スペインの病院では、欠席しそうな患者を予測し、電話した群の欠席率が下がりました。¹医院で試すなら、患者が予約を変更しやすい仕組みを先に整え、AIは集計や連絡文の作成に使う方法があります。

早く連絡が来れば、空いた予約枠を使える

前日にキャンセルの連絡があれば、その予約枠を別の患者さんに案内できます。一方、予約時刻を過ぎて初めて欠席が分かった場合は、空き枠を埋めるのが困難です。

• 無断キャンセル（no-show）：事前の連絡なく予約に来ないことです。
• 事前キャンセル：予約時刻より前に取消しの連絡があったものです。
• 当日キャンセル：予約当日、予約時刻より前に連絡があったものです。院内集計では事前キャンセルに含め、二重には数えません。
• 予約変更：元の予約を取り消し、別の日時を確保することです。変更後の受診まで追えば、治療が途切れたかも確認できます。

研究によって、何をキャンセルに含めるか、何件の予約を分母にするかは異なります。医院で対策を比べるときは、早めに連絡が来た取消しと、連絡のない欠席を分けて数えると違いが見えます。

スペインの試験では、電話した群の欠席率が低下

スペインの病院では、皮膚科と呼吸器科の両方で、電話した群の欠席率が下がりました。電話ありと電話なしを比べた試験です。ほかの診療科は対象に含まれません。¹

研究チームは、皮膚科と呼吸器科それぞれに、過去の受診状況などから予約日に来ない可能性を予測するAIを作りました。文章を作るChatGPTとは働きが違います。2015〜2018年の予約記録でモデルを作り、2019年の別期間の記録で予測の当たり方を確かめた後、欠席しそうな患者への電話を試しています。¹

電話の試験は2019年2〜4月に実施されました。研究チームは対象者を電話ありと電話なしに分け、電話ありの群には予約の1週間前に最大3回まで連絡しました。来院または早めの取消しを促すためです。欠席リスクが高いと判定された1,311人のうち、記録がそろった1,108人を解析しました。¹

Valero-Boverら（2022）のTable 2を基に作成しました。率の差は各群の報告値から計算しています。両群とも予測モデルが高リスクと判定した患者で、比較したのは電話の追加です。¹

電話で欠席が減る一方、事務職員には電話をかける負担が生じました。来院が増え、診療予定が混み合ったという振り返りもあります。欠席を見込んで予約を重ねている施設では、電話を増やす際に予約枠の組み方も見直しの対象です。¹

自動音声電話を加えた群でも欠席率が低下

Penn Medicineでは、通常のSMS（携帯電話の短いメッセージ）に自動音声電話を加えた群で、無断欠席が減り、予約した受診の完了が増えました。²

職員が一件ずつ電話する代わりに、電話を自動化した例です。Penn Medicineの研究機関PAIR Centerが2026年に紹介しました。電子カルテの予測モデルが欠席リスクの高い患者59,994人を選び、2024年の4週間に比較試験を行いました。²

通常のSMSに、患者が電話の音声案内に従って番号を選ぶ自動音声応答（IVR）を加えました。患者は予約の確認、取消し、変更を選べます。SMSだけの群と比べると、無断欠席率は11.3%から9.6%へ下がり、予約した受診の完了率は75.9%から77.8%へ上がりました。²

これらの数値は、論文著者が所属する研究機関の解説で確認したものです。そこには予測モデルの製品名や版、群ごとの人数は示されていません。電話には、選択肢から答える自動音声が使われました。²

UAEでは、予測と職員の連絡を導入後に欠席率が半減

UAEの一次医療施設では、欠席予測と職員からの連絡を導入した後、3か月間の欠席率が20.82%から10.25%へ下がりました。³

この身近な医療を担う施設は、複数の予測を組み合わせて欠席の可能性を推定するランダムフォレストを使いました。職員は予約状況を一覧する画面を見て、患者に連絡します。導入は2022年10月で、論文の公表は2025年です。³

各資料^1,2,3を基に作成しました。研究の実施年と発表年を分けています。

導入前は67,429予約、導入後は67,964予約でした。予測画面と職員の連絡を同時に取り入れた前後比較です。季節やほかの運用変更も結果に影響し得るため、どちらの仕組みが何ポイント改善したかは分けられません。職員が予測を見て連絡する運用まで含めた結果です。³

SMSの文面で欠席率に差が出た

イスラエルの14病院では、SMSの文面9種類を比べ、通常文面の無断欠席率21.1%に対し、罪悪感に訴える文面では14.2%でした。2018年12月〜2019年3月にSMSを受け取れる予約161,587件が対象です。文面は人が作成しました。⁴

欠席率だけを見て文面を選ぶと、患者が責められたと感じる可能性があります。医院で試すなら、予約日時を明確に伝え、変更の連絡方法を添えた文面が候補です。連絡のしやすさも確かめましょう。

送迎案内への追加SMSは、効果が不確実でした

無料送迎を案内した米国の試験では、利用を促すSMSを追加しても、受診完了率の明確な改善は確認されませんでした。物質使用障害の外来治療を受け、交通に困っていた361人全員に無料送迎を案内し、一方の群にだけSMSを加えました。最初の12週間の受診完了率はSMSありが40.3%、なしが38.6%で、差は1.7ポイントです。結果の不確かさを示す95%信頼区間は−4.3〜7.7ポイントで、改善も悪化も含み得る範囲でした。⁵

両群が無料送迎の案内を受け、違ったのは利用を促すSMSの有無です。試験中には送信システムの障害も起きました。受診完了率と、通知が届いたか、患者が交通手段を使えたかは別の指標です。⁵

汎用AIで案内文と小さな集計から試せる

汎用AIを使えば、医院の連絡方法に合う案内文やリマインド文、キャンセル率の集計方法を、専用システムを作る前に試作できます。文面だけでなく、簡単な集計や連絡候補を抽出するコード案も作れます。ここからは医院に合わせた使い方の提案です。

AIに作成を手伝わせた集計ツールを院内で動かす方法と、実行のたびに患者データを外部AIへ送る方法は別です。まずは模擬患者と架空の予約で、文面や集計の流れを組み立てます。

文面と集計は、架空データで試せる

生成AIには、例えば「患者情報を使わず、予約日時・変更先・返信期限を後から入れられるSMSを3案作る」と依頼できます。架空の予約一覧を使い、曜日別の欠席率や導入前後の差を計算するコード、連絡候補を拾うコードの案も作れます。職員が数え方と出力を確かめ、医院の手順に合わせて直す流れです。文章やコードの作成を助ける機能は、AIのAPI（システム同士をつなぐ仕組み）からも利用できます。⁶

APIで通知や予約変更までつなぐ場合は、模擬患者の架空データだけで、実患者へ連絡や変更が届かない環境を使って動作を試します。導入後に通知漏れや集計違いが起きたら、個人情報を含まない例でAIに原因調査と修正案を求め、職員ももう一度動作を確かめましょう。

実患者の予約データを扱う前の確認

氏名だけ消した実際の予約一覧を架空データとして扱わず、試作には模擬患者のデータを使います。実患者データを外部AIへ入力する場合は、管理者が利用目的・入力先・保存期間・学習利用・アクセス権限・委託契約を確認しましょう。個人情報保護委員会が求めているのは、個人データの入力時に利用目的と学習利用を確認することです。⁷院内で動く自作ツールでも、保存先とアクセス権限の管理が要ります。厚生労働省の「医療情報システムの安全管理に関するガイドライン」第7.0版（2026年6月）も参照先です。⁸

研究の実用ポイントと医院での始め方

スペインの電話試験と米国の自動音声試験では、連絡を加えた群の無断欠席が減りました。UAEでは欠席予測と職員の連絡を導入した後に欠席率が下がり、イスラエルではSMSの文面によって欠席率に差が出ました。一方、無料送迎の案内にSMSを追加した試験では、受診完了率の明確な改善は確認されていない、という結果です。

医院での提案は、汎用AIで案内文や集計コードを試作し、模擬データで動作を確かめることです。実患者の予約情報を扱う段階では入力先や保存先、アクセス権限を管理し、導入後の不具合も職員が点検します。無断欠席率と早めの取消し、職員の作業時間を記録すると、改善の様子を追えます。

いきなり全体を自動化せず、案内文やキャンセル率の集計など一つの作業から試し、効果と運用を確認しながら広げましょう。

関連記事

• 2026年6月から保険診療でも「キャンセル料」がかかるって本当？ – 医科・歯科共通の新ルール
• 電子カルテの導入は小規模歯科医院の負担を減らせるか。医療DXへ向けて、現在の厚生労働省の公開情報から見えてくる問題を探る
• 電子カルテとサイバー攻撃：ランサムウェアとAI時代の情報流出、医療機関で何が起きるのか
• AIがむし歯を「タイプ分け」する時代 – ビッグデータから見えた新しいむし歯像

参考文献

1. Valero-Bover D, et al. Reducing non-attendance in outpatient appointments: predictive model development, validation, and clinical assessment. BMC Health Services Research. 2022;22:451. 原著／Table 2
2. PAIR Center. Automated calls added to SMS reminders reduce missed appointments among high-risk patients. 2026年5月20日。Kavanaughら、NEJM Catalyst, doi:10.1056/CAT.25.0322を紹介する著者所属機関の解説。解説
3. AlSerkal YM, et al. Real-Time Analytics and AI for Managing No-Show Appointments in Primary Health Care in the United Arab Emirates: Before-and-After Study. JMIR Formative Research. 2025;9:e64936. 原著
4. Berliner Senderey A, et al. It’s how you say it: Systematic A/B testing of digital messaging cut hospital no-show rates. PLoS ONE. 2020;15(6):e0234817. 原著
5. Chaiyachati KH, et al. Text Message Reminders About Free Transportation for Outpatient Substance Use Disorder Treatment: A Pilot Randomized Encouragement Study. Journal of General Internal Medicine. 2025年オンライン公開。doi:10.1007/s11606-025-09508-4. 原著
6. OpenAI. Text generation／Data controls in the OpenAI platform. 公式ドキュメント
7. 個人情報保護委員会。生成AIサービスの利用に関する注意喚起等について。2023年6月2日。公表ページ
8. 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。掲載ページ

執筆・監修　中村 瞬
かわせみデンタルクリニック 院長 / 歯学博士（歯科麻酔学）/ 日本歯科麻酔学会 認定医
医療記事を数多く執筆。TV取材多数
医学的根拠（エビデンス）に基づく、正確で分かりやすい情報を患者目線でお届けします。

かわせみデンタルクリニック｜船橋の歯医者・矯正歯科

所在地：〒273-0005 千葉県船橋市本町６丁目３−２０ ベルヴィル船橋本町 １階Ｂ号室
電話番号：047-409-2988
JR・東武鉄道「船橋」駅 徒歩4分
平日 9:00 ～ 13:00　14:30 ～ 18:00
土曜 9:00 ～ 13:00　14:00 ～ 17:00
（休診：日曜・月曜・祝日）

当院は、初診時にしっかりと検査を行い、歯周病・虫歯・根管治療から矯正歯科・小児矯正まで、丁寧にご説明のうえで治療を進める方針です。
治療後も再発予防に努め、安心して通える歯科医院を目指します。