医療研究インタビュー文字起こし：実践ガイド（2026年版）

医療研究インタビューの文字起こしは、ツールを開く前から2つのコンプライアンス区分に分かれます。HIPAAの基準で非識別化と認められるコンテンツは、性能のあるAI文字起こしサービスに任せられます。一方、特定可能な患者健康情報を含むコンテンツには、署名済みビジネスアソシエイト契約（BAA）を結んだHIPAA認証ベンダーが必要です。どちらの区分に該当するかは法的・機関的な判定であり、アップロード画面で下す裁量の判断ではありません。

冒頭で重要なお知らせ： ConvertAudioToTextはBAAを提供しておらず、HIPAA認証も取得していません。非PHIの医療研究コンテンツには適しています。研究に特定可能な患者健康情報が含まれる場合は、Sonix Medical EnterpriseやRevのようなBAAを提供するサービスをご利用ください。

コンプライアンス区分を決めるもの

HIPAAの非識別化基準は、健康情報がいつPHIでなくなるかを定義しています。2つの道があります。

セーフハーバー。 18項目すべての識別子カテゴリーを除去します：氏名、州より小さい地理的区分、年より細かいすべての日付要素、電話番号、ファックス番号、メールアドレス、社会保障番号、カルテ番号、健康保険受給者番号、口座番号、証書番号・免許番号、車両識別子、デバイス識別子、URL、IPアドレス、生体識別子（声と指紋を含む）、顔写真全体、その他の一意な識別番号・特性。除去後、残りの情報によって個人を再識別できることを実際に知らないことも条件となります。

音声にとっての課題：声そのものが生体識別子として列挙されています。患者インタビューの生音声録音は、声を変換するか、他の識別子をすべて除去したテキスト文字起こしのみに変換しない限り、セーフハーバーを満たすことはまずありません。

専門家判断（Expert Determination）。 資格を持つ統計学者または同様の専門性を持つ専門家が、一般に認められた原則を適用して再識別のリスクが非常に小さいと判断し、その分析を文書化します。患者インタビューの生音声については、専門家判断の方が現実的な非識別化の道です。

限定データセット は知っておく価値のある別の概念です：日付や地理的区分といった間接識別子を保持したまま、ほとんどの直接識別子を除去したPHIです。限定データセットを扱うベンダーとの間では、引き続きデータ利用契約が必要です。

私見ですが：コンプライアンス判定はIRBプロトコル設計の段階で行うべきであり、40本の音声ファイルを前にして遡って行うものではありません。後付けの対応は高くつきます。

音声を生み出す研究手法とそれぞれのPHIリスク

医療研究における手法ごとに、再識別リスクの水準は異なります。

患者体験インタビュー。 疾患との共存や治療体験についての半構造化インタビューで、通常45〜90分。明示的な氏名がなくても、診断、地域、治療の時系列、叙述の詳細の組み合わせだけで参加者を再識別できます。高リスク。厳密な非識別化の後にIRBが非PHI判定を下さない限り、通常はBAA対応サービスが必要です。

キーオピニオンリーダー（KOL）インタビュー。 臨床医や研究者との臨床トピックに関する対話で、通常30〜60分。KOLは患者ではありません。KOLが特定の患者症例に言及しない限り、HIPAA上の懸念は異なります。標準的な研究機密保持が適用されますが、PHIの考慮事項は低くなります。患者症例が議論されなければ、BAAなしのAI文字起こしは通常適切です。

医療従事者フォーカスグループ。 臨床ワークフローや障壁について議論する医療従事者のグループで、多くの場合60〜90分、複数話者。コンテンツに特定患者の識別情報がなければ、AI文字起こしは概ね許容されます。スピーカーダイアリゼーションが重要です。クロストークでAIツールが得意とすることと苦手とすることについては、スピーカーダイアリゼーションの解説をご覧ください。

サーベイ開発のための認知インタビュー。 参加者が調査票に回答しながら思考を声に出す形式。通常は単一話者で短時間。PHIリスクは研究対象集団によります。

ダイアリー調査。 参加者が一定期間にわたってボイスメモを録音します。各メモは短いのですが、コーパス全体では蓄積します。長期保存に関するプライバシーとIRBの配慮が適用されます。

臨床現場でのエスノグラフィック観察。 ケア環境でのフィールド録音は、名目上の対象が医療従事者であっても、背景に患者の声を捉えることがあります。こうした傍観者の声は、非識別化を大幅に難しくします。

非PHI医療研究のための実践ワークフロー

IRBとプライバシー部門がコンテンツを非識別化済みまたは非PHIと判定した研究の場合：

まずIRBプロトコル。 プロトコルに使用する文字起こしツールまたはサービスカテゴリーを明記します。音声と文字起こしへのアクセス権を持つ者、録音の保存期間、破棄計画を指定してください。多くのIRBでは現在、AIツールが録音を処理することについての参加者への明示的な開示を求めています。これを同意書に組み込みましょう。

参加者の同意。 録音への同意を得て、IRBが要求する場合はAI支援文字起こしに対する個別の同意も取得します。同意書はプロトコルと完全に一致させてください。

録音。 インタビュー中の標準的な音声録音です。Zoomなど類似プラットフォーム経由のリモートインタビューでは、プラットフォームの録音機能が双方を捉えます。音声品質は文字起こし精度を直接左右します。特に医療用語と複数話者セッションでは顕著です。

ファイル命名と非識別化。 ファイル名には氏名ではなく参加者コード（P01、P02）を使用します。文字起こし前にコンテンツ自体から識別子を除去する必要がある場合は、アップロード前にその作業を行います。

文字起こし。 選択したツールに音声をアップロードします。ほとんどの非PHI医療研究プロジェクトでは、研究全体を通じて従量課金よりも定額無制限プランの方が費用対効果に優れています。音声ファイルの手間のかからない選択肢が必要な場合、音声文字起こしが研究録音で使われるほとんどの標準フォーマットに対応します。会議形式のインタビューには、会議文字起こしが複数話者セッションに対応します。

医療用語のレビュー。 AI文字起こしは一般語彙はうまく処理しますが、薬剤名、解剖学用語、投与詳細、臨床略語では誤りを生じます。文字起こしをコーディングや引用に使う前に、レビューパスを組み込みましょう。出版を目指す研究では省略できません。

コーディングと分析。 標準的な質的分析手法が適用されます：BraunとClarkeの6段階によるテーマ分析、グラウンデッド・セオリー・アプローチ、フレームワーク分析。NVivo、Atlas.ti、あるいは構造化ドキュメントでもコーディングは可能です。文字起こしからのテーマ分析について詳しくは、文字起こしからのテーマ分析をご覧ください。

出版用の引用。 出版物での逐語引用は、氏名ではなく参加者コードと人口統計カテゴリーで帰属させます。省略には三点リーダー、編集上の補足説明は角括弧に入れます。メンバーチェッキングを行う場合は、音声ではなく文字起こしに基づいて行います。

医療研究向けツール比較

以下の表は、医療研究の文脈で最も関連性の高いツールを網羅しています。料金モデルは2026年7月時点でベンダーのページと照合して確認しました。

表についていくつか補足します。Revの人間による文字起こしは1分あたり$1.99で、表中で最も高価な選択肢ですが、ジャーナルが元の文字起こしを求めたときに査読者が期待する精度水準をもたらします。追加費用なしでBAAを締結できるSonix Medical Enterpriseは、大規模研究にとって最もクリーンなHIPAA対応の道です。Happy ScribeはSOC 2 Type II認証を取得していてもHIPAA準拠ではありません。この2つの認証は同等ではありません。NVivo Transcriptionは、NVivoがすでに分析環境であり、その統合が価格に見合う場合にのみ検討する価値があります。

典型的な質的研究のコスト計算

20件の患者体験インタビュー（各60分）と5件の医療従事者フォーカスグループ（各90分）からなる研究を考えてみます。合計27.5時間の音声です。

AI文字起こし、非PHIサービス、定額プラン： 定額アクセス1ヶ月分で、ファイル数にかかわらずプロジェクト全体の文字起こしをカバーできます。

AI文字起こし、従量課金（標準レートでおよそ$0.15〜$0.20/分）： 1,650分を$0.20/分で計算すると、人間によるレビュー前のAIパスだけで約$330です。

Revの人間による文字起こし（$1.99/分）： 1,650分をフルレートで計算すると、割引前で約$3,284です。Pro購読者の15%割引を適用すると約$2,791。HIPAA必須の研究と出版グレードの精度には適切ですが、研究予算の中で大きな項目になります。

HIPAA認証AIサービス： Sonix Medical Enterpriseはボリュームに応じたカスタム価格を採用しています。それに応じて予算を組み、研究予算を確定する前に見積もりを取ってください。

定額モデルが適用されるのは、IRB判定がBAAなしツールを許可する場合だけです。PHI研究では、従量課金のHIPAA認証AIまたは人間による文字起こしが適切な選択であり、最初から研究予算に組み込むべきものです。

非識別化済みまたは非PHIの研究音声を文字起こししていて、何十本ものインタビューで従量計算を避けたいなら、ConvertAudioToTextが定額月額プランで無制限のファイルに対応します。ただしHIPAA認証サービスではないため、PHI研究には使用しないでください。

KOL研究：やや異なるルール

臨床医や研究者とのKOL研究は、患者研究とは異なるプライバシー上の考慮事項を伴います。

PHIの懸念が生じるのは、KOLがインタビュー中に特定の患者症例に言及した場合だけです。その場合、その部分はPHIを構成しうるため、それに応じて扱う必要があります。標準的な実践としては、同意の際にKOLへ、これは専門的意見のインタビューを録音するものであり、特定可能な患者に言及してはならないと指示します。

KOL研究では機密保持が異なる理由で重要になります。KOLは戦略的な見解、競争上の立場、個人的意見を共有します。標準的な研究機密保持契約と同意プロセスでこれに対応すべきです。KOLを関与させる製薬・医療機器研究には、報酬をめぐるFDA、OIG、州固有の規制上の考慮事項もあります。これらは文字起こしの範囲外ですが、全体的なコンプライアンス状況に影響します。

患者症例の議論を伴わないKOL研究では、BAAなしのAI文字起こしが概ね適切です。医療用語における精度の限界は依然として当てはまります。

患者体験研究：より高いリスク

患者体験インタビューは、コンテンツが名目上非識別化されていても特別な注意を要します。

患者集団では再識別リスクが複合的に高まります。希少疾患の診断、地理的地域、治療歴、インタビュー日の組み合わせは、氏名を除去した後でも参加者を再識別できてしまいます。だからこそ、ほとんどの患者音声については、セーフハーバーではなく専門家判断こそが現実的な非識別化の道なのです。

長期保存は継続的なリスクを生みます。研究記録の一部として音声ファイルを何年も保管する場合、セキュリティ要件はその保管期間全体に及びます。ツールのデータ保持・削除の慣行をプロトコルと一致させてください。

センシティブな内容は一般的です。患者は健康体験の感情的、性的、心理的な側面について語ります。この文脈では、医療従事者のみの研究よりも、アクセス制御と監査ログがより重要になります。

文字起こしの前に、IRBとプライバシー部門の判定を書面で取得してください。患者体験研究のPHIステータスを自己判断しないこと。

多施設・国際研究

複数の施設や国にまたがる研究の場合：

施設ごとに、録音と文字起こしに関するIRB要件が異なる場合があります。各地域で録音を開始する前に、施設固有の承認を取得してください。

EUの研究参加者がいる場合、所属機関が米国拠点であってもGDPRが適用されます。文字起こしベンダーのデータ取り扱い、保存場所、保持慣行は、GDPRおよび適用される現地の健康プライバシー法を満たす必要があります。多くの米国拠点ベンダーはデフォルトでEUデータレジデンシーを提供していません。選定前に確認してください。

多言語研究では、原文言語での文字起こしを行い、その後施設間分析のために翻訳するのが標準的なアプローチです。AIと人間の文字起こしは、言語判断に関連する精度のトレードオフを扱っています。

出版とデータ共有の考慮事項

研究文字起こしからの逐語引用は、氏名ではなく参加者コードと人口統計カテゴリーとともに出版物に掲載されます。出版用に引用を編集する場合は明示的な表記が必要です：省略には三点リーダー、補足説明には角括弧。

資金提供者やジャーナルからのオープンデータ要件は、非識別化された文字起こしの共有をますます求めるようになっています。あなたの文字起こしが公開共有のための非識別化基準を満たすかどうかは、内部分析に受け入れられるかどうかとは別の問いです。研究費申請やジャーナル投稿契約のオープンデータ条項に同意する前に、プライバシー部門に相談してください。

ジャーナルの査読者は、検証のために元の文字起こしへのアクセスを求めることがあります。締め切り直前に要求されて慌てないよう、データ管理の設定の中であらかじめ計画を立てておきましょう。

FAQ

ConvertAudioToTextはHIPAA研究向けにビジネスアソシエイト契約（BAA）を締結しますか？

いいえ。ConvertAudioToTextはBAAを提供しておらず、HIPAA認証も取得していません。正式に非識別化されたコンテンツや、HIPAA上PHIに該当しないコンテンツを含む医療研究インタビューには適しています。特定可能な患者健康情報を扱う研究には、Sonix Medical EnterpriseやRev（ProまたはUnlimitedプラン）のように署名済みBAAを提供するベンダーをご利用ください。

音声データはHIPAA上PHIに該当しますか？

人の声は、HIPAAのセーフハーバー方式における生体識別子に該当しうります。その声が特定個人に紐付けられ、かつ健康情報と関連付けられている場合、その音声ファイルはPHIです。音声のセーフハーバーによる非識別化は、テキスト文字起こしの非識別化よりも難しく、声そのものが18項目の識別子カテゴリーの一つだからです。患者インタビューの生音声については、専門家判断（Expert Determination）の方が現実的な非識別化の道です。

IRBプロトコルにはAI文字起こしについて何を記載すべきですか？

ほとんどのIRBはAIツールを抽象的に評価しません。評価するのは、あなたの計画が参加者を保護しており、同意書・プロトコル・データ管理計画と整合しているかどうかです。プロトコルには具体的な文字起こしサービス名またはサービスカテゴリーを明記し、音声および文字起こしへのアクセス権を持つ者を記述し、保存・破棄の時期を明示し、データ取り扱いを参加者が同意した内容と一致させてください。多くのIRBでは現在、AIツールが録音を処理する場合、参加者への具体的な開示を求めています。

医療用語におけるAI文字起こしの精度はどの程度ですか？

医療用語に対するAI文字起こしの精度は、録音条件によって大きく異なります。クリーンな単一話者のディクテーションであれば、十分に訓練されたモデルでは10%未満の単語誤り率に達することもありますが、複数話者の臨床会話、フォーカスグループでのクロストーク、背景の臨床ノイズがあると、誤り率は30%を大きく超えることもあります。薬剤名、解剖学用語、投与指示は誤りのリスクが高い領域です。引用が出版物に掲載される研究では、AI生成文字起こしの人間によるレビューが標準的な実践です。

患者体験インタビューにAI文字起こしを使えますか？

コンテンツの内容とIRBの判定によります。患者体験インタビューは、明示的な氏名がなくても識別可能な内容を含むことがよくあります。診断、地域、治療歴、時系列の組み合わせだけで参加者を再識別できてしまうからです。IRBとプライバシー部門がコンテンツを正式に非識別化済みまたは非PHIと判定すれば、BAAなしのAI文字起こしツールでも問題ありません。コンテンツが特定可能なPHIである場合は、文字起こしの用途にかかわらず、BAA付きのHIPAA認証ツールが必要です。

出典

• HHS HIPAA非識別化ガイダンス
• Sonix医療文字起こしの料金
• Revの料金とHIPAA準拠
• Otter.aiのHIPAA準拠発表
• Happy Scribeの料金
• NVivo Transcription製品ページ
• RevはHIPAA準拠か？（Revサポート）
• HIPAAと音声テクノロジー（AccountableHQ）
• ヒトを対象とする研究でのAI文字起こし活用：IRBリスクチェックリスト（GoTranscript）