損害保険における事故写真の偽造については損害保険会社のディープフェイク対策完全ガイドで扱いました。本記事は対象を変え、**生命保険・医療保険の給付金請求で提出される「書類」**に絞ります。
事故写真と診断書では、狙われ方も、確認の手がかりも異なります。写真は「そもそも存在しない被害を作る」のに使われますが、書類は「実在する事実の数字を書き換える」形で改ざんされることが多く、一見して不自然な点が残りません。
なぜ請求書類が狙われやすいのか
生命・医療保険の給付金請求では、次のような書類が提出されます。
- 診断書・入院証明書
- 手術内容の証明書類
- 領収書・診療明細書
- 通院日を示す記録
これらの多くは、原本ではなくスマートフォンで撮影した画像やスキャンPDFとして受け付けられます。オンライン請求の普及で、この比率は上がり続けています。
画像として受け取るということは、査定側が見ているのは紙そのものではなくピクセルの集合だということです。紙であれば感じ取れた違和感（用紙の質感、筆圧、印影のにじみ）は、画像化の時点で失われます。
さらに、改ざんの動機は「ゼロから偽造する」よりずっと小さくて済みます。実際に入院した人が入院日数を数日足す、実際に受けた手術の名称を給付対象のものに書き換える——大半が事実に基づいており、書き換えられるのは一部の数字や文字だけです。
生成AIと画像編集で何が変わったか
従来、画像上の文字を書き換えると痕跡が残りました。フォントが合わない、背景の紙質が途切れる、罫線がずれる、といった破綻です。経験のある査定担当者は、これらを手がかりに違和感を拾ってきました。
現在の画像生成・編集ツールは、この破綻を大幅に減らします。
- 周囲のフォント・字形を学習して、同じ見た目の文字を生成する
- 書き換えた領域の背景（紙の地色・繊維・影）を周囲から補完する
- 罫線や枠線を途切れさせずにつなぐ
結果として、拡大しても目視では継ぎ目が見つからない改ざんが、専門知識のない人でも作れる状況になっています。
一方で、これは「痕跡が消えた」ことを意味しません。目視で見えなくなっただけで、画像データとしては編集の履歴が残ります。確認の主戦場が、肉眼から信号処理の領域に移ったと捉えるのが正確です。
目視・現行チェックの限界
多くの保険会社では、次のような確認が行われています。
| 現行の確認 | 何を防げるか | 何を防げないか |
|---|---|---|
| 医療機関への照会 | 事実関係の相違 | 照会先が多く、全件には適用できない |
| 過去請求との突合 | 同一人物の重複請求 | 初回請求・単発の改ざん |
| 目視による違和感の検出 | 粗い加工 | 生成AIによる自然な補完 |
| 書式・様式のチェック | 様式そのものの偽造 | 正規様式の一部書き換え |
医療機関への照会は確実ですが、すべての請求に対して行うことは現実的ではありません。照会対象を絞るための一次スクリーニングが、目視に依存しているのが実情です。
画像として提出された書類で、技術的に何が手がかりになるか
書類画像の改ざん確認では、写真や動画の検証とは重心の異なる分析が効きます。spellbreaker（by ProbeTruth）が用いる分析のうち、書類に対して特に関係が深いものを挙げます。
圧縮・再エンコーディングの痕跡（CRF）
JPEG画像は保存のたびに圧縮されます。一度保存された画像の一部だけを編集して保存し直すと、編集領域と未編集領域で圧縮の履歴が食い違います。目視では均一に見える面でも、圧縮の格子単位で解析すると差が現れることがあります。
空間周波数の不整合（SFA）
生成・補完された領域は、周囲と比べて高周波成分の分布が異なる傾向があります。紙の繊維やスキャン時のノイズは本来ランダムですが、生成された領域ではその「自然な汚れ」が再現しきれないことがあります。
照明・影の物理整合性（PPV）
撮影された書類には、光源に対応した影の落ち方や紙のわずかな反りによる陰影があります。部分的に貼り替えられた領域だけ、この陰影が周囲と一貫しない場合があります。
意味レベルの整合性（SCA）
数字そのものの妥当性です。入院期間と記載された日数、手術名と診療科、記載された日付同士の前後関係——文書として意味が通っているかを確認します。技術というより読解に近い領域ですが、機械的にチェックできる部分があります。
結果をどう扱うか
ここが最も重要です。
spellbreaker が返すのは二値の判定ではなく、較正済みの確率（信頼度スコア）と不確実性の幅です。証拠が曖昧な画像に対しては、広い信頼区間を返します。「怪しい/怪しくない」を機械が決めるのではなく、どの領域に、どの程度の疑いがあるかを示す設計です。
また、出力はあくまでフォレンジック上の意見証拠であり、自律的な最終判定ではありません。有資格の担当者が解釈することを前提としています。スコアだけを根拠に支払可否を決める運用は、製品の想定する使い方ではありません。
現実的な組み込み方は次のようになります。
- 一次スクリーニングとして全件または一定条件の請求に適用する
- スコアが閾値を超えたものだけを人的な精査・医療機関照会に回す
- 精査の結果を記録し、閾値と運用を継続的に見直す
保守的な閾値運用では偽陽性率0.1%未満・真陽性率約90%という結果が得られていますが、これは統制されたベンチマーク条件下の数値です。実際の請求書類は撮影環境・解像度・スキャナの機種によって条件が大きく変動するため、自社の実データによる評価を前提としてください。
検討の進め方
いきなり全面導入する必要はありません。
1. 対象を決める — 全請求か、給付額が一定以上か、特定の給付種別か。まずは件数と影響額のバランスが取れる範囲を選びます。
2. 過去データで評価する — 既に不正と判明した事案と、正常だった事案の書類画像を用意し、どの程度分離できるかを確認します。ここで自社データにおける実力が分かります。
3. 運用フローに載せる — 誰がスコアを見るのか、閾値超過時に何をするのか、記録をどう残すのか。技術より運用設計のほうが時間がかかります。
4. 閾値を調整する — 偽陽性が多ければ査定現場の負荷になり、低すぎれば意味がありません。運用しながら決めるものです。
パイロットは1〜2週間、部分導入で6〜8週間が目安です。
よくある質問
スキャン画質が低い書類でも判定できますか？
解像度と圧縮率が下がるほど、利用できる信号は減ります。低画質の画像では信頼区間が広くなり、「判断できない」という結果になることがあります。これは弱点ではなく、根拠が乏しいときに断定しないという設計です。運用上は、請求受付時の推奨解像度を定めることが有効です。
印影（ハンコ）の偽造も分かりますか？
印影も画像の一部として分析対象になりますが、印影単独の真贋鑑定を目的とした機能ではありません。周囲と比べて編集の痕跡があるかという観点での検出になります。
医療機関が電子的に発行したPDFの場合は？
撮影・スキャンを経ていない電子発行のPDFは、画像としての痕跡が異なります。この場合は文書のメタデータや電子署名の確認が第一手であり、画像解析は補助的な位置づけになります。
判定結果を請求者への説明に使えますか？
spellbreaker は信頼度スコアだけでなく、疑わしい箇所と検出ロジックを示す説明可能AI（xAI）レポートを出力します。社内の監査記録やコンプライアンス文書に用いることを想定した形式です。ただし請求者への対応方針や法的な取り扱いについては、自社の法務部門や専門家にご相談ください。
既存の査定システムと連携できますか？
REST API（OpenAPI 3.0 / OAuth 2.0）による連携、SFTPでのバルク取り込み、Webアプリからの個別確認に対応しています。既存システムの刷新は不要で、段階的な導入が可能です。
まとめ
生命・医療保険の給付金請求における書類改ざんは、**「存在しない事実を作る」のではなく「実在する事実の一部を書き換える」**性質を持ちます。そのため目視での違和感が残りにくく、生成AIの普及でその傾向は強まっています。
一方、画像として提出される以上、編集は画像データに痕跡を残します。確認の手段が肉眼から信号解析に移っただけで、確認できなくなったわけではありません。
重要なのは、機械に判定させることではなく、限られた人的リソースをどこに振り向けるかを決めるための材料として使うことです。
関連する資料・記事
- 損害保険会社のディープフェイク対策完全ガイド — 事故写真・被害写真の偽造への対応
- ディープフェイク対策ツール spellbreaker の製品ページ — 検知方式・対応メディア・導入形態
- 説明可能AI（xAI）とディープフェイク検知 — 判定根拠をどう示すか
- ホワイトペーパー（PDF） — 検出技術とフォレンジック上の位置づけをまとめた技術資料