介護保険の請求書類の読み取り誤りを、マスタ照合と計算で自動検出してみた

こんにちは。AI Labの堂上拓です。

今回は、サービス提供票の「別表」を読み取り、その内容が正しいかを自動で検証する機能の技術的な詳細をご紹介します。

別表は、利用者が1か月に使ったサービスの単位数や金額が、事業所ごとに並んだ大きな表です。

サービス提供票別表の例

▼ 課題

別表は数字だらけの表で、OCRで文字を読むだけでは足りません。

  • 表のどのセルが何の項目かが分からないと、文字を意味のある値として扱えない
  • OCRは数字を読み違える。1文字違うだけで、事業所番号もサービスコードも別物になる
  • 読み違いに人が気づく手段がない。気づけなければ、誤った請求データがそのまま使われる

▼ 今回の目標

別表を明細行のデータに構造化し、読み取りの誤りを機械的に見つけられるようにすることです。

誤りの見つけ方は2種類あります。

  1. 国の公開マスタとの照合(事業所番号、サービスコードなど)
  2. 表の中の計算の検算(単位数×回数、小計、最下段の合計など)

▼ 結果

罫線検出から検証までを一つのモジュールとして実装しました。現状は環境変数を設定したときだけ動くデバッグ用のステップとして、パイプラインに組み込んでいます。検証結果は画像とJSONで確認できます。

目次

この記事で出てくる用語

先に、繰り返し出てくる言葉をまとめておきます。すでにご存知の方は読み飛ばしてください。

用語意味
別表サービス提供票の2枚目以降にある、事業所別・サービス別の明細表
サービスコード介護サービスの種類・内容ごとに決まった6桁のコード
小計行 / 最下段同じ事業所の明細をまとめた合計の行 / 表の一番下にある全体の合計の行
区分支給限度額介護度ごとに決まる、保険で使えるサービス量の上限
対象外の加算区分支給限度額の計算に含めない加算(処遇改善加算など)
級地地域ごとの人件費の差を反映した区分。1単位の単価が級地で変わる
TAISコード福祉用具の商品ごとに付けられたコード
チェックデジット番号の末尾に付ける検算用の数字。誤読で番号が崩れると合わなくなる

用語の位置は、次の画像で確認できます。緑が明細行、青が小計行、橙が対象外の加算、赤が最下段です。

明細行・小計行・対象外の加算・最下段の位置

全体の流れ

ページ画像 → 罫線検出 → セルにOCR文字を割り当て → 列見出しを判定して明細行に変換 → マスタ照合・計算検証

OCRは、すでに別のステップで実行しているAzure Document Intelligenceの結果をそのまま使います。新たにOCRは呼びません。 検証ロジックにもLLMは使わず、すべてルールとマスタで判定しています。

1. 罫線から表の構造を取り出す

別表の罫線を画像処理で検出し、セルの矩形に分解します。

  1. 適応二値化とモルフォロジー演算で罫線を抽出する
  2. 罫線の交点(格子点)を求める
  3. 閉じたセルの矩形を作る。結合セルは自動で分割する

下の画像は、検出した罫線を重ねたものです。

罫線検出結果のオーバーレイ

セルへの文字の割り当て

OCRの単語を、座標でセルに割り当てます。セル内で複数行に折り返した文字は、DIの読み順ではなく座標(上から下、左から右)で連結します。DIの読み順は表の中で行をまたいで前後することがあり、2行に折り返したTAISコードが逆順に繋がる問題があったためです。

2. 列見出しから明細行を作る

セルに文字が入ったら、見出しの文字からどの列が何の項目かを決めます。実際の見出しには揺れがあります。

  • 表記ゆれ(「サービス単位数/金額」と「サービス単位/金額」)
  • 2段に分かれた見出し(「サービス」+「コード」)
  • OCRの文字つぶれ(「回数」が「回數」に化ける)

そこで、正規化 → 前方一致 → 編集距離の曖昧一致の順で解決します。曖昧一致は、別の列のデータが混ざる事故につながるため、許容する誤字数を絞り、候補が1つに決まるときだけ採用します。

また、最下段の合計が罫線検出から外れることがあります。その場合は、OCR結果と本体表の列位置から合計の値を拾い直します。

3. マスタと照合する

明細行を、国が公開しているデータと突き合わせます。表の左の列から順に、次の4つを確認します。

確認すること突き合わせるもの誤りの見つけ方
事業所事業所番号 ⇔ 事業所名事業所マスタと照合する
サービスサービスコード ⇔ サービス名、単位数サービスコード表と照合する
福祉用具TAISコード ⇔ 用具名称福祉用具の商品コード一覧と照合する
単価単位数単価 ⇔ 事業所の所在地事業所の所在地から級地を引き、期待する単価と比べる

単価は、事業所マスタから引いた所在地を使うため、事業所の確認の後に行います。マスタを使わず、表の中の数字だけで行う検算は、次の「4.」で説明します。

確認する列は、次のとおりです。

マスタと照合する列

誤読の補正候補を出す

単に「不一致」と言うだけでは、直すのは人です。そこで、照合の起点を切り替えて補正候補まで出します。

  • 事業所番号は末尾がチェックデジット(Luhnアルゴリズム)になっている。番号として成立しなければ、OCR誤読と判断し、事業所名から正しい番号を逆引きする
  • サービスコードは、コードでマスタを引けなければ、サービス名から逆引きする
  • TAISコードは、一覧に無ければ、OCRの取り違えを1文字だけ直した候補を探す

名前から逆引きしても候補が複数あるときは、補正せず、断定しません。

断定できないものは mismatch にしない

マスタで確認できない項目を不一致にすると、警告全体が信用されなくなります。次のような場合は、skipped として扱います。

  • 単位数が空欄でも正常なサービス(時間可変、率計算、実費など)
  • 事業所マスタに所在地が無く、単価を決められない場合
  • 福祉用具のTAIS欄が空欄の場合(記入が徹底されていない)

4. 表の中の計算で検算する

マスタに頼らず、別表の中の数字どうしの整合も確かめます。行の種類を判定し、種類ごとに期待値を決めます。

行の種類期待値
明細行単位数 × 回数
小計行同じ事業所の明細行の合計
対象外の加算固定単位数なら 単位数 × 回数。率計算は照合しない
最下段小計行の合計 + どの小計にも属さない明細行

各行の種類。用語の節と同じ画像

さらに、横方向のかけ算も確かめます。

単位数 × 回数 = サービス単位/金額
サービス単位/金額 × 単位数単価 = 費用総額(1円未満切り捨て)
費用総額 × 給付率 = 保険/事業費請求額
サービス単位/金額 − 区分支給限度基準内単位数 = 区分支給限度基準を超える単位数

どの列を使う計算かは、次の画像で確認できます。

計算に使う列。番号は上の式に対応

縦の合計は、区分支給限度基準内単位数、給付管理単位数、区分支給限度基準を超える単位数、金額3列にも使っています。

対象外の加算は規則表で判定する

最下段の合計には、対象外の加算を足してはいけません。どの加算が対象外かは、厚生労働省の「介護報酬の算定構造」をもとに、出典付きの規則表CSVにまとめました。規則1行ごとに、資料名とページ、注記の原文を持ちます。

マスタ側に対象外の列を足さなかったのは、次の3つの理由からです。

  • マスタは外部のxlsxから作り直すもので、列を足すと生成手順と結びついてしまう
  • 2万行に列を足した差分は、レビューできない
  • マスタに無いコード(誤読したコードなど)には、列が使えない

合わないセルは赤く塗る

かけ算が合わないとき、間違っている数字を1つに特定することはできません。数字の取り出しで先頭の文字を落とした場合など、誤った値が黙って使われることがあるためです。そこで、式に使った数字のあるセルをすべて赤く塗り、人が見て判断できるようにしました。

複数ページにまたがる別表

別表が複数ページになると、小計がページをまたぐことがあります。1ページ目の末尾の基本サービスと、2ページ目の加算が、同じ小計にまとまる場合です。

  1. ページごとに検証する
  2. 合わないページは、次のページとマージして検証し直す
  3. 全て合ったときだけ、マージした結果を採用する。合わなければ、ページ単独の結果のままにする

OCRの誤読はマージでは直らないため、「合わないから採用する」ことはしません。マージして合ったとき、前のページの最下段は「確認済み」として灰色にします。

検証結果は画像で確認できる

検証結果は、元の画像にセルの色を重ねて出力します。

色意味
緑一致した。または、誤りはあったが正しい値が分かり、補正できた
赤誤りが残っている。マスタに該当が無い、正しい値を特定できない、計算が合わない、など
灰断定できないため照合しなかった(skipped)
青小計行や最下段など、照合の対象外

まず、すべて正しい書類

事業所・サービス・福祉用具・計算のすべてが正しい書類です。

すべて正しい書類の検証結果

赤は1つも出ません。灰色は、次のような「照合しなくてよい」セルです。

  • 処遇改善加算の行(率で計算するため、単位数を照合しない)
  • 福祉用具以外の行のTAIS欄(空欄が正常)
  • 明細行の費用総額や単価(小計行に書かれるため、空欄が正常)

最後の「福祉用具貸与合計」の行は、区分支給限度額を超えた例です。サービス単位 1,200 のうち、限度額に収まる 981 が「区分支給限度基準内単位数」に、超えた 219(= 1,200 − 981)が「区分支給限度基準を超える単位数」に書かれています。最下段にも、同じ超過分 219 と、限度額に収まる合計 16,765 が書かれています。この関係も、検証の対象です。

以降は、この書類に誤りを仕込んだ例です。

事業所とサービスの誤読

事業所・サービス欄の拡大

  • ケアリッツ四谷: すべて一致した(緑)
  • 大起エンゼルヘルプ: 事業所番号の末尾を誤読している(正しくは …135)。チェックデジットが合わないため、名前から正しい番号を特定でき、補正できる(緑)。サービスコード 11131l(数字の1が英字のlに化けた)も、サービス名から補正できる(緑)
  • ひだまり訪問介護ステーション: マスタに該当する事業所が無く、番号の正誤を判断できない(赤)

計算ミス

計算ミスの拡大

ひだまり訪問介護ステーションの身体介護2は、3096(= 387 × 8)を 3069 と誤読しています。かけ算に使った単位数・回数・サービス単位の3つのセルが赤くなります。

誤りは小計の足し算にも伝わり、小計行の合計と費用総額も赤くなります。

福祉用具のTAISコードと、給付管理単位数

福祉用具貸与の行と、給付管理単位数の列を足した書類です。

福祉用具・給付管理単位数の検証

  • 手すり貸与: TAISコードと用具名称が、一覧の商品と一致した(緑)
  • 歩行器貸与: TAISコードに、数字の0が英字のOに化けて混ざっている(00057-000O03)。形式が不正だが、Oを0に直した候補が一覧にあるため、補正できる(緑)
  • 特殊寝台貸与: 用具名称が、コードの商品名(折りたたみ交互歩行器)と食い違う。正しい商品名が分かるため、補正できる(緑)
  • スロープ貸与: コードが空欄。誤りとは断定できない(灰)
  • 給付管理単位数: 生活援助2の 1074 を 1047 と誤読している。この行と、足し算した小計が合わない(赤)

複数ページの別表

別表が2ページにまたがる書類です。1ページ目は、ケアリッツ四谷の基本サービスの途中で終わり、小計は2ページ目にあります。

1ページ目。最下段が灰色 2ページ目。最下段が緑

最下段には、両ページとも書類全体の合計が書かれています。2ページ目とマージして検証し、合ったことを確認できた時点で、1ページ目の最下段を灰色(確認済み)にします。

5. パイプラインへの組み込み

既存のPDF処理に、GridDetectionStep を追加しました。

  • 書類タイトルが別表のページだけを処理する
  • 環境変数 CARE_INSURANCE_BILLING_DEBUG_DIR が未設定(既定)なら、何もせずに戻る。本番の処理時間には影響しない
  • 既存の page_data は変更しない。例外が出ても、全体の処理は止めない
  • 対象月と利用者名は、表の外にあるため、LLM抽出済みの結果から受け取る

保存先を指定すると、ページごとのフォルダに、罫線のオーバーレイ画像と抽出結果のJSON、検証結果が出力されます。

今後の展望

  • 本番出力への反映: 現状はデバッグ用の出力です。検証結果を画面や出力データに反映する
  • マスタの拡充: 事業所マスタは居宅サービスの一部のみです。地域密着型、介護予防、総合事業の事業所は、現状は「マスタに無い」扱いになります
  • 時間可変サービスの検証: 身体介護9など、提供時間で単位数が変わるサービスは、まだ照合できていません

今後も、より便利で高性能なAIツールの開発に取り組んでいきます。

​

​