「うちは、本来もらえるはずの加算を取りこぼしていないだろうか」——医療や介護、あるいは細かな料金ルールを扱う現場なら、一度は感じたことのある不安ではないでしょうか。ルール自体は決まっている。でも件数が膨大で、一件ずつ目で確かめるのは現実的ではない。今回は、多店舗の調剤薬局が、日々のレセプト（診療報酬・調剤報酬の請求データ）から「算定漏れの可能性」を自動で洗い出す仕組みをつくった話です。
課題：ルールは決まっているのに、目視では追いきれない
この会社では、複数の店舗それぞれで毎月大量のレセプトが発生します。加算（一定の条件を満たすと請求できる上乗せ点数）の種類は多く、条件も細かい。担当者は日々の業務に追われ、「本当はこの加算を取れたのでは」という検証まで手が回りません。
- 量の問題：一店舗でも膨大な件数。多店舗ならなおさら目視は不可能。
- 属人化：詳しい人の記憶と経験に頼っており、抜けに気づけるかは人次第。
- 金額が見えない：「取りこぼしていそう」という感覚はあっても、いくら分なのかが示せない。
やったこと：集計データを解析し、怪しい項目に印をつける
取り組んだのは、レセプトの集計データ（XMLという構造化されたファイル形式）を機械的に読み込み、算定ルールと突き合わせて「本来なら加算できたかもしれない項目」を自動で拾い上げる仕組みです。あわせて、取りこぼしていそうな金額の目安も一覧で提示します。
- データを読む：XMLを解析し、どの患者・どの調剤にどの加算がついている／いないかを整理。
- ルールと照合：算定条件のルールを組み込み、「条件は満たすのに加算がない」ケースを抽出。
- 金額の目安を出す：拾い上げた項目に点数を掛け、取りこぼし額の概算を表示。
つまずいた点
一番の壁は「正確さ」でした。点数や算定ルールは複雑で、少しでも解釈を誤ると、現場を混乱させる誤検知の山になります。
- 専門家のレビューが前提：最終的な点数判断は、現場に詳しい担当者の確認を必ず通す設計にした。ツールはあくまで「候補出し」に徹する。
- 店舗ごとの運用差：同じ加算でも店舗によって入力や運用のクセがあり、そのまま比べると誤検知が増える。
- フォーマットの揺れ：データの書き方に細かなばらつきがあり、読み取り側で吸収する調整が必要だった。
これらを一つずつ潰し、「拾いすぎて信用されなくなる」状態を避けるチューニングに時間をかけました。
結果：どこをいくら取りこぼしていそうか、一覧で見える
導入後は、どの加算をどの程度取りこぼしていそうかが一覧で見えるようになりました。これまで「なんとなく不安」だったものが、確認すべき候補として具体的に並ぶ。あとは専門家が優先度の高いものから確認していけばよい状態です。
大事なのは、これが最終判断を機械に委ねる仕組みではないということ。点数の確定はあくまで人が行い、機械は「見落としを減らすための下ごしらえ」を担う。この役割分担が、現場に受け入れられた理由でした。
この型が使える会社
今回のポイントは、レセプトという特定業務ではなく「ルールが決まっていて、目視では追いきれない大量データのチェック」という型にあります。
- 請求・料金の妥当性チェック：割引や加算の適用漏れ、条件付き料金の当てはめ。
- 契約・申請の要件確認：条件を満たすのに手続きが抜けている案件の洗い出し。
- 台帳・在庫の照合：ルール上あるべき記録と実データのズレの検出。
「ルールは明文化できるが、量が多くて人手では追えない」。そんな業務があれば、まず候補出しだけを自動化し、最終判断は人が握る。この分担から始めるのが現実的です。
※記載の数値は実際の取り組みをもとにした概算です。
