Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
株式会社giverth代表 / ITコンサル・PM|医療機関・中小企業向けに完全オフラインAI(ローカルLLM×AI構築ツール)を導入支援。ネットにつながない安全なAIをつくっています。診療報酬✕RAGも。構築ログや学びを発信中。
Joined January 2012
700
Following
1.4K
Followers
727
Posts
Pinned Tweet
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
about 2 months ago
HPリニューアルで Claude Code の効果をざっくり比較。 従来(WordPress手作業) 約30〜50時間(ほぼ全部自分作業) 今回(Claude Code) 約4〜5時間 うち自分の作業は約2時間 削減効果 約10〜20倍の時間短縮。 設計・実装・レビュー・修正まで ほぼAIと会話しながら完了。 新サイト https://t.co/t4qOisggYt ちなみに旧サイト https://t.co/Vpb7kTmjOr
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
about 10 hours ago
AIが夜中に100倍の速さで仕事をしても、 確認する人が1人なら意味がない。 これが「確認側ボトルネック」問題。 AI活用が詰まるのはたいていここ。 医療現場でも全く同じことが起きています。 解決策は1つ: 「合格の基準」を事前に言語化しておくこと。 基準がないままAIを動かしても、 結局は「なんとなく」の手直しループに入る。 あなたの職場のAI活用、 確認フローは整備できていますか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
about 18 hours ago
@MedDX_Innovator
L1・L2・L3の整理、ありがとうございます。 診療報酬RAGでもまったく同じ構造で、 L3が特に難しいと感じています。 改定のたびにタスク定義自体が変わるため、 ベンチを一度取っても半年後には再測定が必要になる。 「選定」より「継続検証」が本質かもしれません。
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
about 24 hours ago
この実験結果、診療報酬RAGの提案根拠として使わせてもらっています。 汎用Qwen3-8Bが日本語医療特化SIP-jmedに負けた事実——「大きい汎用モデルで十分」が医療AIでは通じない理由が数値で出ました。 院内AI選定で、モデルの「専門性」まで確認していますか?
2年目開業内科医
@MedDX_Innovator
3 days ago
院内で動かしているSOAP生成ローカルAIを置き換えられるかという話で、候補に挙がっていた公開モデル数本に同じ条件で同じデータを食べさせて、参照との類似度を取った。 【1回目(各モデル 1.2k 件で学習)】 現行(MedGemma-4B + LoRA・過去数ヶ月分のデータで仕込み済み):0.5027 SIP-jmed-llm-3-13b:0.4551 Qwen3-8B:0.3978 MedGemma-1.5-4B:0.3875 MedGemma-4B(新規):評価途中で生成が詰まって 0.40 前後で団子 MedGemma-27b-text:VRAMが足りずスキップ 数字だけ見ると、汎用 Qwen3-8B は日本語医療特化の SIP-jmed に完敗。とりあえず大きい汎用モデルに LoRA を刺せばいい、では日本語の医療文には足りないらしい、というのが第一の発見だった。 ただこの比較は、現行に対するハンディが大きい。現行は数ヶ月分のデータを舐めて仕上げてある一方、挑戦者は 1.2k しか食べていない。同条件と言いきれない。 そこで2回目:SIP-jmed に同じ 13k のデータを食べさせた。 SIP-jmed-13b(13k 学習):0.5164 現行(MedGemma-4B):0.5027 同モデル(1.2k 学習):0.4551 13倍のデータで +0.06 ほど伸びて、現行をかすかに上回った。1.2k版との差分(+0.0613)も大きい。基盤の地力はデータを揃えてから出てくる感じがある。 学習自体はけっこう死んだ。手元の GPU 環境ギリギリで 13B を夜回していたら、二重起動とかバックエンドの蘇生プロセスとかでぶつかって、3回ほど途中で落ちて4回目でやっと完走した。10時間学習が一発で通らないのは、まあそういうものだと思いつつ、運用上の知見はだいぶ溜まった。 総括としては、 「大型基盤 + LoRA」は同じデータ量で揃えて初めて比較になる(揃えないと現行に当然負ける) 日本語医療特化(SIP-jmed-13b)はやはり地力があった ただ本番置換に降ろすとなると、生成速度(13B だから 4B よりだいぶ遅い)と SOAP 以外のタスクの扱いがあって、まだその段階ではない たぶん次は、置き換えるかどうかの判断材料として生成秒数の実測から、というところで一旦置きます。
See More
Who to follow
SleepingMuseum@ふりふら
@sleepmuse
Game developer in Japan forest terasene, death/matsuro palette, babelunlun etc
のとかずき@リテールテック
@0206kzk
能登一樹です。ヴィンクスという小売×ITの会社で営業・研究開発・ビデオグラファーやってます 機械学習、Vue.js、GitHubActionsをいじってる事が多いです。 ツイートは個人の意見です。
Syo@AWS系エンジニア
@AwsSyo
AWS認定12冠取得。(2021/03) AWSに携わるエンジニアです。Lambdaをガンガン制作する人。AWSで学んだ事や、ハマった事など、覚書としてブログやってます。 実戦で使えるLambdaのサンプルソースや、具体的なAWSサービス同士の連携サンプルなんかを公開してます。
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
1 day ago
5月27日にサイト改修を2つ同時実施。 ①トップの「導入メリット」セクション Frontend Designスキルでリデザイン ②/aboutページのCTA 「無料相談」→「30分相談を申し込む」に変更 結果: ①トップ流入 ↓39.7% ②contact遷移 ↓66.7% 根本原因は同じ。 GA4データを見ずに「デザイナーの仮説」で改修した。 初訪問者の心理を見落とした。 あなたの改修、 GA4ドリブンですか? それとも「いいと思う」ですか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
2 days ago
5月27日、自社サイトを2カ所同時改修しました。 ①「導入メリット」セクションをリデザイン Claude公式スキルで 白背景カード → ネイビー背景+番号付きリスト ②/about CTA変更 「無料相談」→「30分相談を申し込む」 どちらも「これはいいはず」と思った改修です。 GA4のデータは正直でした。 この2つ、結果どっちに転んだと思いますか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
3 days ago
https://t.co/m4RNPzJvIw
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
3 days ago
厚労省が毎週出す通知・疑義解釈。 「全部読む時間はないけど、 見落とすと査定・返戻になる」 この不安を解消するため、 毎週月曜にメールで届くニュースレターを始めました。 🔴 重要(今週必ず確認) 🟡 参考(一応知っておきたい) ⚪ 今週は実務影響なし の3段階で仕分け済み。無料です。 あなたの施設では今、 誰が厚労省の通知を確認していますか? ↓ 購読リンクはリプ欄に
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
4 days ago
答えは【約8時間】でした。 人間ひとりでゼロから作ると → 数日〜1週間以上 Claude Codeは: ✅ 新設加算の情報をAIの知識データベースに登録 ✅ チャットフロー設計 ✅ 4つのバグを自力でデバッグ ✅ 同日中にデモ完成 ※これは初回構築。次の加算対応は設計図が確立されているため2〜3時間の見込み。 → https://t.co/aEvgLtZBFX で試せます (電子的診療情報連携体制整備加算 対応)
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
4 days ago
このツイートを見て、AIエージェント(Claude Code)で施設基準自主点検AIのデモを作ってみました。 設計・構築・デバッグまですべてClaude Codeが担当。 さて、何時間で完成したでしょうか? 昼ごろリプ欄に答えを投稿します👀
くまっぺぇぇぇ
@hamizuhanamizu_
5 days ago
‼️適時調査実施要領等‼️ 本日付で更新されました。 施設基準は届出して終わり!ではないので、まずは要領の読み込みと自主点検を。 うちも院内で模擬適時の準備しなきゃ。 適時調査実施要領等|厚生労働省 https://t.co/UrWiWCbrpw
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
4 days ago
https://t.co/KLLVbX3ZMS
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
4 days ago
「AI導入したのに、スタッフが使わない」 原因は精度でも技術でもない。 「自分たちに関係なく決まった」 という感覚から来る心理的抵抗。 3週間でこの抵抗を解く実装ステップを noteにまとめました。 リプ欄にリンクあります。
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
5 days ago
疑義解釈(その7)で確定しました。 生成AIを活用した文書作成補助システムを 「組織的に導入」している場合、 医師事務作業補助者を1.2人として 配置人数に算入できます。 90床の病院の例: 補助者5人 × 1.2 = 配置基準6人を満たす → 15対1補助体制加算が算定可能 「AI導入のコストに見合わない」は、 この換算ルールを知らなかっただけかもしれません。 あなたの施設では、この換算、医事部に届いていますか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
6 days ago
届出し直しが必要な加算を一覧化しました。 https://t.co/BGoLSYpoQ3
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
10 days ago
令和8年6月から新設の「電子的診療情報連携体制整備加算」。 マイナ利用率70%超・電子カルテ導入済みでも届出できない施設がある。 原因:認証対象電子カルテの一覧が厚労省から未公表。 制度は施行された。でも現場は動けない。
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
6 days ago
https://t.co/BGoLSYpoQ3
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
6 days ago
「うちはもう届出してあるから大丈夫」 令和8年6月、その思い込みが静かな算定漏れを生んでいます。 医療DX推進体制整備加算を届け出ていても、新設の「電子的診療情報連携体制整備加算」は改めて届出が必要。自動では引き継がれません。 見落としていませんか? 届出し直しが必要な加算の一覧はリプ欄に。
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
7 days ago
「AI導入したけど、誰も使ってない」。 こういう話を、現場でよく耳にします。 原因のほぼ全てが「精度信仰」。 「正答率98%」で止まっている。 「残り2%が気になる」と。 でも現場は「100%を求める」のではなく 「今より楽になること」を求めている。 98%で十分に使える。 不足分は人間がサポート。 その前提で導入すれば、誰もが使う。 あなたの職場のAIは、「精度」で止まっていますか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
8 days ago
改定から2週間。現場では今、3つのミスが同時進行しています。 ①算定条件が変わったのに旧ルールで請求 ②通知文の解釈ズレ(疑義解釈を見逃す) ③確認作業増加でスタッフ疲弊 対応できた施設とできない施設で、収益差が出始めている。 あなたの施設では今、どこが一番しんどいですか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
8 days ago
見積もり作成AIにキャッシングを入れたら 968倍速くなった。 同じ企業ペアへの2回目以降: 🐌 1回目: 1.56秒(API実行) ⚡ 2回目: 0.00秒(キャッシュ) 営業が「この見積もり、先週も出したな」という場面。 そこに効かせる設計。 あなたの現場で、繰り返し使われている計算は何ですか?
沼尻よしひろ | AI×地方医療・中小企業DX
@numa3ch
9 days ago
AIが「自分の答えを疑う」仕組みを作った。 チェック条件: ・顧客の過去実績から10倍以上乖離 ・通常では起こりえない入力値 ・料金帯の切り替わり境界付近 ・情報不足のまま高額算出 どれかに引っかかると担当者に警告が出る。 精度より先に、 間違えたときのルートを設計する。 あなたの現場の見積AI、異常値はどう処理していますか?
Last Seen Users on Sotwe
زول سوداني
Seen from
Canada
Ahmed Mohamed
Seen from
Egypt
👑
Seen from
Oman
Blacked Video
Seen from
United States
TS Indo
Seen from
Indonesia
نياك صديق العائلات المتحررة من بريكة
Seen from
Lebanon
Sarkin Bura 💦
Seen from
Nigeria
Will Patilla
Seen from
Germany
Masti Khan
Seen from
Indonesia
حور - whore
Seen from
United States
Trends for you
1
Messi
Under 10K tweets
2
#WWERaw
Under 10K tweets
3
Steam Machine
Under 10K tweets
4
Trae
Under 10K tweets
5
Clive Davis
Under 10K tweets
6
Sparkle
Under 10K tweets
7
Tucker
Under 10K tweets
8
Montreal
Under 10K tweets
9
Giannis
Under 10K tweets
10
Chay
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.4M followers
2
Barack Obama
@barackobama
119.3M followers
3
Donald J. Trump
@realdonaldtrump
111.7M followers
4
Cristiano Ronaldo
@cristiano
110.1M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
97.5M followers
7
NASA
@nasa
92.1M followers
8
Justin Bieber
@justinbieber
90.8M followers
9
KATY PERRY
@katyperry
87.4M followers
10
Taylor Swift
@taylorswift13
81.2M followers
11
Lady Gaga
@ladygaga
72.8M followers
12
Kim Kardashian
@kimkardashian
69.7M followers
13
Virat Kohli
@imvkohli
69.5M followers
14
YouTube
@youtube
68.7M followers
15
Bill Gates
@billgates
63.7M followers
16
The Ellen Show
@theellenshow
62.5M followers
17
Neymar Jr
@neymarjr
62.2M followers
18
CNN
@cnn
61.9M followers
19
X
@x
60.8M followers
20
Selena Gomez
@selenagomez
60.5M followers
Olivia
Online
✨
⭐
💫