結論：歯科医院のバックオフィス業務3領域（問診票OCR補助・患者向け治療説明文・月次レセプト前コード照合）は、患者の個人情報をClaude Codeに直接入力しない設計を守れば、ITリテラシー中程度のスタッフでも導入できる実装パターンが存在する。
- 要点1：問診票PDFをOCRツールでテキスト化したあと、Claude Codeで補助テキストを自動生成。氏名・生年月日などの個人特定情報は入力前にマスクする（詳細は後述）。
- 要点2：「根管治療」「歯周ポケット」等の専門用語を患者向け平易語に変換するスクリプトで、説明文の作成時間を想定30〜40分/件から10分以内に短縮できる（試算値）。
- 要点3：月次レセプト提出前のコードリスト照合に使えるCLIスクリプトで、算定ルールの確認漏れを減らせる。最終的な点数の判断は必ず担当スタッフ・歯科医師が行う。
対象読者：歯科医院の院長・事務長・医療事務スタッフで、Claude Codeを業務補助に使いたい方。エンジニア経験は不要。
本記事の立ち位置：本記事は想定モデルシナリオ（仮説的な実装パターン解説）です。特定の医療機関の実績値ではありません。数値はすべて試算値として明示します。
「うちのスタッフはITが得意じゃないし、電子カルテのベンダーに縛られていて外部ツールを入れづらい」
歯科医院でAI活用を検討する際、よく聞こえてくる声です。確かに、電子カルテシステムとのAPI連携が必要な実装は難易度が高い。でも実は、Claude Codeの使い方次第ではカルテシステムに手を触れずに、日常のバックオフィス業務を補助できる余地がかなりあります。
この記事では、歯科医院で特に手が届きやすい3つの切り口——①問診票OCR補助テキスト生成、②治療説明文の平易語変換、③月次レセプト前のコード照合——に絞って、実装パターンと設計上の注意点を解説します。
医療系のYMYL（Your Money or Your Life）領域ですので、診断・治療判断はAIが代替しないという前提、そして患者個人情報をClaude Codeに入力しないサンドボックス設計を最初に丁寧に説明します。
1. 歯科医院のバックオフィスで「自動化しやすい業務」の見極め方
Claude Codeを導入する前に、まず業務を3種類に分けて考えると整理しやすくなります。
| 業務種別 | 例 | 自動化適性 | 理由 |
|---|---|---|---|
| 患者と対面しない定型テキスト処理 | 問診票OCR補助・説明文ドラフト | ◎ 高い | 入出力がテキストで完結、個人情報を除外設計しやすい |
| コードリスト・ルール照合 | レセプト前コード確認 | ○ 中〜高 | 参照元がテキストファイル化できる、最終確認は人が行う |
| 診療録の直接生成・更新 | カルテへの直接書き込み | × 低い | 電子カルテAPIが必要、医師法上の責任者が明確に必要 |
| 診断・治療計画の生成 | 「この症状への治療法を決める」 | × 不可 | 医師・歯科医師の独占業務。AIによる代替は法的にも不可 |
今回解説する3つの切り口はすべて「患者と対面しない定型テキスト処理」または「コードリスト照合」の範囲に収まります。
2. 大前提：患者個人情報をClaude Codeに入力しない設計（サンドボックス設計）
歯科医療の情報は個人情報保護法上の要配慮個人情報（病歴・診療情報）に当たります。Claude Codeに入力したプロンプトは、使用するAPIの利用規約・プライバシーポリシーに従って処理されます。自院のコンプライアンス規程や院内情報セキュリティポリシーを必ず確認してから導入を検討してください。
本記事では、以下のマスク設計を前提にしています。
- 入力前マスク：患者氏名、生年月日、住所、電話番号、保険証番号は入力時点で「患者A」「〇〇代男性」等に置換する
- サンドボックス環境：Claude Codeを本番の電子カルテネットワークとは分離した端末（オフライン可）で動かす
- 出力の取り扱い：生成テキストはスタッフが確認・修正してからカルテに転記する。AIの出力をそのまま医療記録にしない
重要：本記事の設計パターンは一般的な実装例であり、特定の医療機関のセキュリティ基準・電子カルテ規定への適合を保証するものではありません。導入前に必ず情報セキュリティの専門家や電子カルテベンダーに相談してください。
3. 切り口①：問診票PDFのOCR補助テキスト生成
現状の課題
多くの歯科医院では、初診時に紙の問診票を記載してもらい、スタッフが内容を電子カルテへ転記するという作業が発生しています。手書きが読みにくい場合や、チェック項目が多い問診票では転記に10〜20分かかることもあります（筆者が複数のクリニック事務担当者から聞いたヒアリングベース。試算値）。
実装パターン
ここではOCRツールでテキスト化した問診票内容をClaude Codeに渡し、カルテ転記を補助するテキストを生成させるパターンを説明します。
処理フローは以下のとおりです：
- 受付スタッフが問診票をスキャン（PDFまたはJPEG）
- 既存のOCRツール（Adobe Acrobat / Google Drive / Microsoft OneDrive等）でテキスト化
- テキスト内の個人特定情報（氏名・生年月日等）を「患者番号XXXXX・〇〇代・性別」形式に置換
- Claude Codeにマスク済みテキストを渡し、「カルテ転記用の整形テキスト」を生成
- スタッフがClaude Codeの出力を確認・修正し、カルテに転記
Claude Codeで使うプロンプト例は以下のとおりです：
以下は歯科医院の初診問診票をOCRで読み取ったテキストです。
患者の氏名・生年月日・住所・電話番号はすでに「患者番号XXXXX」等に置換済みです。
【OCRテキスト】
患者番号XXXXX（40代男性）
主訴：右上奥歯がしみる、食事中に痛む
既往歴：高血圧（服薬中）
アレルギー：なし
最終受診：他院で3年前
…（以下略）
このテキストをもとに、電子カルテの「初診時主訴・既往歴」欄に転記しやすい
箇条書き形式に整形してください。
不足している情報があれば「要確認：〜」として末尾に列挙してください。
仮定した点は必ず「仮定：」と明記してください。
実装上のポイント
- OCRはClaude Codeの外で行う：Claude Code自体に画像を直接渡してOCRをさせる設計は、画像に個人情報が含まれる可能性があるためリスクが高い。OCR後のテキストデータを渡す設計にする
- 「要確認」出力を活かす：OCRの読み取りエラーや記載漏れをAIに検出させ、スタッフの確認工数を減らす
- 出力はドラフト扱い：最終的なカルテ転記は必ずスタッフが目視確認してから行う
4. 切り口②：治療説明文の患者向け平易語変換
現状の課題
「根管治療が必要です」「歯周ポケット4mmです」——これらは歯科スタッフには当たり前の言葉ですが、患者にはなかなか伝わりにくい表現です。丁寧に説明すれば患者の治療への理解と同意（インフォームドコンセント）が深まりますが、一人ひとりに口頭で説明する時間が取れない場面も多い。
実装パターン
治療内容や術後注意点の説明文ドラフトを、Claude Codeを使って患者向けの平易語に変換するスクリプトです。この処理には患者個人情報は含まれないため、設計が比較的シンプルになります。
以下の歯科専門用語を含む説明文を、歯科知識のない成人患者が理解できる
平易な日本語に書き換えてください。
【変換ルール】
- 専門用語には必ず括弧書きで説明を添える
- 文章は小学校高学年が読める語彙・文体で
- 「〜しないと危険」などの過度な脅し表現は使わない
- 患者に誤解を与える可能性のある断定表現は使わない
- 変換できなかった専門用語は【要確認】とマークする
【元の説明文】
本日の診察では右上6番に二次う蝕を認め、歯髄炎のリスクがあるため
コンポジットレジン充填では不十分と判断し、根管治療が必要な旨を説明しました。
術後3日程度の疼痛が予想されます。
数字と固有名詞は、根拠（出典/計算式）を添えてください。
仮定した点は必ず「仮定：」と明記してください。
以下のような出力が得られます（試算イメージ）：
本日の診察では、右上の奥から2番目の歯（右上6番）に「虫歯の再発（二次う蝕）」が見つかりました。このまま放置すると歯の神経（歯髄）に影響が出る可能性があるため、つめ物（コンポジットレジン充填）だけでは対処が難しい状態です。歯の根の治療（根管治療）が必要です。治療後3日ほどは痛みが出ることがありますが、痛み止めで対応できる場合がほとんどです。【要確認：術後の疼痛程度は個人差があります。担当医にご確認ください。】
変換テンプレートの整備と運用
頻出の治療名・術語ごとに変換テンプレートを蓄積しておくと、スタッフが毎回プロンプトを書く手間が省けます。
# dental_explain_template.py
# 使い方: python3 dental_explain_template.py --term "根管治療" --context "右上6番"
import subprocess, argparse
parser = argparse.ArgumentParser()
parser.add_argument("--term", required=True, help="専門用語")
parser.add_argument("--context", default="", help="文脈・補足情報")
args = parser.parse_args()
prompt = f"""
歯科専門用語「{args.term}」を患者向け平易語に変換してください。
文脈：{args.context}
変換できない場合は【要確認】とマークしてください。
仮定した点は仮定と明記してください。
"""
# Claude Code CLIへ渡す（claude -p オプション）
result = subprocess.run(
["claude", "-p", prompt],
capture_output=True, text=True
)
print(result.stdout)
5. 切り口③：月次レセプト提出前のコードリスト照合
現状の課題と注意事項
歯科レセプト（診療報酬明細書）は、月次で審査支払機関（社会保険診療報酬支払基金または国民健康保険団体連合会）に提出します。算定ルールは毎年改定があり、スタッフが全てのルールを暗記するのは難しい。返戻（差し戻し）が発生すると再提出の手間がかかります。
重要な前提：レセプト点数の最終判断は必ず担当スタッフ・歯科医師が行ってください。Claude Codeの出力は「照合の補助」にとどめ、AIの出力を根拠に点数を確定させてはいけません。また、診療報酬点数表の最新版は必ず厚生労働省公式サイト（mhlw.go.jp）で確認してください。
参考：厚生労働省「診療報酬点数表」（https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/kenkou_iryou/iryouhoken/index.html、2026年6月時点）
実装パターン
ここでは点数コードのリストファイルと算定条件メモをテキストで管理し、Claude Codeに「このコードの組み合わせに問題がないか」を確認させるパターンを説明します。患者の氏名・保険証情報はこの処理に含めません。
# レセプト前確認スクリプト（想定モデル実装例）
# 実行前に: rules.txt に算定ルールのメモを記載しておく
import subprocess
# 確認対象（患者特定情報はなし・コード+算定理由のみ）
billing_codes = """
【確認対象コードリスト（2026年6月分・患者特定情報なし）】
- 初診料 (251点) × 3件
- 歯科疾患管理料 (104点) × 5件
- 根管治療 (歯髄炎・生活歯) (230点) × 2件
- 根管充填 (360点) × 1件
- CAD/CAM冠 (653点) × 1件
- SPT (Ⅱ) (56点) × 8件
"""
rules = open("dental_rules.txt").read()
prompt = f"""
以下は当月の歯科レセプト算定コードリストです（患者特定情報は含みません）。
参照ルール集と照合し、算定上注意が必要な点があれば指摘してください。
【算定コードリスト】
{billing_codes}
【参照ルールメモ】
{rules}
【注意事項】
- 最終的な算定判断は担当スタッフ・歯科医師が行います
- 指摘事項は「要確認：〜」形式で列挙してください
- 判断が難しい点は「不確実：専門家に確認推奨」と明記してください
- 数字や制度の根拠は出典を添えてください
"""
result = subprocess.run(
["claude", "-p", prompt],
capture_output=True, text=True
)
print(result.stdout)
rules.txtの作り方
算定ルールメモ（rules.txt）は、院内で過去に返戻になったケースや、審査支払機関から指導を受けた内容を記録したものを活用するのが現実的です。具体的なルールの根拠は厚生労働省告示・通知（保険局医療課通知）で確認し、施行年月を必ず記録しておきましょう。
6. 実装上の落とし穴と回避策
失敗パターン①：個人情報を含んだままプロンプトに入れてしまう
❌ 「田中太郎さん（45歳・〇〇市）の問診票を整形して」
⭕ 「患者番号12345（40代男性）の問診票を整形して」
マスク処理を自動化するスクリプトを整備しないと、慌ただしい診療時間帯にスタッフが入力ミスするリスクがあります。処理フローの中にマスクステップを組み込む仕組みを作ることが重要です。
失敗パターン②：AI出力をそのままカルテに転記する
❌ Claude Codeが出力した文章をコピーしてカルテに貼り付ける
⭕ 出力はドラフトとして表示し、スタッフが確認・修正するワークフローにする
電子カルテへの記録は法定文書に相当します。AIが生成した文章であっても記録した医療機関・担当者の責任になります。出力を「ドラフト」として扱い、必ず人間が確認・修正するステップを設けてください。
失敗パターン③：レセプト点数をAIの回答で確定させる
❌ 「Claude CodeがXXX点と言ったからこの算定で提出しよう」
⭕ 「Claude Codeが指摘した要確認箇所を、スタッフが診療報酬点数表で確認してから算定する」
診療報酬の算定ルールは毎年4月改定があり、Claude Code（Anthropic API）の知識カットオフが最新の改定に追いついていない場合があります。算定根拠の最終確認は必ず公式の診療報酬点数表（厚労省）で行ってください。
失敗パターン④：電子カルテ端末と同じネットワークで運用する
❌ レセコン・電子カルテと同じLANにつながった端末でAPIキーを使う
⭕ API通信用の端末をセグメント分離する、またはオフラインの端末でClaude Code CLIをローカル動作させる設計を検討する
院内のネットワーク設計については、担当のITベンダーまたは情報セキュリティの専門家に相談することを推奨します。
7. 段階的導入のロードマップ（想定モデル）
| フェーズ | 期間（試算） | 内容 | 難易度 |
|---|---|---|---|
| Phase 1：単独用途で検証 | 1〜2ヶ月 | 治療説明文の平易語変換だけを試す。個人情報が入らないため最もリスクが低い。院長・事務長1〜2名でPoC実施。 | 低 |
| Phase 2：マスク処理を整備してOCR補助に拡張 | 3〜4ヶ月 | マスクスクリプトを作成・テストし、問診票OCR補助テキスト生成に拡張。スタッフ研修と運用マニュアル作成も並行。 | 中 |
| Phase 3：レセプト前照合スクリプト整備 | 5〜8ヶ月 | rules.txtの整備と照合スクリプトの運用開始。返戻案件のフィードバックをrules.txtに蓄積して精度向上。 | 中〜高 |
8. 想定モデル：効果試算（仮説値）
以下はすべて試算値・仮説ベースであり、特定医療機関の実測データではありません。実際の効果は院内業務フロー・スタッフ習熟度によって異なります。
| 業務 | 従来（試算） | Claude Code補助後（試算） | 想定短縮 |
|---|---|---|---|
| 問診票OCR補助テキスト生成 | 転記15〜20分/件 | 確認・修正5〜8分/件 | 約50〜60%削減（試算） |
| 患者向け治療説明文作成 | 30〜40分/件 | 確認・修正8〜12分/件 | 約65〜75%削減（試算） |
| レセプト前コード照合 | 月3〜4時間 | 月1〜1.5時間（要確認箇所への集中） | 約50〜60%削減（試算） |
※試算の前提：月間初診10件・治療説明10件・レセプト算定項目50件程度の中小規模歯科医院モデル
9. 他の医療系実装との棲み分け
本サイトには歯科以外の医療系実装事例も公開しています。業務の近さで参照先を選んでください：
- より汎用的なレセプト点検の実装パターン → 医療レセプト点検をClaude Codeで自動化｜返戻率40%削減の実装パターン（ID:36）
- 電子カルテのサマリ生成と安全設計 → 病院の電子カルテ要約をClaude Codeで時短（ID:22）
- 受付・予約業務のFAQ自動化 → クリニック予約業務をClaude Codeで整理（ID:55）
- 調剤薬局の服薬指導・在庫管理 → 調剤薬局のClaude Code活用（ID:390）
10. よくある質問（FAQ）
- Q. Claude Codeに問診票を読み込ませても個人情報保護法に違反しませんか？
- A. 本記事で説明したように、患者の氏名・生年月日・住所等の個人特定情報をマスクしてから入力する設計にすることで、要配慮個人情報を外部サービスに送信するリスクを低減できます。ただし、院内の情報セキュリティポリシーやシステム規定との整合性は必ず確認してください。不明な点は個人情報保護の専門家に相談することを推奨します。
- Q. レセプト点数の確認にClaude Codeを使うのは問題ありませんか？
- A. 「照合の補助ツール」として使う分には問題ありませんが、AIの出力を最終根拠にして点数を確定させることはやめてください。診療報酬点数表は毎年改定されるため、最新情報は必ず厚生労働省公式サイトで確認し、算定の最終判断はスタッフ・歯科医師が行ってください。
- Q. 電子カルテに自動入力する仕組みは作れますか？
- A. 電子カルテへの自動書き込みはベンダーのAPI提供状況に依存します。多くの歯科向け電子カルテシステムは外部API連携に対応していないか、ベンダーとの契約・審査が必要です。本記事の実装パターンは、カルテシステムに直接触れずに「補助テキストを生成してスタッフが転記する」設計にしています。
- Q. プログラミング経験がないスタッフでも使えますか？
- A. 本記事で示したPythonスクリプトはシンプルなCLIツールです。プログラミング経験がないスタッフには、ショートカットや簡易GUIラッパー（Streamlit等）を院内エンジニアに作ってもらうと運用がしやすくなります。Claude Code CLIの基本操作自体は、テキスト入力ができれば数時間で習得可能です。
- Q. 治療説明文の生成はインフォームドコンセントの代替になりますか？
- A. なりません。AIが生成した説明文はドラフト素材であり、インフォームドコンセントは担当歯科医師と患者の対話によって成立します。生成文は「口頭説明の補助資料」「患者へのお渡し文書のたたき台」として使うにとどめてください。
11. まとめ：歯科医院でClaude Codeを使うための3ステップ
- まず治療説明文の平易語変換から始める：個人情報が含まれないため最もリスクが低い。院長・事務長1〜2人で試して手応えを確認する。
- マスク設計を整備してOCR補助に拡張：マスクスクリプトを作成し、問診票OCRのワークフローに組み込む。スタッフ研修と運用マニュアルも同時に整備する。
- rules.txtを育てながらレセプト照合に活用：返戻案件や院内の確認漏れ事例をrules.txtに蓄積し、照合スクリプトの精度を上げていく。
歯科医院でのAI活用は「カルテの自動書き込み」「診断支援」といったハードルの高い部分から始めなくても、バックオフィスの定型テキスト処理から小さく始めることができます。大切なのは「AIは補助ツール、最終判断は人間が行う」という設計原則を守り続けることです。
著者プロフィール
佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆。
Claude Code導入を歯科医院・医療機関で検討中の方へ
Uravationでは、医療・クリニック向けのClaude Code個別指導・導入支援を行っています。個人情報の取り扱い設計から院内スタッフへの研修まで、セキュリティを重視した支援をしています。
次のステップ：
- まず試したい方 → Claude Code個別指導の詳細を見る
- 院内で検討したい方 → 無料相談フォームから問い合わせる
- 他の医療系実装も確認したい方 → 医療レセプト点検の実装パターンを読む
