AIが教授でさえ生涯で一度見たという診断（OIH）を見つけた — 患者の診療記録数万枚を構造化した結果

• 韓国で長年闘病している患者の診療記録を、済州からソウルまで全国の病院で代理発行してもらい、数万枚の紙をスキャン・OCR・構造化したうえでAIで分析した。
• その過程でAIがOIH（オピオイド誘発性痛覚過敏）の可能性を示し、担当教授は「生涯で一度しか見たことがないケース」として、自分が見落としていたことを認め、脊髄刺激装置の手術が前倒しになった。

出発点: 散在する記録、読めない患者

• 長く闘病した患者ほど、自分の医療記録を一つに統合して見たことがない。記録は病院ごとに散在しており、転院のたびに紙の写しを取って提出する形でしか流通しない。
• 今回の患者は、後縦靱帯骨化症（OPLL）による脊髄症で除圧・固定術を受けたが、術後に痛みが悪化するFBSS（脊椎手術後疼痛症候群）が発生した。
• 受診した病院は、海雲台白病院 → ソウル大学病院 → 釜山聖母病院、そして教授が移った済州大学病院まで。ソウル大学病院だけでも紙の写しが千数百枚あった。

私たちが行ったこと: 全国で発行 → データ化

• 患者に代わって、釜山・ソウル・済州に散らばる4つの病院で診療記録を直接発行してもらった。紙で数万枚規模だった。
• その中には、医師の診療ノート、数年分の検査結果の推移、手術・薬剤・事務書類が混在していた。人間が数万枚を読んで時系列に並べるのは、事実上不可能だ。

パイプライン: スキャン → OCR → 構造化 → 時系列統合

• スキャンでデジタル化し、OCRで手書きの診療ノートや印刷された検査票からテキストを抽出し、日付・病院・検査項目・数値・薬剤・手術イベントを標準スキーマに正規化した。
• 4つの病院の記録を一つのタイムラインに統合し、5年分のlongitudinal EMRを構築した。単一のLLMに数行入力するのとは、データ基盤そのものが異なる。

発見の瞬間: 麻薬性鎮痛薬の逆説

• 患者は痛みのために麻薬性鎮痛薬を使用していたが、用量を増やしても痛みが抑えられず、むしろ悪化するという異常反応を示した。
• この非典型的な経験を記録とともに入力しながら質問を重ねる中で、AIがOIH（Opioid-Induced Hyperalgesia、オピオイド誘発性痛覚過敏）を提示した。患者はそれまで、この概念そのものの存在を知らなかった。

結果: 教授が見落としていたこと、そして前倒しされた手術

• 次の外来で教授に相談すると、教授は「私も生涯で一度しか見たことがないケース」と述べ、自分が見落としていたことを認めた。
• OIHという解釈が成り立ったことで、麻薬性鎮痛薬を減らし、脊髄刺激装置（SCS）挿入の必要性に確信を持ち、漠然と検討していた手術を確実に進めることを決定した。情報提供にとどまらず、実際の行動の変化につながった。

これが意味すること

• これはモデルが賢かったからではなく、データ基盤が違ったからこそ可能だったことだ。最も難しかったのは推論ではなく、済州からソウルまで散在する数万枚の紙を、機械可読な一つのデータへと変換することだった。

本事例は患者の同意のもとで個人識別情報を除去し、再構成した。医学的判断は必ず担当医療者と相談する必要がある。

[byun1114]

現在のGeminiは「患者は痛みのために麻薬性鎮痛薬を使用したが、用量を増やしても痛みが抑えられず、むしろ悪化するという異常反応を示した。」と入力するだけでも、まずAIHを提示してくれるようですが……

それよりも、「手書きの診療ノート」という点に驚きますね。ソウル大学病院がEMRを導入したのは2004年ですから、それ以前の資料なのでしょう。だとすると、一般的な医師の悪筆を克服したのがすごいですね。