はじめに
「3時間の外来のあと、2時間のカルテ作業が待っている」──このような“時間外の記録業務”は、世界中の医師が直面する負担です。米国では、帰宅後に自宅で電子カルテ入力を続ける時間帯を Pajama Time と呼び、燃え尽き症候群（Burnout）に関係する概念として語られます。
この課題に対し、診察室の会話から診療録の下書きを自動生成するサービスで急成長しているのが、米国発のスタートアップ Abridge（アブリッジ）です。
本記事では、医療現場の実感を踏まえつつ、事業としての成立条件も含めて、次の点を順に確認します。
- なぜこの領域が大きいのか（医師の間接業務の実態）
- Abridgeが医師の信頼をどう勝ち取ったのか（Linked Evidence）
- なぜMicrosoft（Nuance）という大手がいるのに、後発が戦えるのか（導入と運用の現実）
1. Startup Fact Sheet（企業概要）
企業名: Abridge AI Inc.（`https://www.abridge.com/`） https://www.abridge.com/%60%EF%BC%89 プロダクト: Abridge（Ambient Clinical Documentation：診察会話から臨床文書を作る仕組み） 本拠地: Pittsburgh, Pennsylvania, USA 創業年: 2018年 ステージ / 推定評価額: Series C / $2.5 Billion（約3,700億円）※2024年報道ベース 累計調達額: $460M+（約700億円） 主要投資家: Lightspeed Venture Partners / Redpoint / CVS Health Ventures / Mayo Clinic 規制/標準: HIPAA（Health Insurance Portability and Accountability Act：米国の医療情報保護法）準拠 SOC 2（System and Organization Controls 2：第三者監査の枠組み） Epic “Pals” Program（Epicのパートナープログラム） 普及状況（公開情報ベース）: 「米国内の100以上の大規模医療システムで採用」とする記載：`https://www.atpartners.co.jp/ja/news/2025-02-20-abridge-ai-platform-for-clinical-conversations-raises-250m-in-series-d-increasing-valuation-to-2-75b` https://www.atpartners.co.jp/ja/news/2025-02-20-abridge-ai-platform-for-clinical-conversations-raises-250m-in-series-d-increasing-valuation-to-2-75b%60 OhioHealthが200以上の外来拠点に展開、数千人規模の臨床医が利用とする提携発表：`https://www.atpartners.co.jp/news/2025-12-11-ohiohealth-to-deploy-abridge-s-ai-medical-conversation-platform-companywide-to-more-than-200-outpatient-locations-reducing-physicians-administrative-burden-and-improving-quality-of-care` https://www.atpartners.co.jp/news/2025-12-11-ohiohealth-to-deploy-abridge-s-ai-medical-conversation-platform-companywide-to-more-than-200-outpatient-locations-reducing-physicians-administrative-burden-and-improving-quality-of-care%60
2. 創業者と事業転換：患者向けB2Cから、医療機関向けB2Bへ
Abridgeの創業者は循環器内科医の Shiv Rao 氏です。加えて、UPMC（ピッツバーグ大学医療センター）の事業化・投資・イノベーション部門（いわゆるCVC＝Corporate Venture Capital：事業会社が持つ投資機能／Enterprise機能）に関与したとされる、臨床と事業側の両方に接点を持つ人物でもあります。
彼らは当初、患者が診察内容を振り返れるように、診療内容を録音・要約する B2C（Business-to-Consumer：患者向け）アプリとしてスタートしました。一方で、患者向けアプリは収益化が難しいだけでなく、診療現場のワークフローそのもの（医師が記録入力に割く時間）を大きく変えるには限界がありました。
そこで大きなピボット（事業転換）を行い、B2B（Business-to-Business：病院・医師向け）のプロダクトへ舵を切ります。ポイントは、「患者が説明を忘れる」という問題を、患者側の記録不足だけでなく、医師が入力作業に追われて十分に対話できない構造の問題として捉え直した点です。
創業者のメッセージとしてよく語られるのは、「医師が入力作業に追われず、患者と向き合って話せる時間を取り戻す」という方向性です。
3. なぜ「診察1時間：事務2時間」になり得るのか
米国でいう “Pajama Time” は、単に“カルテを書く時間”の話ではありません。電子カルテ周辺で発生する間接業務（非診察業務）が積み上がり、日中に終わらず時間外へ流れ込みやすい、という構造問題です。
3.1 外来で積み上がる代表例
- 診察内容の記載（HPI/ROS/PE/Assessment & Plan）
- HPI（History of Present Illness：現病歴）
- ROS（Review of Systems：系統的問診）
- PE（Physical Examination：身体所見）
- Assessment & Plan（評価と計画）
- オーダー入力（検査・処方・紹介・画像/検体など）
- 検査結果の確認と患者連絡（結果説明、フォロー指示）
- 患者からの連絡対応（患者ポータル/電話）、処方リフィル対応
- 患者ポータル（Patient Portal）: 米国で一般的な患者向けWeb/アプリ窓口（例：EpicのMyChart）。受診後の質問、症状相談、検査結果への問い合わせ、予約変更、書類依頼、処方継続依頼（リフィル）などが大量に流入し、医師の間接業務になりやすい。
- 日本では全国一律に同等の仕組みが普及しているわけではありませんが、実態としては電話、受付経由の伝言、院内システム/アプリのメッセージ、薬局からの照会、在宅のFAX等に分散して発生し、最終判断が医師に戻ってくる点は共通です。
- 事前承認（Prior Authorization：保険者の事前承認）や紹介状・証明書など
- 診療報酬・コーディング要件（Billing/Coding）を満たす記載調整
3.2 入院で積み上がる代表例
- 日々の経過記録、オーダー、コンサルト調整
- 退院時サマリー（Discharge Summary）作成、退院後計画の文書化
つまり、「診察時間：記載時間」だけの話ではなく、診療の前後にぶら下がる「入力・確認・連絡・要件充足」が積み上がって時間外に流れ込みやすい、という構造です。Abridgeはこのうち、とくに 「会話→記録」の部分を自動化し、医師の時間を取り戻そうとしています。
4. 仕組み：診察会話から下書きを作る流れ（現場の挙動）
Ambient AIとは、医師が“記録作成のための操作”を強く意識しなくても、診察の自然な会話から診療録の下書きを作れるようにする設計思想です。Abridgeの現場の流れは、概ね次の通りです。
- 収録: 診察室で医師と患者の会話を、PC/スマホ/端末などで収録（施設ポリシーに応じて同意取得・通知）。
- 音声→テキスト化: 音声認識で文字起こし（話者分離：誰が何を言ったかを区別）。
- 医療記録の下書き生成: 文字起こしから要約・構造化し、SOAP形式等で下書きを生成。
- SOAP（Subjective, Objective, Assessment, Plan：主観・客観・評価・計画）
- EMR/EHR連携: 電子カルテへ貼り付け可能な形で提示（統合の深さは施設や契約による）。
- EMR（Electronic Medical Record：電子カルテ／電子診療録）
- EHR（Electronic Health Record：電子健康記録。米国ではこちらの用語が一般的）
- 医師の最終確認: 医師が修正・承認して確定（最終責任は医師側。Abridgeは“下書き”）。
この「下書き」という位置づけは重要です。医療現場での最終責任は医師にあり、AIはその前段（入力・整形・構造化）を支援する、という設計になっています。
5. 信頼の中核：要約の根拠に戻れる仕組み（Linked Evidence）
生成AIを医療に使う上で最大の懸念は、ハルシネーション（もっともらしい誤り）です。Abridgeが医師の信頼を勝ち取った決め手は、Linked Evidence（根拠提示）という設計でした。
- AI生成文の例：「患者は胸痛を否定した」
- Abridgeの挙動：この文をクリックすると、元の録音の該当箇所へジャンプし、音声を再生できる
医師はAIの出力を盲信するのではなく、疑わしい箇所だけ素早く確認できます。責任（Liability）を背負う医療現場に合わせて、「確認できる状態」をUXとして実装したことが本質です。
6. 収益モデル：病院が意思決定できる形に落とす（ROI）
- Revenue Model（収益モデル）: 病院/クリニックごとのSaaS課金（SaaS＝Software as a Service：クラウド提供のソフトウェア。施設契約、月額/シート課金などの形が一般的とされる）。
- ROI（Return on Investment：投資対効果）の組み立て
- 医師1人あたりの間接業務が減る → 時間外労働（残業）や燃え尽きの低減
- 外来の回転が上がる → 「追加で患者を2〜3人診られる」等の増収ロジックを提示しやすい
※料金は公開されないことが多く、実務では個別見積もり（利用人数、診療科、EHR統合の深さ等で変動）になりやすい点も押さえておくと、現実の導入像とズレにくくなります。
「現場が楽になる」だけではなく、「経営が判断できる材料（ROI）」に落とすことが、B2B医療ITでは極めて重要です。
6.1 誰が意思決定するのか
医療機関では、導入の意思決定が「現場の医師だけ」で完結しないことが多く、関与者（Buying Center）が複数に分かれます。たとえば次のような役割分担です。
- 現場（医師・看護師など）: 使い勝手、記録の品質、診療の流れが崩れないか
- 情報システム/セキュリティ: 録音データや機微情報の扱い、権限、監査ログ、端末運用
- 法務/コンプライアンス: 同意取得、委託先管理、契約
- 経営（院長/事務長など）: ROI、離職・残業コスト、患者受け入れ、算定・品質
6.2 定着の見方：何をKPIにするか
導入が「購入」で終わらず「定着」するかは、現場と経営の両面でKPIを置けるかが鍵になります。たとえば以下のような指標です。
- 現場のKPI例: 1人あたりの時間外記録（Pajama Time）の減少、下書きの採用率、修正にかかる時間、要約の確認頻度（＝信頼できる水準に到達しているか）
- 経営のKPI例: 外来の回転や受け入れ患者数、残業・離職関連コスト、算定の安定性、監査・クレーム対応の工数
7. 競争環境：Microsoft（Nuance）がいる市場で、なぜ後発が戦えるのか
後発が戦える理由は「大手よりAIが賢い」ではありません。大手の強さと、後発の勝ち筋が別の場所にあるからです。
7.1 まず前提：NuanceとDAXの関係
- Nuance（ニュアンス）: 医療向け音声認識・臨床文書化（カルテ作成支援）の大手企業。Microsoftが買収（発表：2021年、完了：2022年）し、Microsoftのヘルスケア領域の中核として扱われています。
- 参考（Microsoftの買収発表）：`https://news.microsoft.com/ja-jp/2021/04/13/210413-microsoft-accelerates-industry-cloud-strategy-for-healthcare-with-the-acquisition-of-nuance/` https://news.microsoft.com/ja-jp/2021/04/13/210413-microsoft-accelerates-industry-cloud-strategy-for-healthcare-with-the-acquisition-of-nuance/%60
- DAX: Nuanceのプロダクトの一つで、正式名称は Dragon Ambient eXperience（DAX）。診察会話から診療メモ下書きを作るアンビエント文書化のサービスです。
- 関連プロダクト（代表例）:
- Dragon Medical One（医療向けディクテーション）
- DAX（アンビエント文書化）
- DAX Express / DAX Copilot（生成AIで自動化・高速化するアップデート群。名称・提供形態は時期や契約で変わり得ます）
- PowerScribe One（放射線科の読影レポート支援）
7.2 大手の強み：AI精度より「導入と運用」
- 導入（大病院）: 情報システム/セキュリティ、法務・委託先管理、購買（稟議）などの関門が多い。大手は前例が多く、審査資料・契約ひな形・運用体制が揃っていて進めやすい。
- 運用（止まらないことが価値）: EHRアップデート、端末/ネットワーク制約、監査対応、教育、障害対応まで含めて「現場が止まらない状態」を作れるのが強い。
- 既存基盤: 既に導入されている音声入力（Dragon等）や関連領域があると追加導入しやすく、スイッチングコストも働きやすい。
7.3 それでもAbridgeが選ばれる理由
- 医師が最も怖がる点（誤り・責任）をUXで下げる: Linked Evidenceで「確認できる」状態を作り、採用の心理的ハードルを下げた。
- 改善速度: 現場のフィードバックでUX/運用/精度を短いサイクルで磨きやすい。
- “完璧な統合”の前に、現場で価値が出る地点を作る: まず下書き品質と検証可能性で定着し、部門→病院全体へ拡張できる。
7.4 差別化ポイントの内訳（Speed / UX / Cost）
- Speed（返却の速さ）: 従来のDAXが運用品質を担保するために Human-in-the-loop（人手の関与）を伴う形を取る運用もあり、返却に時間がかかるケースがありました。一方Abridgeは、できる限り自動化して数秒〜数分で下書きを返す設計を前面に出しました（ただしNuance側もDAX Express / Copilot等で高速化を進めており、この差は固定ではありません）。
- UX（User Experience：ユーザー体験）: 患者向けアプリ出身の文脈を持ち込み、医師向けでも直感的な操作を重視した。
- Cost（コスト）: 比較対象は主に以下です。
- (a) 従来の医療スクライブ/書き起こし等の「人手前提モデル」
- (b) アンビエント文書化でも品質担保のために人手（Human-in-the-loop）が関与する運用
- Abridgeは「AIで下書き生成→医師が確認」を志向するため、運用で“書く人/整える人”を抱えず、件数増加に対して人件費が増えにくい、というロジックになります（価格は個別見積もりが多く、契約条件で逆転し得ます）。
7.5 導入の実態（大病院とクリニック）
- 大病院（審査が重い）
- 現実の流れ：現場パイロット → 情報システム/セキュリティ審査 → 法務・委託先管理 → 購買・稟議 → EHR統合/運用設計 → 教育 → 本番
- 後発が進めやすい形：限定範囲で成果（時間外作業減など）を出し、現場の信頼を起点に拡張する
- クリニック/小規模施設（審査が軽い）
- 現実の流れ：院長判断 → 少人数で試す → 定着すれば継続
- 後発が進めやすい形：設定が簡単で、体感価値がすぐ出るUXで定着を取る
7.6 導入戦略の要点：電子カルテを「置き換える」より「統合する」
多くのヘルステックが「使いにくい電子カルテ（EHR）を置き換える」方向を目指して苦戦します。一方Abridgeは、米国最大級のEHRベンダーであるEpicと正面衝突するのではなく、統合して“中に入る”戦略を選びました。
- 医師のワークフローを変えない（画面遷移・二重入力を増やさない）ことは、導入の現実に直結します。
- Epicには外部ツールが連携するためのエコシステム（例：Workshop等）があり、Abridgeはその枠組みを活用して「EHRの中で使える」体験を作りました。
8. 日本の現状：電子カルテ連携の壁と、導入が進みやすい領域
日本では、米国のEpicのように「外部ツールが深く入り込める標準的な統合枠組み」が、同じ形で普及しているわけではありません。実務上は、ベンダーごとの方針、個別契約、セキュリティ審査、改修コスト、運用制約などが壁になりやすく、理想どおりのAPI統合が最初から実現できないケースもあります。
こうした前提があるため、現時点で「広く導入が進みやすい」のは、診察前に情報を整えて、電子カルテに取り込める形にして渡す領域です。日本で導入が進んでいる例としては Ubie（ユビー） が分かりやすく、Ubieは医療機関向けに「ユビーAI問診」等を提供し、導入医療機関数について公表しています（例：導入実績に関するプレスリリース再掲：`https://prtimes.jp/main/html/rd/p/000000149.000048083.html`、報道の再掲：`https://www.excite.co.jp/news/article/Prtimes_2025-03-21-48083-136/`）。 https://prtimes.jp/main/html/rd/p/000000149.000048083.html%60%E3%80%81%E5%A0%B1%E9%81%93%E3%81%AE%E5%86%8D%E6%8E%B2%EF%BC%9A%60https://www.excite.co.jp/news/article/Prtimes_2025-03-21-48083-136/%60%EF%BC%89%E3%80%82
運用としては、患者がスマホ/タブレットで事前問診 → 「診察前レポート」等の形で情報を整える → その情報を電子カルテに取り込む（貼り付け・添付・転記など）という流れになりやすく、APIでどこまで自動連携できるかは、電子カルテ側の仕様や契約条件によって変わるのが現場の現実です。
一方で、診察中の記録支援についても関心が高まっており、「音声でSOAPを作る」といった表現を目にする機会が増えています。ここで混乱しやすいのが、「音声入力」と「アンビエント文書化（Ambient Clinical Documentation）」の違いです。
- 音声入力（ディクテーション）: 医師が“記録として書きたい内容”を口述し、それを音声認識で文字に起こす方式です（話す内容は医師が選び、文章の形も医師が整える前提＝入力手段の置き換えが中心）。
- アンビエント文書化（Ambient Clinical Documentation）: 医師が「記録のために口述する」ことを前提にせず、診察中の医師・患者の会話そのものを収録して、AIが要点を抽出し、診療録（例：SOAP）の下書きとして要約・構造化して提示する方式です。ここでいう Ambient（アンビエント） は「記録作成が、会話の流れの中で背景で進む」という意味です。
アンビエント文書化は、音声入力よりも「会話全体」を扱う分、導入時に検討すべき論点が増えます。たとえば、患者同意の取り方、録音データの取り扱い（保存・アクセス権限・監査ログ）、現場の端末運用、誤りが起きたときの確認動線、電子カルテにどう取り込むか（誰が・どのタイミングで確定するか）といった点です。こうした条件が揃って初めて、現場で“安全に回る”状態になります。
この種のツールは、導入の際に検討事項が多い分、最初から全院一斉に展開するというより、範囲を絞って始め、段階的に拡大する進め方になりやすい傾向があります。たとえば最初は「特定の診療科」「特定の外来枠」「一部の医師」「限られた文書（例：外来のSOAP下書き）」などに範囲を絞り、同意取得、端末運用、品質確認、電子カルテ側の取り込み手順、監査ログ等を整えながら、運用が回ることを確認してから広げていく、という形です。
この状況を踏まえると、日本で事業として前に進める際は「理想的な統合の完成形」よりも、導入が進む順番を見誤らないことが重要です。たとえば、まず価値になりやすいのは「医師が確認した文章を、安全に・速く・迷わず入れられる」入力動線の整備であり、規模が大きいほどログ/権限/監査や教育・定着など“運用の信頼”が導入条件になります。
9. まとめ：Abridgeから学んだこと
ここまでを踏まえると、AbridgeがMicrosoft（Nuance）という大手がいる領域で存在感を高めている背景は、単に「モデルの性能差」だけでは説明しきれません。以下は、公開情報で確認できる要素を踏まえつつ、筆者が重要だと考える観点として整理したものです。
9.1 どこに“替えにくさ（乗り換えコスト）”が生まれるか
医療ITでは、性能だけでなく「一度入ったら替えにくい」条件が重なります。Abridgeの場合、その中心は次の3点です。
- ワークフローへの組み込み: 使い方が現場に定着すると、戻す/替えるコストが上がる
- EHR連携と運用設計: 権限・監査・端末運用・教育まで含めて回り始めると、他社へ切り替える摩擦が大きい
- 信頼の設計（検証可能性）: Linked Evidenceのような「確認して使える」体験は、単純な音声認識や要約だけでは代替しにくい
9.2 なぜ存在感を高められたのか（Abridgeがやったこと）
- 信頼の設計（検証可能性）: Linked Evidenceにより、要約の各文から元の会話へ戻れる「検証可能性（Verifiability）」を実装し、誤りや責任に対する不安を下げた。
- 導入の設計（現場で回る動線）: いきなり理想的な統合を前提にせず、現場で回るワークフロー（確認→修正→確定）を作り、段階的に拡大できる形にした。
- 価値の伝え方（合意形成）: 現場（負担軽減）と経営（ROI）で、刺さる価値と指標を分けて提示した。
9.3 現場の痛みと、Abridgeが提示する提供価値
- 現場の痛み: 診察で患者の話を丁寧に聞きながら、同時に正確な記録を作る負担が積み上がる（時間外の記録業務、入力作業、確認作業など）。
- Abridgeの提供価値:
- 診察会話から診療録（例：SOAP）の下書きを作り、記録作成の負担を軽くする
- 根拠（会話）に戻れる仕組みで、医師が「確認して使える」状態を作る
最後に、医療AIを評価するときは、「どれだけ賢いか」だけでなく、「現場で安全に回り、信頼して使えるか」を丁寧に見ていく必要があると感じました。