患者インタビュー文字起こし：PHI対応の安全なワークフロー

臨床研究のための患者インタビュー文字起こしは、研究倫理、データコンプライアンス、質的方法論が交わる領域に位置しています。患者インタビューの音声は、録音を開始した瞬間から保護対象保健情報（PHI）であり、正式に非識別化されるまで、その文字起こしも同じ扱いを引き継ぎます。これを正しく行うことは、IRBコンプライアンスのための前提条件であって、後処理としての気の利いた追加作業ではありません。

このガイドが扱うのは、特に研究のワークフローです。患者体験調査、治験の質的研究パート、医療サービス研究など、患者が研究対象となる文脈が対象です。診療記録作成のための文字起こし（EHRノート向けアンビエントAI、SOAPノートの自動生成など）が必要な場合は、それは別のワークフローであり、異なるツーリングが必要です。

患者研究インタビューの文字起こしが他と違う理由

患者研究のための文字起こしは、単なる「アップロードしてダウンロードする」作業ではありません。ほとんどの音声文字起こし業務と違う点が3つあります。

内容が二重にセンシティブです。 患者は病歴、症状、治療経験、ときには経済状況や家族に関する情報まで明かします。HIPAAで特に強い保護を受けるカテゴリ（メンタルヘルス、物質使用、HIV感染状況、生殖医療）は、患者インタビューに頻繁に現れます。

方法論が形式を制約します。 テーマティック分析、グラウンデッド・セオリー、フレームワーク分析といった質的分析手法には、文字起こしがどのような形であるべきかという規約があります。逐語の文字起こしとクリーン逐語の文字起こしでは、でき上がる分析素材が異なります。この違いが問題になるのは、文字起こし開始前であって、終了後ではありません。

非識別化は正式なプロセスであり、気軽な編集ではありません。 文字起こしから患者の名を削除しても、非識別化にはなりません。HIPAAセーフハーバーでは、テキストから18の識別子カテゴリをすべて除去することが求められます。

録音前の同意とIRBコンプライアンス

2018年に改訂されたコモンルール（45 CFR 46）により、研究において音声録音への明示的な同意が標準的な要件となりました。同意書とIRBプロトコルには、録音することの開示、目的の明示、録音およびそこから派生する文字起こしの扱いの説明、そして事後に録音の使用への同意を撤回できるオプションの付与が求められます。

患者インタビューのプロトコルでIRBがよく指摘する3つのポイント：

分離可能な録音同意。 多くのIRBは、研究参加への同意と録音への同意を分離可能にすることを求めており、録音を辞退した参加者でも（実施可能であれば）研究には参加できます。方法論上、逐語文字起こしが必須である場合は、この依存関係をプロトコルに明記してください。

守秘義務の限界。 2018年コモンルールの下では、同意文書に簡潔な冒頭文を含める必要があります。患者インタビューの場合、その冒頭文は録音について、出版物での引用の可能性について、そして守秘の限界（法定報告義務、データ漏洩のシナリオ）について触れる必要があります。

第三者の声。 インタビュー中に介護者や家族が同席している場合、その人の声も録音されます。ほとんどのIRBの枠組みでは、本人の同意か適切な通知が必要です。

同意は録音開始前に文書化してください。インタビュー冒頭の音声記録による口頭同意を認めるIRBもありますが、多くは書面による記録を求めます。

ステップごとに見る文字起こしワークフロー

ステップ1：最初からファイルを保護する。 録音ファイルは暗号化されたチャネルで転送してください。PHIをメールで送ることは許容されません。セキュアなファイル転送サービスか、ベンダーの暗号化アップロードポータルを使います。ファイルには氏名や生年月日ではなく、参加者IDコード（P001、P002）でラベルを付けます。ファイル名もデータの一部であり、ファイル名に入ったPHIは、ファイル本体と同じ保護が適用されないシステムを経由して拡散しかねません。

ステップ2：始める前に文字起こしの規約を選ぶ。 逐語（「えーっと」などのフィラー、言い直し、繰り返し語をすべて記録）が必要なのか、クリーン逐語（読みやすい文章にし、フィラーを除き、内容は保持）で十分なのかを決めます。グラウンデッド・セオリーや談話分析では逐語が標準です。内容分析や多くのテーマティック分析では、クリーン逐語で十分です。文字起こし前に、サービスやツールにこの指定をしてください。後から作り直すには音声を聞き直す必要があります。

ステップ3：話者ラベルの規約を決める。 文字起こしの前に、一貫したラベル形式を定義します。「Interviewer:」と「P1:」がうまく機能します。役割ベースのラベルなら、主要な質的分析ソフトウェア（CAQDAS）すべてにきれいに取り込め、NVivoの話者別自動コーディングも有効になります。不統一なラベル（あるときは「Participant」、あるときは「Patient」、またあるときは名前）は、インポート前の清掃作業が必要になり、自動コーディングも壊れます。

ステップ4：タイムスタンプの間隔。 20分を超える患者インタビューでは、各発言ターンごと（または60秒ごと）にタイムスタンプを入れておくと、分析者がコード化した箇所から該当する音声区間に戻れます。文字起こしファイルにタイムスタンプがあれば、ATLAS.tiとMAXQDAは音声と文字起こしの直接リンクに対応しています。

ステップ5：非識別化。 文字起こしの後、共有・コーディング・アーカイブの前に、HIPAAセーフハーバーのプロセスを適用します。次を含む18の識別子カテゴリをすべて除去または仮名化します：

• 氏名（役割ラベルまたは仮名に置き換える）
• 州より小さい地理的区分
• 年以外のすべての日付（89歳超の年齢を含み、「90以上」と再コード化が必要）
• 電話番号、メールアドレス、URL、IPアドレス
• カルテ番号、口座番号、社会保障番号
• 生体識別子。話者が自分の声の特徴を特定できるような説明をした場合も含む
• その他の一意の識別子

音声ファイル自体はセーフハーバーの下で非識別化できません（声は生体識別子だからです）。文字起こしに何をしようと、音声はPHIのプロトコルに従って扱ってください。

ステップ6：CAQDASへの取り込み。 一貫した話者ラベル付きのDOCXで文字起こしを書き出します。NVivo 14、ATLAS.ti、MAXQDA、DedooseはいずれもDOCXを受け付けます。データセット全体を処理する前に、1件でテストインポートを行ってください。最初の本番の文字起こしをコーディングする前に、話者別自動コーディングが正しく動くことを確認しましょう。

患者インタビュー向け文字起こしサービスの選び方

文字起こし手段の選択は、ひとつの問いにかかっています。処理の時点で、その音声にまだPHIが含まれているかどうかです。

音声にPHIが含まれている場合（非識別化前はほぼ常にそうです）、HIPAAビジネスアソシエイト契約（BAA）に署名してくれるサービスが必要です。ベンダーのインフラは、HIPAAセキュリティ規則の要件を満たす必要があります。転送中および保存時の暗号化、アクセス制御、監査ログ、そして患者音声をモデル学習に使わないという契約上の禁止です。

BAA利用が文書で確認できる2つの選択肢：

Sonix Medical EnterpriseはBAAに署名し、SOC 2 Type II認証を取得しています。HIPAA対応はEnterpriseプラン限定で、Medical Proプラン（880ドル/年）にはBAAは含まれず、明確に非PHIコンテンツ（研修教材、正式に非識別化されたデータを用いる研究）向けです。Enterpriseの価格は営業チームに問い合わせてください。

Rev.ai（APIプラットフォーム）は、個別の契約とアカウント設定プロセスを通じてHIPAA BAAを提供しています。有効化には、BAAと新しいマスターサービス契約への署名、および専用のHIPAAアカウントの作成が必要です。同社のドキュメントによれば、ファイル名やURLにPHIを含めてはいけません。

Verbalscriptsのような人手による文字起こしサービスは、IRBプロトコルへの準拠、品質レビュー、CAQDAS対応納品を備えたプロジェクト単位のBAAワークフローを提供しています。人手の文字起こしは音声1時間あたりAIより大幅に高額ですが、PHIを含む音声については人手を要求するIRBや機関のデータ管理方針もあります。

音声が正式に非識別化されている場合（非識別化は通常、音声レベルではなく文字起こしレベルで行われるため稀です）、あるいはIRBプロトコルがその音声を免除または最小リスクとして扱う場合は、選択肢が広がります。非識別化済みの患者インタビュー録音を使う研究や、非識別化された症例から作成した研修コンテンツ・教育教材には、汎用のAI文字起こしツールで十分機能します。

PHIの懸念がない、きれいな文字起こしだけが必要なら、ConvertAudioToTextが話者ラベル、タイムスタンプ、DOCX書き出しに対応し、月額9.99ドルで無制限の文字起こしを99以上の言語の音声・動画で提供しています。非PHIの研究音声（非識別化済みインタビュー、患者教育担当者の録音、教員の教材）には適していますが、HIPAA BAAは提供しておらず、まだ患者識別子を含む音声には使うべきではありません。

診療と研究の両方の文脈にわたるサービスの詳細な比較については、HIPAA準拠の文字起こしの専用ガイドをご覧ください。

質的分析のための文字起こし品質

患者研究では、他のほとんどの文字起こし用途とは違う形で精度が問題になります。質的コーディングに影響する3つの精度上の問題：

否定の誤り。 「既往なし」と「既往あり」は正反対の意味です。AI文字起こしの否定に関する誤りは珍しくなく、臨床内容分析に直接影響します。コーディング前に、否定表現の多い箇所は音声と照らして確認してください。

薬剤名と疾患名。 薬剤名、診断用語、解剖学用語は頻繁に誤変換されます。医療サービス研究やPRO（患者報告アウトカム）インタビューでは、こうした誤りがデータの妥当性に影響します。話者適応（カスタム語彙を追加できるツールもある）で軽減はできますが、解消はできません。

発話の重複。 介護者や家族が同席すると、重なった発話が話者分離の誤りを生みます。ほとんどのAIツールは2人のインタビューはうまく処理できますが、近距離に3人以上の話者がいると苦手です。

患者インタビューを含むFDA規制下の研究（FDAの患者参加型医薬品開発ガイダンスに基づくPRO尺度の開発など）では、文字起こしの精度はデータ品質記録の一部となります。この分野の専門サービスのベンダー資料によれば、そうした文脈ではシニアレビュー付きの人手文字起こしが標準です。

精度の測り方と、その数値が実務で何を意味するのかの詳しい解説は、文字起こし精度の解説をご覧ください。

患者インタビューにおける話者分離

ダイアライゼーション（話者分離）、すなわち「誰が何を言ったか」の自動切り分けは、ほとんどの分析方法でインタビュアーと参加者の発言を区別できる必要があるため、患者インタビューでは重要です。

標準的な2人の患者インタビュー（インタビュアー1人、患者1人）であれば、現在のAIツールの多くはきれいな話者分離を実現します。問題が起きるのは次のような場合です：

• 3人以上が同席している場合（患者＋介護者＋インタビュアー）
• 電話でのインタビューで、音質の低下が話者分離を難しくする場合
• 患者が非常に小さい声や非常にゆっくりした話し方をする場合（病状や疲労の文脈でよくある）
• インタビュアーと患者が同じ言語を似たアクセントで話す場合

大量のデータセットを投入する前に、サンプルのインタビューで話者分離をテストしてください。確認すべきは3点です。発言ターンの切り替わりがきれいか、患者の短い応答（1〜2語）が正しく帰属しているか、相槌（「うん」「なるほど」など）が正しい話者に割り当てられているか。

技術的なアプローチと精度の限界について詳しくは、話者分離の解説の記事をご覧ください。

英語以外の患者インタビュー

ヘルスエクイティ研究や国際共同治験では、英語以外の言語での患者インタビューが頻繁に行われます。精度は言語とツールによって大きく異なります。主要言語（スペイン語、フランス語、ポルトガル語、北京語）では、大手AI文字起こしツールはまずまずの性能を発揮します。マイナーな言語や方言では、精度は落ちます。

多言語研究での実務上のポイントは2つ：

第一に、データセットを処理する前に、対象言語のサンプルでツールをテストしてください。ツールが公称する言語サポートが、話者固有の方言やアクセントで許容できる精度につながるとは限りません。

第二に、IRB向けの逆翻訳（同意書や調査票を翻訳精度検証のため英語に訳し戻す作業）は、文字起こしとは別のタスクです。両者を混同しないでください。

多様な言語での患者インタビュー研究では、ネイティブ話者の文字起こし担当者による人手文字起こしが、IRBプロトコルや機関のデータ管理基準で求められることがよくあります。BAA対応で40以上の言語のネイティブ話者トランスクリーバーを提供する専門サービスもあります。

データ管理と保存期間

患者インタビューの文字起こしは研究記録の一部となります。典型的な機関の要件：

保存期間。 ほとんどのIRBは、研究記録（音声と文字起こしを含む）を研究終了後少なくとも3年間保存することを求めます。FDA規制下の研究では、より長い保存期間が求められることがあります。IRBとスポンサーに確認してください。

保存場所。 PHIは、HIPAAセキュリティ規則の要件を満たすシステムに保存しなければなりません。機関のセキュアストレージ（暗号化された研究ドライブ、BAA付きのHIPAA準拠クラウドストレージ）が標準です。個人アカウントのGoogle DriveやDropboxといった一般消費者向けクラウドストレージは、PHIの文字起こしには適しません。

廃棄。 保存期間が終わったら、セキュアな廃棄が必要です。デジタルファイルの場合、これは検証済みの削除を意味し、ごみ箱に移すだけでは足りません。

監査証跡。 誰がいつ文字起こしにアクセスしたかの記録を求めるIRBもあります。データ管理計画に監査証跡の要件が含まれる場合は、開始前にストレージと文字起こしツールがこれに対応しているか確認してください。

研究の場面でConvertAudioToTextが向いている用途・向いていない用途

用途の範囲を明確にしておきます。ConvertAudioToTextはHIPAA BAAを提供しておらず、PHIを含む患者インタビューの音声には適していません。

一方、患者研究における非PHIの部分にはうまく適合します：

• 非識別化された症例から作成した教員の教材
• 研究チームの研修録画や方法論に関する議論の録音
• 患者教育コンテンツとCME（継続医学教育）教材
• 患者ではない研究参加者との質的インタビュー（例：患者ケアについての医療提供者へのインタビュー、介護者のPHIが問題にならない文脈での介護者インタビュー）
• 研究チームの事務・調整に関する録音

PHIを含む患者インタビューの音声そのものには、BAAに署名済みのサービスを使ってください。コンプライアンスの負担も価格も変わってきます。文字起こしの文脈ごとの費用比較を幅広く見たい方は、1時間あたりの文字起こしコストをご覧ください。

FAQ

研究における患者インタビューの文字起こしにBAAは必要ですか？

必要です。音声や文字起こしに保護対象保健情報（PHI）が含まれる場合、それを処理するすべての業者はHIPAA上のビジネスアソシエイトとなり、ファイルを受け取る前にBAAに署名しなければなりません。音声内のPHIには、患者の声、氏名、サービス提供日、地理的識別子、およびセーフハーバー18識別子リストのその他の要素が含まれます。BAAへの署名だけではコンプライアンスは保証されません。業者のセキュリティ対策（転送中および保存時の暗号化、アクセス制御、データをモデル学習に使用しない旨の確約）がIRBプロトコルと一致しているか確認してください。

患者インタビューの文字起こしにおいて、逐語とクリーン逐語の違いは何ですか？

逐語（バーベイタム）文字起こしは、発言者の言ったことをすべて記録します。言い直し、フィラー（つなぎ言葉）、繰り返し、笑い声、省略号や括弧で示した間などです。クリーン逐語はこれらの要素を取り除き、発言内容を完全に保ちながら読みやすい文章にします。テーマティック分析やグラウンデッド・セオリーでは、患者の正確な言い回しそのものがデータであるため、逐語が標準です。何が伝えられたかが目的で、どう伝えられたかではない内容分析では、クリーン逐語で十分なことが多いです。文字起こしを始める前にどちらの規約が必要かを指定してください。後からクリーン逐語の文字起こしを逐語形式に作り直すには、音声を聞き直す必要があります。

患者インタビューの音声は、HIPAA上いつ非識別化されたことになりますか？

HIPAAセーフハーバーによる非識別化では、文字起こしから18の識別子カテゴリをすべて除去する必要があります。氏名、州より小さい地理的区分、年以外のすべての日付、電話番号とFAX番号、メールアドレス、社会保障番号、カルテ番号、健康保険番号、口座番号、証明書・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（声紋を含む）、正面からの顔写真、その他の一意の識別番号やコードです。音声ファイル自体は、患者の声が生体識別子であるため、セーフハーバーの下で非識別化されることはありません。非識別化は、これらの要素を除去または仮名化した後に生成される文字起こしに対して適用されます。

研究用の文字起こしを取り込めるCAQDASツールはどれで、どんな形式が必要ですか？

NVivo（バージョン14）、ATLAS.ti、MAXQDA、DedooseはいずれもDOCX、RTF、TXT形式を受け付けます。NVivoの話者別自動コーディング機能を働かせるには、各発言ターンの冒頭で話者ラベルが一貫したパターンに従っている必要があります。たとえば「Interviewer:」「P1:」などです。ATLAS.tiとMAXQDAは、SRTまたはタイムコード入りのRTFによるタイムスタンプ付きインポートに対応しており、コード化した箇所から該当する音声区間へジャンプできます。一貫した話者ラベル付きDOCXは、4つのツールすべてで最も移植性の高い単一形式です。使用しているサービスから文字起こしをDOCXで書き出し、インポート前に話者ラベルの一貫性を確認し、データセット全体を処理する前に1件でテストインポートを行ってください。

出典

• Rev.ai HIPAAドキュメント： https://docs.rev.ai/api/hipaa （2026-07-02確認）
• Sonix Medical料金ページ： https://sonix.ai/medical/pricing （2026-07-02確認）
• ConvertAudioToText料金ページ： https://convertaudiototext.com/pricing （2026-07-02確認）
• Verbalscripts患者インタビュー文字起こし： https://www.verbalscripts.com/solutions/patient-interview-transcription （2026-07-02確認）
• UCSF HRPP非識別化ガイダンス： https://irb.ucsf.edu/content/de-identification-and-confidentiality-of-research-data
• HIPAAセーフハーバー18識別子： https://www.accountablehq.com/post/complete-list-of-the-18-hipaa-identifiers-for-de-identification-safe-harbor
• HHS 2018年コモンルール（45 CFR 46）： https://www.hhs.gov/ohrp/regulations-and-policy/regulations/45-cfr-46/index.html
• Qualtranscribe NVivo/ATLAS.tiインポートガイド： https://docs.qualtranscribe.com/guides/nvivo-atlas
• TransPerfect 治験における患者インタビューについて： https://www.transperfect.com/blog/role-qualitative-interviews-ensuring-patient-centered-approach-clinical-trials
• FDA患者参加型医薬品開発ガイダンス： https://www.fda.gov/about-fda/oncology-center-excellence/project-patient-voice