米国発の収益サイクル管理AIから何を学ぶか――提出前チェックを歯科経営に翻訳する

ベンダー調査・製品発表に見るAI・自動化の動向

米国の歯科の収益サイクル管理（RCM：Revenue Cycle Management。資格確認・事前承認・請求・入金消込・患者請求などを含む広い概念）で語られている変化は、「請求後の手直し」から「提出前の予防」への転換です。本稿ではこのうち保険請求前後の工程に焦点を当てます。制度が大きく異なるため日本の院長がそのまま真似る対象ではなく、請求品質を仕組みで担保する発想を自院に翻訳する材料として読むのが適切です。以下で紹介する数値は、単一ベンダーの自社調査や製品発表に基づくもので、米国業界全体を代表する第三者調査ではない点に留意してください。

RCMベンダーのZentistが公表した2026年版Dental RCM Trends & Insights Reportは、同社のプレスリリースによれば、160人超の歯科RCM・保険請求担当者を対象に行った自社調査で、回答した医院の58%がAI・自動化ツールを導入済みまたは2026年に導入する計画だとしています。これはベンダーによる自己調査の結果であり、標本の抽出方法・回答率・回答者属性が第三者に検証できないため、米国全体を代表する数値ではなく一調査の傾向として扱う必要があります。

同社のプレスリリースは、回答した医院の63%が90%以上の純収納率（net collection rate：患者・保険者から実際に回収した額を、契約調整後に回収可能な額で割った割合）を報告する一方、その水準が効率化ではなく集中的な手作業によって維持されている、とベンダー自身が解釈しています。指標の分母・計測期間や因果関係は独立に検証されたものではありませんが、収納率は高く見えても再提出や照会対応にスタッフ時間が吸い取られやすいという指摘は、日本の返戻対応と重ねて読む手がかりになります。

米国における「提出前検知」の考え方

米国では、denial（保険請求の否認）が課題として語られています。ただし歯科でも商業保険・Medicaid・自己負担などが混在し、保険種別によって請求ルールは異なります。またdenialには資格・事前承認・給付範囲・医療必要性・契約条件など複数の類型が含まれ、日本の「返戻」（形式・記載の不備で差し戻され、是正して再請求できるもの）や「査定」（内容が認められず減点されるもの）と一対一で対応するわけではありません。再提出やappealの期限は保険者の契約書・provider manual・州Medicaid等でそれぞれ手続の種類ごとに定められており、一律の目安として扱うと請求権を失いかねないため、自院では「否認・返戻から再請求までの日数」を実測して把握するのが確実です。

提出前検知の事例として、Pearl RCMの発表があります。同社は初期顧客事例として工数削減や書類不備による否認の減少を主張していますが、対象施設数・基準値・比較期間・測定主体が示されていない同社の未検証値であり、一般的な導入効果としては扱えません。

移植して考えたい核は、AIが請求判断を丸ごと肩代わりするのではなく、資格・必要書類・算定条件の不整合を請求前にフラグし、最終的な請求判断と提出責任は人が担う役割分担の設計にあります。

日本の歯科レセプト返戻・査定をめぐる院内管理上の論点

日本の歯科レセプトにおける返戻・査定は、率の高低だけで問題の大小を判断できるものではありません。1件ごとの修正・再請求には事務工数が伴い、見えないコストやスタッフの負荷として積み上がりやすい構造があります。

制度面では「返戻」と「査定」の区別が重要です。社会保険診療報酬支払基金「増減点連絡書・各種通知書の見方」などの一次資料で示されるとおり、審査の結果として減点・増点が調整される「査定（増減点）」と、レセプトを医療機関へ戻す「返戻」は帳票上も扱いが異なります。返戻されたレセプトは内容を訂正して再請求できますが、査定に対しても医療機関は審査結果に異議がある場合に再審査請求を行うことができ、「査定＝一切やり直せない」わけではありません。現場では両者の通知・対応フローを混同しないことが欠かせません。

歯科請求全体の規模の参考値として、厚生労働省「令和6年度歯科医療費（電算処理分）の動向」は、NDBから提供された合計約2.6億件分の歯科診療報酬明細書情報（電算処理分）を集計対象としています。これはNDBに収載された電算処理分の集計対象の規模を示す参考値であり、歯科請求全体そのものや、返戻・査定の件数・率・課題の大きさを裏付ける根拠ではありません。返戻・査定の水準は公開統計から自院単位では確認できないため、自院分は返戻票・増減点連絡書・レセコンの記録などから院内で集計します。審査上の一般的な取扱いは、支払基金の審査情報提供事例（歯科）や国民健康保険中央会の審査情報提供事例（歯科）が参考になります（被用者保険等は支払基金、国保・後期高齢者は国保連合会が審査を担うため、対象保険により参照先が異なります）。

診療報酬改定のたびに算定要件が見直され、要件の読み落としが返戻・査定につながることは起こり得ます。口腔機能管理など要件が細かい項目は、点検の型を持たないと院内で再発しやすいと考えられます（院内点検上の仮説であり、具体的な取扱いは前掲の審査情報提供事例や疑義解釈で確認してください）。実務では口腔機能管理料の返戻・算定漏れ防止パターンのように、項目別に「どこで落ちやすいか」を整理しておくと役立ちます。

令和8年度（2026年度）歯科診療報酬改定は、厚生労働省の告示・通知（令和8年3月5日）および「令和8年度診療報酬改定の概要【歯科】」のとおり、6月施行です。改定率は診療報酬本体（医科・歯科・調剤を含む）が令和8・9年度の2年度平均で＋3.09%（令和8年度＋2.41%）とされており、これは本体全体の改定率で、歯科の個別点数や個々の歯科医院の収入が一律にこの率で増えることを意味しません。要件が変更された施設基準の再届出の要否は項目ごとに異なるため、各厚生局や上記通知で個別に確認してください。改定直後はレセプト点検ルールの更新が返戻予防の第一歩になります。

米国の発想を日本に翻訳する――返戻・査定低減の4ステップ

米国モデルを持ち込む際は、保険種別ごとに請求ルールが異なる点や、denialと返戻・査定が一対一で対応しない点を踏まえ、数値の水準をそのまま当てはめないことが大切です。国内制度に応用できるのは「提出前検知」「エラーのパターン管理」「工数と回収のKPI化」の考え方です。KPIは「査定率の一律低減」ではなく、記載不備・要件確認漏れなど回避可能な返戻・査定の低減を目標に置き、正当な査定まで不適切に扱わないよう、請求の適正性や誤請求の自主是正も併せて重視します。自院向けには次の4ステップに落とすと動きやすくなります。

ステップ1：返戻・査定の「件数・事由・工程」を月次で可視化する

返戻率・査定率だけでなく、事由別件数、再提出までの日数、発生した工程（記入・一次点検・最終確認など）を表にします。集計は個人名ではなく工程・担当ロール・発生条件を基本単位とし、エラーが業務量・教育・曖昧な算定要件に由来する可能性にも配慮します。個人別の分析が必要な場合は、目的・閲覧権限を限定し、労務・プライバシー上の配慮を明確にしてください。査定は事由（医学的判断に近いものと記載漏れに近いもの）を分けて集計すると改善点を特定しやすくなります。

ステップ2：頻度の高いエラーパターンに絞る

頻度の高い不備（部位・回数・併算定・施設基準・文書要件）から潰します。「上位20%」といった固定の閾値ではなく、自院の返戻・査定を累積件数・工数・金額で並べ、影響の大きいものから優先してチェックリストに固定するのが費用対効果の高いやり方です。

ステップ3：提出前チェックを「人手頼み」から「ルール＋確認」へ

レセコンのチェック機能、外部のレセプト点検サービス、院内ダブルチェックのどこに何を担わせるかを決めます。効果は院の算定構成と運用に大きく左右されるため、導入前後の返戻・査定件数と対応工数を自院で計測し、目安として比較するのが現実的です。

ステップ4：返戻率・査定率・再提出日数を経営KPIにする

KPIは分子・分母と集計期間、再審査後の確定値か通知時点かを定義してから使います。たとえば査定率は「減点点数÷請求点数」と「査定明細件数÷請求明細件数」で意味が異なり、増点分の扱いも明記しておくと誤読を防げます。返戻率も「返戻件数÷請求明細件数」など基準をそろえます。あわせて再審査認容率も併記すると、適正な請求が正しく評価されているかを確認できます。月次ミーティングで「率」と「時間」を併記し、まず指標を決めてから運用に乗せます。目標は「ゼロ返戻」のスローガンより、「回避可能な事由の再発防止が回っている状態」に置きます。

院内点検フロー改善の実装ポイント――優先順位・技術選定・体制設計

実装では技術より先に優先順位を決めます。領域名で一律に決めるのではなく、自院データによる頻度・金額（総損失は請求量の多い慣れた処置でも大きくなり得ます）・法令遵守リスク・要件変更の有無を組み合わせて評価し、影響の大きいものから点検ルールを更新します。疑義解釈や施設基準は厚生労働省の告示・通知・事務連絡を正本として院内共有し、2026年診療報酬改定の疑義解釈まとめなどの編集記事は理解を助ける補助資料として使い分けると、解釈の属人化と更新漏れを防げます。

• 優先順位：自院データの頻度・金額・法令遵守リスク・要件変更の有無で評価し、影響の大きい算定から点検ルールを更新する
• 技術選定：レセコン標準機能→点検ソフト／外部委託→高度なAI支援の順で、足りない層だけ足す
• 体制設計：記入・一次点検・最終確認の役割を分け、査定事由の共有を定期的に行う
• 記録：差し戻し理由をテンプレート化し、同じミスを翌月のチェック項目に昇格させる

外部の点検サービスやクラウド型ツール、AI支援を使う場合は、規制対応を先に確認します。診療録に含まれる病歴・診療情報は個人情報保護法上の「要配慮個人情報」にあたり、取得には原則として本人同意が必要です。一方、業務の委託に伴って個人データを渡す場合は、同法上、委託先は「第三者」に当たらず第三者提供の同意は不要となる場合がありますが、委託元には委託先の監督義務が課されます。外部にある第三者への提供や、外国にある第三者への提供では別途の要件が生じ得るほか、クラウド事業者が個人データを取り扱わない形態か否かで整理も変わります。詳細は個人情報保護委員会のガイドライン（通則編）で該当箇所を確認してください。委託にあたっては厚生労働省「医療情報システムの安全管理に関するガイドライン」を踏まえ、責任分界点を契約で明確化してください。システムを外部委託しても、医療機関の委託先監督義務や自らの安全管理責任はなくなりません（委託先にも法令・契約上の責任があるため、双方の分担を契約で定めます）。患者情報を一般向けの生成AIサービスにそのまま入力しないことも徹底します。あわせて電子カルテや請求周辺のデジタル投資と進める場合は、電子カルテ・電子処方箋の対応方針と投資判断とあわせ、データが点検工程に流れるかを確認してください。入力時点で欠損する情報が多いまま後工程だけ自動化しても、検知精度は頭打ちになります。

コスト対効果の見極め方

米国のRCM向けAI市場規模を持ち出す論もありますが、市場の大きさは個院のROIを保証しません。日本の個院が最低限確認したい指標は次のとおりです。

1. 回避できる事務時間：月あたりの返戻・査定対応時間×人件費単価
2. 回収遅延の影響：再請求までの日数のずれ（自院の「否認・返戻から再請求までの日数」で計測）
3. 再発防止率：同一事由の翌月再発件数

あわせて、導入費・保守費、誤検知の可能性、個人情報保護・セキュリティ、レセコン連携、責任分界、ベンダーロックインなど、費用・法務・安全性・運用面の評価項目も検討します。前掲のPearlの主張値は同社が初期事例として示した未検証値にすぎず、自院の効果を保証するものではありません。自院で返戻・査定件数がもともと少ない場合は削減できる余地も限定されるため、削減率のインパクトより「担当者の残業とミスの負担を減らす」「改定月の混乱を短くする」価値が実感に近いことが多いです。投資判断は、ツール費用が「削減工数＋回避可能な査定減による収益保全」を上回るかで検討します。

まとめ

米国発の収益サイクル管理AIから日本の自院が汲むべき要点は、次の3点に集約されます。

• 本質はAIそのものではなく、提出前に不備を検知し、最終判断と提出責任は人が担う設計である
• 日本でも改定に伴う要件変更と査定の構造により、見えない事務コストと減点リスクは残り得る
• 自院では可視化→高頻度エラー潰し→提出前チェック→KPI化の順で実装し、効果は工数と再発率で測る

次の一手は、直近数か月の返戻・査定を事由別に棚卸しし、最も多い回避可能な事由の提出前チェックを来月の締め作業に組み込むことです。月次点検が定着してから、ツールや外部点検の追加を検討すれば十分です。