クリニック受付スタッフ向け：予約時の問診情報から受診科・緊急度を仮分類するAIエージェントの作り方

複数の診療科を持つクリニックでは、受付スタッフが日々「この症状はどの科に振り分けるか」「今日すぐ診る必要があるか」を判断しています。この記事では、その判断を支援するAIエージェントの作り方を、実装プロンプトの全文公開とともに解説します。AIに医療判断を任せるのではなく、スタッフの「判断の起点」をつくるための実践的な活用方法をご紹介します。

クリニック受付が直面する「振り分け判断」の課題とは

複数の診療科を持つクリニックの受付スタッフは、日々多くの判断を迫られています。電話やWeb予約フォームで届く患者さんの症状記述は「お腹が痛い」「肌が赤くなった」「腰が痛くて動けない」など、医学的には曖昧なものがほとんどです。この曖昧な情報から、どの診療科に振り分けるか、そして今日すぐ診る必要があるかを判断しなければなりません。

受付スタッフが抱える「判断のばらつき」問題

この振り分け判断は、多くの場合スタッフの経験則に頼っています。ベテランスタッフであれば「この症状なら整形外科」「この表現は緊急性が高い」と素早く判断できます。しかし、入職して間もないスタッフにとっては、判断に迷うたびにベテランや看護師に口頭で確認する必要があります。

一般的な複数診療科クリニックの受付業務を想定した場合、以下のような課題が生じがちです。

• 同じ症状記述に対して、スタッフAは内科、スタッフBは外科と振り分けるケースがある
• 繁忙時間帯にベテランへの確認が集中し、受付全体の対応速度が低下する
• 緊急性の判断基準が明文化されておらず、個人の感覚に依存している
• 判断の記録が残らないため、振り分けミスが発生しても原因の振り返りが難しい
• 来院後に「別の診療科が適切だった」と判明する場合がある

これらの課題は、スタッフ個人の能力の問題ではなく、判断を支援する仕組みが整っていないことに起因しています。

AIエージェントによる問診トリアージ支援の全体像と位置づけ

このエージェントが担う役割の定義

本記事で紹介するAIエージェントは、患者さんが記述した症状テキストを入力として受け取り、以下の3つの情報を出力する「仮分類支援ツール」です。

1. 症状キーワードの抽出：自由記述から医療に関連するキーワードを整理する
2. 受診科候補の提示：抽出したキーワードをもとに、該当しうる診療科を優先度順に提示する
3. 緊急度フラグの仮判定：「要即時対応」「当日受診推奨」「通常予約」の3段階で緊急度を仮判定する

ここで強調しておきたいのは、このエージェントは**「判断を代行するもの」ではなく「判断を支援するもの」**であるという点です。最終的な受診科の決定や緊急度の判断は、必ず受付スタッフ、そして必要に応じて看護師・医師が行います。AIの出力はあくまで参考情報です。

トリアージ（triage）とは

トリアージとは、もともと救急・災害医療の現場で広く用いられる用語で、限られた医療資源のもとで患者の治療優先度を判定する行為を指します。本記事では、クリニック受付での「受診科の振り分け」と「緊急度の仮判定」を広い意味でのトリアージ支援と位置づけています。ただし、医療従事者が行う正式なトリアージとは異なり、あくまで受付業務における事前仮分類の域にとどまるものです。

エージェントの位置づけ：「判断の起点」をつくる

このエージェントが提供するのは「判断の起点」です。ゼロから考えるのではなく、AIが提示した候補をもとに「この判断で合っているか」を確認する形に変わります。これにより、新人スタッフでもベテランに頼らずに一次判断ができ、ベテランは最終確認に集中できるようになります。

Before/After：従来の受付フローとAIトリアージ支援導入後の比較

従来のフロー（Before）

内科・外科・整形外科・皮膚科の4診療科を持つクリニックを想定した場合、受付での振り分けフローは一般的に以下のようになります。

1. 患者が電話またはWeb予約フォームで症状を伝える
2. 受付スタッフが症状をメモ（紙またはExcel等）に記録する
3. スタッフが経験則で受診科を判断する
4. 判断に迷う場合はベテランスタッフまたは看護師に口頭で確認する
5. 緊急性が高いと感じた場合は主観で判断し、看護師・医師に相談する
6. 受診科と予約枠を確定し、患者に伝える
7. 判断の根拠は記録に残らないことが多い

AIトリアージ支援導入後のフロー（After）

1. 患者が電話またはWeb予約フォームで症状を伝える
2. 受付スタッフが症状テキストをAIエージェントに入力する
3. AIが症状キーワード・受診科候補・緊急度フラグを出力する
4. スタッフがAIの出力を参考に最終判断する（緊急フラグがある場合は即座に看護師・医師へ報告する）
5. 判断根拠がテキストとして記録に残る

Before/After対比表

注記：上記の比較は、内科・外科・整形外科・皮膚科の4診療科を持つ中小規模クリニックを一般的な例として想定しています。実際の効果は、診療科の構成やスタッフの経験、運用方法によって大きく異なります。

問診トリアージ支援AIエージェントの処理フロー詳細

このエージェントは、以下の3つのステップで処理を行います。

処理フロー全体図

Copy入力：患者の症状記述テキスト（自由記述）＋基本情報（年齢・性別、任意）
  ↓
Step 1：症状キーワード抽出
  患者の自由記述から、症状・部位・程度・期間に関するキーワードを抽出・整理する
  ↓
Step 2：受診科候補の判定
  抽出したキーワードと診療科の対応関係をもとに、候補を優先度順に提示する
  ↓
Step 3：緊急度フラグの仮判定
  症状の内容・程度・期間をもとに、3段階の緊急度フラグを仮判定する
  ↓
出力：構造化された分類結果
  （症状キーワード一覧、受診科候補リスト、緊急度フラグ、判断根拠、確認推奨事項）

Step 1：症状キーワード抽出の詳細

患者さんの記述は「朝からお腹がすごく痛くて、吐き気もあります」のような日常的な表現です。このステップでは、以下の4つの観点でキーワードを抽出します。

• 症状：腹痛、吐き気 等
• 部位：腹部 等
• 程度：「すごく」→ 強い痛み
• 時間情報：「朝から」→ 発症からの経過時間

Step 2：受診科候補の判定の詳細

抽出されたキーワードを、クリニックが持つ診療科リストと照合します。たとえば「腹痛＋吐き気」であれば内科が第一候補となり、「腹部の外傷」であれば外科が候補に挙がります。1つの症状が複数の診療科に該当する場合は、優先度の高い順に候補を並べます。

Step 3：緊急度フラグの仮判定の詳細

以下の3段階で緊急度を仮判定します。

この判定はあくまで仮のもので、最終的な緊急度の判断は医療従事者が行う必要があります。

実装プロンプト完全公開：症状分類・受診科提案・緊急度フラグ生成エージェント

以下のプロンプトをそのままコピーして、お使いのLLMサービス（ChatGPT、Claude等）に貼り付けて試すことができます。[変数名]の部分を自院の情報に置き換えてからご使用ください。自環境での動作確認を行ったうえで業務に適用してください。

なお、本プロンプトの出力は「参考情報」であり、医療判断を代替するものではありません。最終判断は必ず医療従事者が行ってください。

システムプロンプト（AIへの基本指示）

Copy# 役割定義（Role）
あなたは[クリニック名]の受付業務を支援する問診トリアージ仮分類エージェントです。
患者さんが電話やWeb予約フォームで記述した症状テキストを受け取り、
受付スタッフが受診科の振り分けや緊急度の判断を行うための「参考情報」を生成します。
重要：あなたは医療診断を行いません。あなたの出力は受付業務の参考情報であり、
最終的な判断は必ず受付スタッフ・看護師・医師が行います。
# 入力仕様（Input）
以下の情報を受け取ります：
- 症状記述テキスト（テキスト）：患者さんが伝えた症状の自由記述 ※必須
- 年齢（数値）：患者さんの年齢 ※任意（不明の場合は「不明」と記載）
- 性別（テキスト）：患者さんの性別 ※任意（不明の場合は「不明」と記載）
- 補足情報（テキスト）：受付スタッフが聞き取った追加情報 ※任意
# 処理手順（Process）
以下のステップで処理を行ってください：
Step 1：症状キーワードの抽出
- 入力された症状テキストから、以下の4つの観点でキーワードを抽出してください。
  (a) 症状名：痛み、発熱、発疹、しびれ、腫れ、咳、息切れ 等
  (b) 部位：頭部、胸部、腹部、腰部、四肢、皮膚 等
  (c) 程度・性質：「激しい」「鈍い」「突然の」「じわじわ」 等
  (d) 時間情報：発症時期、持続期間、頻度 等
- 患者さんの表現を医療的に整理し直してください。
  例：「お腹がすごく痛い」→ 症状：腹痛、部位：腹部、程度：強い
Step 2：受診科候補の判定
- 抽出したキーワードを以下の診療科リストと照合し、該当しうる診療科を優先度順に提示してください。
- 対応する診療科リスト：[診療科リスト]
- 複数の診療科が候補になる場合は、最も可能性の高い科を第1候補とし、最大3つまで提示してください。
- 各候補について、なぜその科が候補になるのかの理由を1行で記載してください。
Step 3：緊急度フラグの仮判定
- 以下の3段階で緊急度を仮判定してください。
  [緊急度基準]
- 判定にあたっては、症状の程度・発症の急性度・部位を総合的に考慮してください。
- 緊急度が高い場合は、受付スタッフが取るべき即時アクション（例：看護師への報告）も記載してください。
Step 4：確認推奨事項の生成
- 受付スタッフが患者さんに追加で確認すべき事項があれば、質問形式で提示してください。
- [受付時の追加確認項目]も参照してください。
- 確認事項は最大5項目までとしてください。
Step 5：判断根拠の要約
- なぜその受診科・緊急度と判定したのか、判断の根拠を3行以内で要約してください。
# 出力形式（Output）
以下の形式で出力してください：
---
【症状キーワード】
- 症状：[抽出した症状名]
- 部位：[該当する部位]
- 程度：[症状の程度・性質]
- 時間情報：[発症時期・持続期間]
【受診科候補】（優先度順）
1. [第1候補の診療科名]：[理由]
2. [第2候補の診療科名]：[理由]
3. [第3候補の診療科名]：[理由]
【緊急度フラグ】
判定：[要即時対応 / 当日受診推奨 / 通常予約]
推奨アクション：[受付スタッフが取るべきアクション]
【確認推奨事項】
- [患者さんに追加で確認すべき質問1]
- [患者さんに追加で確認すべき質問2]
【判断根拠】
[判断の根拠を3行以内で記載]
※この出力は受付業務の参考情報です。医療診断ではありません。
最終的な受診科・緊急度の判断は、必ず医療従事者が行ってください。
---
# 品質基準（Quality）
出力前に以下を自己チェックしてください：
- 症状キーワードが入力テキストから漏れなく抽出されているか
- 受診科候補が診療科リストの範囲内に収まっているか
- 緊急度フラグが3段階のいずれかに分類されているか
- 判断根拠が明確に記載されているか
- 「医療診断ではない」旨の注記が出力に含まれているか
- 推測で補った情報がないか（不明な情報は「不明」と記載しているか）
- 確認推奨事項が5項目以内に収まっているか
# 制約事項（Constraints）
- 医療診断・治療方針の提案は絶対に行わないこと
- 「この病気です」「この薬を飲んでください」等の断定的な医学的判断は禁止
- 入力情報に明記されていない症状や既往歴は推測で補わず、「確認が必要です：[項目名]」と記載すること
- 診療科候補は[診療科リスト]に含まれる科のみを提示すること（リスト外の科は提示しない）
- 緊急度「要即時対応」と判定した場合は、必ず「看護師・医師への即時報告を推奨します」と付記すること
- 最終出力は必ず受付スタッフおよび医療従事者が確認・承認してから業務に使用すること
- 患者の個人情報（氏名等）が入力された場合でも、出力に個人名を含めないこと
# カスタマイズ変数
以下の[変数名]を自院の情報に置き換えてから使用してください：
[クリニック名]：自院の名称に置き換えてください
  例：さくら内科・外科クリニック
[診療科リスト]：自院が持つ診療科の一覧に置き換えてください
  例：内科、外科、整形外科、皮膚科
[緊急度基準]：自院の緊急度判定基準に置き換えてください
  デフォルト例：
  - 要即時対応：胸痛、呼吸困難、意識障害、大量出血、激しい頭痛＋嘔吐
  - 当日受診推奨：38.5度以上の発熱、急な強い痛み、急性の症状、外傷
  - 通常予約：慢性的な症状、軽度の不調、定期的な症状の相談
[受付時の追加確認項目]：受付で患者さんに確認すべき定型項目に置き換えてください
  例：既往歴、アレルギーの有無、現在服用中の薬、症状の発症時期
[出力言語・敬語レベル]：出力テキストの文体に置き換えてください
  例：受付スタッフ向け（丁寧語・簡潔）
Copy

使用例（入力と出力のサンプル）

入力例：

Copy症状記述テキスト：「2日前から右の脇腹のあたりが痛くて、昨日の夜から熱も出てきました。37.8度くらいです。」
年齢：45歳
性別：男性
補足情報：なし

期待される出力例：

Copy---
【症状キーワード】
- 症状：脇腹の痛み（側腹部痛）、発熱
- 部位：右側腹部
- 程度：持続する痛み、37.8度の発熱（微熱〜中等度）
- 時間情報：2日前から痛み発症、昨日夜から発熱
【受診科候補】（優先度順）
1. 内科：発熱を伴う側腹部痛は、内科的疾患の可能性を考慮するため
2. 外科：右側腹部の痛みは、外科的対応が必要な場合も考えられるため
【緊急度フラグ】
判定：当日受診推奨
推奨アクション：当日中の受診枠を確保し、予約時に発熱がある旨を診療科に伝達してください
【確認推奨事項】
- 痛みは動くと強くなりますか、じっとしていても痛みますか
- 吐き気や嘔吐はありますか
- 排尿時に痛みや違和感はありますか
- 既往歴（過去に大きな病気や手術の経験）はありますか
【判断根拠】
右側腹部の痛みに発熱が伴っており、内科的疾患の可能性を第一に考慮しました。
痛みが2日間持続し発熱も加わっていることから、当日中の受診を推奨します。
外科的疾患の可能性も排除できないため、第2候補として外科を提示しています。
※この出力は受付業務の参考情報です。医療診断ではありません。
最終的な受診科・緊急度の判断は、必ず医療従事者が行ってください。
---

プロンプトの使い方

上記のプロンプトを使う手順は以下のとおりです。

1. [変数名]の部分を自院の情報に置き換える
2. LLMサービスの新しい会話にプロンプト全文を貼り付ける
3. 続けて、患者さんの症状テキストを「入力例」と同じ形式で入力する
4. 出力を確認し、受診科の振り分けと緊急度の参考にする
5. 最終判断は必ず受付スタッフおよび医療従事者が行う

カスタマイズガイド：自院の診療科構成・判断基準に合わせる方法

上記のプロンプトは、そのままでも動作しますが、自院の実情に合わせてカスタマイズすることで、より実用的な出力が得られます。

診療科リストのカスタマイズ

自院が持つ診療科のみをリストに記載してください。リストにない診療科はAIが候補として提示しなくなるため、振り分けの精度が上がります。

Copy例1（内科系クリニック）：一般内科、消化器内科、循環器内科
例2（総合クリニック）：内科、外科、整形外科、皮膚科、耳鼻咽喉科、眼科
例3（小児対応あり）：内科、小児科、皮膚科、アレルギー科

緊急度基準のカスタマイズ

自院の方針に合わせて、各緊急度レベルの判定基準を調整してください。たとえば、小児科がある場合は「小児の高熱」を「要即時対応」に含めるなどの調整が考えられます。

追加確認項目のカスタマイズ

受付時に患者さんに確認している定型項目があれば、プロンプトの[受付時の追加確認項目]に追記してください。AIが出力する「確認推奨事項」にこれらの項目が反映されます。

Copy例：妊娠の可能性、直近の海外渡航歴、同居家族の体調、ワクチン接種歴

段階的なカスタマイズの進め方

最初から細かくカスタマイズする必要はありません。まずはデフォルト設定のまま1〜2週間試し、出力結果を見ながら「この判定基準は自院に合わない」と感じた箇所から順に調整していくことをお勧めします。

重要な注意点：医療判断の最終責任と法的リスクへの対処

本記事で紹介するAIエージェントは、あくまで受付業務の「判断支援ツール」です。医療に関わるシステムを導入する際には、以下の点を十分に理解したうえで運用してください。

AIの出力は「参考情報」であり「医療診断」ではない

このエージェントが出力する受診科候補や緊急度フラグは、症状テキストの内容に基づく仮分類であり、医学的な診断ではありません。AIは患者さんの身体を診察しておらず、検査データも参照していません。出力を鵜呑みにせず、必ず医療従事者の判断を介在させてください。

法的責任の所在を明確にする

AIの出力を参考にして行った振り分け判断の責任は、あくまでその判断を行った人間（受付スタッフ、看護師、医師）に帰属します。導入前に、以下の点を院内で確認することをお勧めします。

• AIの出力をどの程度参考にするかの運用ルールを決める
• 最終判断は誰が行うかを明確にする（受付スタッフか、看護師か、医師か）
• AIの判定と人間の判断が食い違った場合のエスカレーション手順を定める
• 運用に関して、顧問の弁護士や医療コンサルタントなどの専門家への確認をお勧めします

患者情報の取り扱いに注意する

LLMサービスに患者さんの症状情報を入力する際には、個人情報保護の観点から注意が必要です。氏名や保険証番号などの個人を特定できる情報は入力しないでください。使用するLLMサービスのデータ取り扱いポリシーを事前に確認し、院内の個人情報保護方針と照らし合わせてください。

よくある失敗パターン

導入時の限界：AIが対応できないケースと人間判断の不可欠性

このエージェントは万能ではありません。以下のケースではAIの出力の信頼性が低下するか、そもそも対応できないため、人間の判断が不可欠です。

向いているケース

• 「お腹が痛い」「肌がかゆい」など、比較的明確な症状を記述した予約の仮分類
• 複数の診療科候補が考えられる場合に、候補を絞り込む参考情報としての活用
• 新人スタッフが一次判断を行う際の補助的な参考情報としての活用
• 振り分け判断の根拠を記録として残す目的での活用

向いていないケース

• 症状記述が極端に短い・曖昧な場合：「調子が悪い」「なんとなくだるい」のみでは、AIも適切な分類が困難です。この場合は、受付スタッフが追加で症状を聞き取ることが必要です。
• 複合的・複雑な症状の場合：多数の症状が同時に報告される場合、AIの優先度判定が不正確になる可能性があります。複雑なケースは看護師・医師に直接相談してください。
• 精神的な症状・心理的な訴えの場合：「気分が落ち込む」「眠れない」などのメンタルヘルスに関する訴えは、テキスト情報だけでは適切な判定が難しい領域です。専門家への相談をお勧めします。
• 小児・高齢者の非典型的な症状の場合：年齢層によっては症状の現れ方が異なるため、AIの一般的な判定では対応しきれない場合があります。
• 緊急性が明らかに高い場合：「胸が苦しくて息ができない」「大量に出血している」などの明らかな緊急事態は、AIに入力する前に直ちに医療従事者に報告してください。AIの処理を待つ時間が危険につながる場合があります。

AI単体では解決できないこと

このエージェントは、あくまでテキスト情報に基づく仮分類を行うツールです。患者さんの表情、声のトーン、歩行状態などの非言語情報は処理できません。電話対応中にスタッフが感じる「何か様子がおかしい」という直感は、AIでは代替できない貴重な判断要素です。AIと人間の判断を組み合わせて運用することが重要です。

まとめ：受付業務の判断支援を段階的に始めるステップ

本記事では、クリニックの受付スタッフが行う受診科の振り分けと緊急度判断を、AIエージェントで支援する方法を紹介しました。

要点を整理します。

• このAIエージェントは「判断を代行する」のではなく「判断を支援する」ツールである
• 症状キーワードの抽出・受診科候補の提示・緊急度フラグの仮判定の3つを出力する
• 最終判断は必ず受付スタッフ・看護師・医師が行う
• 医療診断を行うものではなく、法的責任は判断を行った人間に帰属する
• 向いていないケース（極端に曖昧な記述、複雑な症状、精神的訴え等）を理解したうえで運用する

今すぐできること：

1. 本記事の実装プロンプトをコピーし、[変数名]を自院の情報に置き換える
2. 過去の予約記録から3〜5件の症状記述を入力し、出力結果を確認する
3. 出力結果を院内のベテランスタッフや看護師に見せ、「この仮分類は妥当か」のフィードバックを得る
4. フィードバックをもとに、緊急度基準や診療科リストを調整する
5. 運用ルール（AIの出力は参考情報として扱う、最終判断は人間が行う等）を院内で共有する

段階的に試しながら、自院に合った運用方法を見つけていくことをお勧めします。

本記事で紹介したプロンプトは参考情報です。実際の業務適用前に、自環境での動作確認と内容の適切性確認を必ず行ってください。医療に関わる判断は、必ず看護師・医師等の医療従事者が最終確認を行ってください。本プロンプトの出力を医療診断として使用することは想定していません。