東京歯科医療安全･感染制御研究会

15/09/2026

AIに託し情報を得る人間は、人間としての能力が静かに失われるエビデンス満載、人間を遥かに凌ぐAIの意見を承認するだけで良いだろう。バカと下手なポンコツ歯科医師は打ち込み作業員・承認者になれば良い。というか医療に貢献したければAIの言うことをよく聞いて患者のためになれ、バカがバレるぞ。但し、頭が良く腕が立つ歯科医師は常にAIを疑い、頼らず、託さず、自分で考え、自分でやれ。もっと上手くなるし頭が良くなるエビデンス満載。

14/09/2026

2026/09/12 第３回医療安全推進学会　拝聴講演

（A 会場）2026 年9 月13 日（日）
東京大学医学部教育研究棟 13 階第6 セミナー室

EL05： 教育講演　9:10-9:40
テーマ：医療安全と AI
座長：中村 京太（横浜市立大学附属市民総合医療センター 医療の質・安全管理部 診療教授）
演者：納谷 幸男（帝京大学ちば総合医療センター 安全管理部 安全管理部長）

ーーーーーーーーーーーーーーーーーーーーーー

SN08： 分科会シンポジウム10:00-11:20
テーマ：医療安全におけるサイバーセキュリティと医療 AI の安全保障
座長：田仲 浩平 （東京工科大学 片柳研究所 デジタルヘルスイノベーションセンター 教授）
(SN08-1) 医師×AI の臨床現場から見た医療 AI ガバナンス ―規模を問わない運用への課題
大田原 正幸（杏林大学 保健学部救急救命学科 准教授／Cursorvers 株式会社
／Health ISAC Japan）
(SN08-2) 国内医療サイバーセキュリティの現在地と今後の展望
江原 悠介 （Health ISAC Japan／PwC Japan）
(SN08-3) 医療を支える外部接続セキュリティ
―実装案：厚労科研費による実態調査と PoC を通じて
金子 誠暁 （医療 AI プラットフォーム技術研究組合）

ーーーーーーーーーーーーーーーーーーーーーー

SP01： 特別講演11:30-12:00
テーマ：平時と有事をつなぐ DX：医療現場に資する新たな政府医療 DX 基盤と AI 活用
座長：大友 康裕（東京女子医科大学 救急救命センター 特任教授）
演者：畑中 洋亮（一般財団法人あなたの医療 代表理事／厚生労働省医政局参与）

ーーーーーーーーーーーーーーーーーーーーーー

SN09： 分科会シンポジウム（若手人材育成委員会）13:00-15:00
テーマ：医療安全と人材育成の両面からみた Privilege
座長：落合 秀人（浜松医療センター 副院長／医療安全管理部長／消化器外科部長）
(SN09-1) Introduction―医療におけるPrivilege の意味
落合 秀人（浜松医療センター 副院長／医療安全管理部長／消化器外科部長）
(SN09-2) 小児内視鏡外科手術における技術認定制度の現状と問題点
世川 修（東京女子医科大学小児外科、
日本内視鏡外科学会技術審査委員会（小児外科領域）前委員長）
(SN09-3) 「看護師の特定行為における安全管理と教育)」
～特定行為研修修了者による PICC の挿入体制の整備～
三重野 雅裕（医療法人社団伊豆七海会 熱海所記念病院 兼 TMG 本部横浜支部 診療看護師（NP）
／認定看護管理者）
(SN09-4) 薬剤師の専門性と認定制度
高山 和郎（東京大学医学部附属病院 薬剤部 薬剤主任）
(SN09-5) 臨床工学技士の Privilege 体系と CBME・EPA
―経験件数主義を超え、教育 DX が拓く医療安全と次世代人材育成―
田仲 浩平（東京工科大学片柳研究所デジタルヘルスイノベーションセンター センター長・教授）
(SN09-6) 総括— 医療関係の資格と院内職務権限付与の利点と課題
藤田 眞幸（慶應義塾大学医学部 法医学教室 教授）

ーーーーーーーーーーーーーーーーーーーーーー

EL06： 教育講演15:20-15:50
テーマ：医療機器の進化と医療従事者の退化 ～AI・自動化の盲点
：システム停止時にあなたは手動で動かせますか～
座長：増田 雄一（信州大学医学部附属病院 医療安全管理室 室長／教授）
演者：田仲 浩平（東京工科大学 片柳研究所 デジタルヘルスイノベーションセンター 教授）

ーーーーーーーーーーーーーーーーーーーーーー

PL02： 総会長講演16:00-16:30
テーマ：地方で医療安全をやるということの意味
座長：手塚 則明 （東北医科薬科大学 医療安全部 教授）
演者：栗原 慎太郎（長崎大学病院 医療安全管理部 教授）

ーーーーーーーーーーーーーーーーーーーーーー

閉会式・次期会長挨拶

13/09/2026

【第3回日本医療安全推進学会学術総会】　今や医療安全はほぼサイバーセキュリティとAI支配。現場の平和が維持できなければ、患者の安全は保障できない。なので医療現場の第一の安全はセキュリティ対策である。っつうか、演者はほぼAIスライドで見にくい、字が多い、分かりにくいなぁ。バカ化が進んでいるな。
今やセキュリティ散財のために医療は働いている。テクノロジーの進化は患者のためにならない世の中になってしまったな。世界最高峰のセキュリティを誇る超上級偏差値組織デジタル庁ですらサイバーテロで軽く情報ダダ漏れ。そろそろ医療界も患者情報流出カーニバルは免れない確定なので、その時どうするか安全対策へ。うちは手書きカルテと、ネット遮断の患者情報管理なので安泰。アナログ泥棒だけALSOK様と警戒する。

12/09/2026

ダメではない。
法律により学校教育や会社ガバナンスが義務化され、昭和狩り粛正執行と足かせなんとかハラ大好物人間の安全保障が確立しただけ。

最近の子どもは昔に比べて精神的に不安定で打たれ弱く、共感性に乏しい……と、感じる人は少なくないだろう。2025年に米国で実施されたある調査によると、国内の保護者1300人のうち61%が「今の子どもたちはそれ以前の世....

11/09/2026

東京大学医学部附属病院が良いな。附属ね。
たんまりの補助金と老後は共済年金でウハウハ安泰だが、高校までの5教科だけ偏差値が高いだけじゃ経営は3流。日本政府の日本経営も奈落の底みたいな。いつも思うのだが、東大のきったない設備がボロボロのポンコツ大学病院は、都庁みたいな豪華絢爛超一等地広大な最先端臭プンプンの世界一の大病院建ててヤレよ。世界一超豪華絢爛最先端大病院は日本🇯🇵国民の自慢にもなる。東大様がまさかの殿様診療大赤字オンボロポンコツ病院じゃな。文京区役所の方が立派だな。築地移転後の東京ドーム跡地にどうだい？

11/09/2026

大病院さんも患者データが彷徨っているよう。
うちは患者データ院内パソコンネット遮断院内ランだけ、手書きカルテなので安泰。

11/09/2026

あの病気、この病気、やばい病気、恥ずかしい病気、、全国民の病気医療データ流出も時間の問題だな。うちは手書きカルテなので安泰高みの見物。

デジタル庁は11日、政府のネットワークシステムに不正アクセスがあり、各府省庁の職員らおよそ24万6000件の氏名や住所など個人情報が漏洩した可能性があると発表した。悪用などの被害は確認されていない。政府共通のパ....

11/09/2026

高校までの偏差値、頭がいいい奴は悪さ覚えると権力も伴うのでロクでもないな。揉み消しはどこの業界も上級のお得意とするところ。高校までの２教科は捨てて、３教科だけ偏差値が高い会長さんの元、原発の再稼働審査を巡るデータ不正や廃炉費用請求の書面書き換え、さらに電気料金の過大徴収など、高校までの３教科だけ、または５教科だけが世界一高い偏差値超上級帝国大学のご出身であるのが興味深い。安全を脅かして、恐怖心を煽るのも偏差値だけが高いインチキ詐欺師ご商売の秘訣かな。

08/09/2026

ChatGDP
LINE予約を起点として、企業側が現在できること

1. 個人を特定する

* LINE ID：同じ人を継続的に識別する。
* 氏名・電話番号・患者番号：LINE上の人物と実際の患者を結びつける。
* 年齢・性別・住所：属性別に患者を分類する。

2. 病名・健康情報を知る

* 病名：どの疾患を持つ患者かを分類する。
* 既往歴：将来の医療需要や健康リスクを把握する。
* 服薬情報：疾患や治療状況との関連を分析する。
* 治療歴：何を治療し、現在どの段階にいるかを把握する。

3. 予約・来院行動を知る

* 予約履歴：いつ、何を予約したかを記録する。
* 来院頻度：どのくらいの周期で利用するかを把握する。
* キャンセル履歴：変更・中断しやすい傾向を分析する。
* 最終来院日：休眠・離反患者を見つける。

4. 何に反応する人かを知る

* メッセージ反応：どの案内を読んだかを見る。
* リンククリック：何に興味を持ったかを把握する。
* 問い合わせ内容：何を求め、不安に思っているかを知る。
* 反応時間：いつ連絡すると動きやすいかを分析する。

5. データを一人にまとめる

* LINE＋患者ID：LINEとカルテ上の患者を結ぶ。
* 予約＋来院：予約した人が実際に来たかを追う。
* 決済＋購買：何にいくら使ったかを結ぶ。
* CRM/CDP統合：複数のデータを一つの顧客情報にまとめる。

6. その人がどんな患者かを推定する

* 疾患プロファイル：病名や既往歴から健康上の特徴をまとめる。
* 利用傾向：継続型、休眠型、中断型などに分類する。
* 価格感応度：料金や割引にどの程度反応するかをみる。
* 関心・嗜好：何に興味を持つかを推定する。

7. 次の行動を予測する

* 再来院予測：いつ戻ってくるかを予測する。
* 離反予測：誰が来なくなりそうかを予測する。
* 需要予測：次にどのサービスを必要としそうかを予測する。
* 反応予測：誰がどの案内に反応しそうかを予測する。

8. 人によって見せるものを変える

* 個別配信：患者ごとに違う案内を送る。
* 配信時間最適化：反応しやすい時間に送る。
* サービス推薦：病名や行動に応じて関連サービスを提示する。
* クーポン・特典：必要な人だけに販促を出す。

9. 行動を促す

* 予約リマインド：忘れを防ぐ。
* 再来院案内：来なくなった患者を呼び戻す。
* 継続利用促進：中断しそうな人へ働きかける。
* アップセル・クロスセル：追加サービスや関連商品を提案する。

10. 企業の利益につなげる

* LTV分析：長く利用する患者を見つける。
* 離反率改善：患者が離れにくい仕組みを作る。
* 需要分析：どの病気の人に何が売れるかを分析する。
* 商品・サービス開発：患者データから新しい商売を作る。
* AI学習：大量の患者データから、次の行動をより正確に予測する。

つまり企業側の流れは、かなり単純にすると、

誰かを知る
→ 病気を知る
→ 行動を知る
→ 一人にまとめる
→ 人物像を作る
→ 次を予測する
→ 個別に働きかける
→ 行動させる
→ 反応を学習する
→ 利益につなげる

です。

07/09/2026

定住縄文時代から伝染病、開拓して田畑耕し、それを奪い盗るため武器を持つ。
白豚とピロシキの戦争は終わらないな。困ったもんだな。