【第71回】NotebookLMを病院の機器管理に使う手順｜エラー対応集を作った実録
「このエラー、前にも見た気がする」。
でも、あのとき誰がどう直したのか、記録がどこにあるのか見つからない。機器が止まっている間にまた一から調べて、なんとか動かして、また記録されないまま終わる。
この繰り返しを、NotebookLMでなくしました。この記事では、私が実際にやった手順を最初から最後まで書きます。
私は放射線技師として16年、病院でCTやMRIなどの医療機器を扱っています。日常点検の記録、エラーログ、トラブル対応のメモ——こういうデータは溜まっていくのに、いざというときに「使える形」になっていない。その悩みを解決したのがNotebookLMでした。
NotebookLMとは何か｜医療現場で何に向くのか
NotebookLMはGoogleが提供しているAIツールです。最大の特徴は、インターネット全体ではなく、自分が渡した資料の中だけで答えるという点です。
一般的なチャットAIは、ネット上の膨大な情報をもとに答えます。便利ですが、自分の職場の事情までは知りません。NotebookLMは逆で、こちらが読み込ませた資料に基づいて、引用付きで答えます。つまり、自分の職場の記録から答えを引き出せます。
医療現場に向いているのは、記録があちこちに散らばりがちだからです。点検記録はExcel、トラブル対応は紙のメモ、引き継ぎは口頭。これを1か所に集めて検索できるようにするだけで、日々の「あの記録どこだっけ」が減ります。なぜ医療AIとしてNotebookLMが向くのかは、別記事（第5回）で詳しく書いているので、背景を知りたい方はそちらもどうぞ。
料金は、執筆時点ではGoogleアカウントがあれば無料で使える範囲があります。まず試すだけなら費用はかかりません。
実際の手順｜5ステップ
やることは「記録を集めて、読み込ませて、聞く」だけです。5つのステップに分けて書きます。
ステップ1：素材を集める
これまでの日常点検記録、エラー発生時の対応メモ、トラブルシューティングの記録を、テキストファイルにまとめます。
ここで一つだけ、最初に必ずやってほしいことがあります。患者情報や院内固有の非公開情報を外すことです。エラーログに患者IDや検査情報が紛れ込んでいないか、投入前に必ず確認してください。この線引きは後半でもう一度詳しく書きます。
ステップ2：ノートブックを作る
NotebookLMを開いて、新しいノートブックを作成します。「機器管理」「エラー対応」など、用途がわかる名前をつけておくと後で探しやすいです。
ステップ3：ソースを追加する
作ったノートブックに、ステップ1でまとめたテキストやPDFを読み込ませます。これがNotebookLMの「答えのもと」になります。最初は1ファイルからで十分です。
ステップ4：質問する
準備ができたら、普段の言葉でそのまま聞きます。
「〇〇のエラーコードが出たとき、過去にどういう対処をしましたか」
返ってくる回答には、読み込ませた記録から引用した具体的な手順が並びます。「このエラーは△△が原因のことが多く、過去の記録では□□の手順で解決しています」という形です。どの記録を根拠にしたかも示されるので、元の記録に戻って確認できます。
ステップ5：深掘りする
一度で欲しい答えが出なくても、続けて聞けます。
「このケースに類似した過去事例はありますか」
「考えられる原因の候補を挙げてください」
こうやって追い込んでいくと、記憶だけに頼っていた対応が、記録に基づいた形で引き出せます。
回答の質を上げるコツ｜ソースの作り方
使ってみてわかったのは、回答の質はソースの質で決まるということです。
メモ書き程度の記録では、回答もあいまいになります。逆に、「何が起きて、どう対処して、結果どうなったか」という3点セットで書かれた記録があると、回答の精度が上がります。
私が最初に取り組んだのも、過去の記録を整理して構造化することでした。そしてこれ自体が、業務の棚卸しになりました。「こんなに同じエラーが繰り返されていたのか」という気づきにつながったんです。AIに入れる前の整理作業が、すでに価値を持っていました。
最初から全部を整理しようとしなくて大丈夫です。直近1か月分の記録だけでも入れてみて、使い勝手を確かめるのがおすすめです。
現場で効いたこと・注意すること
一番変わったのは、エラー発生時の「あの記録どこだっけ」という時間が消えたことです。エラーコードや症状をそのまま入力すれば、関連する過去の対応記録がすぐ出てきます。
予想していなかった効果もありました。新しいスタッフへの引き継ぎが楽になったことです。「これに聞いてみて」と伝えるだけで、過去の経緯を含めた対応方法が説明されます。ベテランの頭の中にしかなかった知識が、少しずつ形になっていく感覚があります。
一方で、注意することが一つあります。ここは手順そのものより大事なので、必ず読んでください。
NotebookLMはGoogleのクラウドサービスです。読み込ませた情報は自分の手元だけにとどまるものではありません。だから、患者の氏名やID、検査画像、院内固有の非公開情報は入れないでください。
具体的には、次の3つを守ってください。
・記録をソースにする前に、患者を特定できる情報が混じっていないか確認し、あれば削除または匿名化する
・院内の情報管理規程を確認し、外部AIサービスの利用が認められる範囲で使う
・判断に迷う場合は、責任者の承認を得てから運用する
機器のエラー対応記録は、書き方によっては患者情報が紛れ込みやすい種類のデータです。「エラーの内容と対処法」だけを抜き出す形にすれば、多くの場合この線引きは守れます。
まとめ
NotebookLMは、職場に溜まった記録を「検索できる相談相手」に変えてくれる無料の道具です。
特徴は「渡した資料の中だけで、引用付きで答える」こと
手順は5ステップ（集める→ノートを作る→読み込ませる→聞く→深掘りする）
回答の質はソースの質で決まる。「何が起きて・どう対処して・どうなったか」で整える
患者情報・院内固有情報は入れない。この線引きだけは必ず守る
まず試すなら、直近1か月の点検記録だけをソースに入れて、1つ質問してみてください。「あのとき何があったっけ」と聞くだけで、使い方のイメージがつかめます。
関連する記事も置いておきます。なぜNotebookLMが医療AIに向いているのかは第5回、機器管理に使い始めたきっかけの話は番外編、AIで業務改善ツールを作るまでの流れは第25回のまとめにあります。
医療現場でのAI活用について、現場の実務者目線で記事を続けています。役に立ちそうなら、フォローして次の記事ものぞいてみてください。
本記事の内容は筆者個人の見解であり、所属する医療機関の公式見解を代表するものではありません。記事中の情報は執筆時点のものです。臨床判断・業務運用にあたっては、必ず最新の公式情報（添付文書・診療ガイドライン等）をご確認ください。本記事を参考にしたことによって生じた損害・不利益について、筆者は一切の責任を負いかねます。
