 標準入力のバリデーションが制約として境界線を作る ◦ アウトプットの品質が固定される ▪ 中身がLLMだと非決定性が維持される • データ層は決定された事実が保存される ◦ 集計結果や分析の元になるデータは揺らいではいけない ▪ 結果のノイズになってしまう • 契約プログラミングに似ている ◦ どうやって決定されたデータやオブジェクトを扱うか
77. AIの境界線の作り方 制約によってガードレールを作る
78. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. 現場とAIの境界線の作り方 4. 効果があった事例 5. おわりに
79. 『いかにして問題をとくか』は、数学の問題を解く方 法としては、以下の手順を推奨している。 1. まず、問題を理解する必要があります 2. 理解した後、計画を立てます。 3. 計画を実行します。 4. あなたの作業を振り返ってください。
80. 効果のあった事例 実際に効果の高かった事例紹介
81. 効果のあった事例 コレは来てくれた人たちだけの お楽しみ
82. あじぇんだ 1. 自己紹介 2. いかにして問題をとくか 3. 現場とAIの境界線の作り方 4. 効果があった事例 5. おわりに
83. おわりに Pythonはどこでも動くし 様々な問題を解ける
84. おわりに 大きな問題を 分割して小さく解く
85. おわりに Better late than never. 遅くても、やらないよりはやったほうがいい – @miyagawa
86. 引用元 : ワールドトリガー 28巻
87. おわりに 難しいことかもしれない 他人は決めないなら、自分が決めるしかない
88. おわりに “大事なのは できる という経験を得ること” – 宇宙兄弟 145話
89. おわりに 引用元『宇宙兄弟』11巻
90. おわりに 引用元『宇宙兄弟』11巻
91. おわりに
92. おわりに “手を動かした者だけが、世界を変える” 株式会社はてな id:onishi
93. おわりに 眼の前の問題を 解決できるのは自分だけ
94. おわりに
95. おわりに 昨日の自分に誇れる 今日の自分になろう
96. おわりに ご清聴ありがとうございました