Who（誰が）
病床数200〜800床規模の急性期・慢性期病院の管理栄養士および栄養管理部門、給食受託会社の運営スタッフが主な利用者。
対象とする社会課題：病院給食の献立作成・食材調達が管理栄養士の経験と手作業に依存し、個別最適化とコスト効率の両立ができていない
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
管理栄養士は一人で多くの患者の献立を、疾患や検査値、アレルギーや嚥下機能まで踏まえて手作業で組み立てている。電子カルテと給食システムがつながっていないため、確認や転記だけで日々多くの時間が奪われ、食材の発注も前週の予測に頼らざるを得ない。治療の一部であるはずの給食が、経験と人手だけで支えられている現状を変えたい。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資630万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、メディプレートの事業内容を読み込んだ状態で、そのまま使える資料の素案を一緒に作成します。まずは気になる資料を選んでください。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
『メディプレート』は、病院の管理栄養士が患者ごとの治療食を組む業務をAIが支援するSaaSです。
管理栄養士はダッシュボードにログインし、電子カルテから連携された疾患名・検査値・アレルギー・嚥下グレードをもとにAIが自動生成した献立候補を確認し、必要な箇所だけチャットで『減塩をもう一段強めたい』のように指示して微調整、最終承認して確定します。確定した献立は自動で発注データに変換され、AIが入退院予測をもとに食材発注量を算出し仕入先へ連携します。厨房スタッフはタブレットで調理指示を確認し、残食を写真で入力すると翌日以降の献立精度に反映されます。1人1日50〜150食を手作業で組んでいた業務を、AIの下書きを栄養士が承認するだけの流れに変える仕組みです。
全国約8,200の病院では管理栄養士が患者一人ひとりの疾患・アレルギー・嚥下機能・検査値を踏まえて献立を組むが、1人当たり50〜150食を毎日担当し、電子カルテと給食システムが連携していないため手作業での転記・確認に1日2〜3時間を費やしている。
厚労省の基準では治療食は数十種類に細分化され、腎臓病食・糖尿病食・嚥下調整食などを組み合わせる必要があり、ヒューマンエラーによる誤配膳は年間数千件規模で報告されている。加えて食材調達は前週の患者数予測に基づく発注のため、入退院の変動により廃棄ロスが給食材料費の8〜12%に達する病院も多い。管理栄養士は全国で約2万人が病院に配置されているが慢性的な人手不足で、若手の離職理由の上位に「献立作成業務の負荷」が挙がっている。給食は治療の一部でありながら、システム投資の優先順位が低く放置されてきた領域である。
①自然言語処理と栄養最適化アルゴリズムにより、患者の電子カルテ情報(疾患名・検査値・アレルギー・嚥下グレード)を解析し、栄養基準・禁止食材制約を満たす献立候補を組合せ最適化(線形計画法+機械学習による嗜好スコアリング)で自動生成する。
②対話型AIアシスタントが管理栄養士の自然言語指示(例:塩分をさらに制限したい)を解釈し献立を再計算・再提案する。③時系列予測モデルが診療科別・曜日別・季節性を加味した入退院者数と必要食数を予測し、発注量を自動最適化する。④食べ残しトレイの画像解析AIが残食率を推定し、患者・メニュー単位での嗜好データを蓄積して献立提案の精度を継続改善する。
管理栄養士は電子カルテ・栄養管理システムと連携したダッシュボードにログインし、AIが患者ごとの疾患・アレルギー・嚥下グレード・検査値(血糖・腎機能・電解質等)から自動生成した個別献立候補を確認・微調整するだけで確定できる。
AIは院内約1,500品目の食材マスタと栄養価データベースを参照し、栄養基準を満たしつつ食材コストが最小になる献立パターンを毎日自動算出し、管理栄養士はチャット形式のAIアシスタントに「この患者は減塩をもう一段階強めたい」等と指示するだけで再計算される。確定した献立は自動的に発注データに変換され、AIが入退院予測モデル(過去3年の入退院データ・季節性・診療科別平均在院日数から算出)をもとに必要食材量を予測して仕入先へ自動発注する。厨房スタッフはタブレットで調理指示と数量を確認し、実際の残食量を写真で入力するとAIが画像解析で食べ残し量を推定し翌日以降の献立・発注量にフィードバックする。これにより献立作成時間の削減、誤配膳の防止、食材ロスの削減を同時に実現する体験となる。
| 管理栄養士5名分の転記・手作業確認の人件費(1人2.5時間/日×時給3,000円相当×年250日×5名) | 約937万円/年 |
| 食材廃棄ロス(420床・年間食材費約2.6億円の8〜12%相当) | 約2,080万〜3,120万円/年 |
| 誤配膳インシデントの調査・再調理・患者対応コスト(年間数十件、1件あたり数万円換算) | 約100万〜200万円/年 |
| 若手管理栄養士の離職による採用・教育コスト(1名あたり採用費+研修工数) | 約80万〜150万円/名・発生都度 |
| SaaS月額利用料(200〜500床帯) | 月15万円(年180万円) |
| 食材調達最適化の成果報酬(ロス削減額の10〜15%) | 年30万〜80万円 |
| 導入・データ移行支援費(初年度のみ) | 初年度一時金50万〜150万円 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
管理栄養士は電子カルテと給食システムが連携していないため、患者の検査値やアレルギー情報を目視で転記・確認する作業に1日2〜3時間を費やしている。
厚労省基準で治療食は数十種類に細分化されており、手作業での組み合わせ判断は誤配膳の温床になっており、年間数千件規模のインシデントが報告されている。加えて食材発注は前週の患者数予測に基づくため入退院変動に対応できず、材料費の8〜12%が廃棄ロスとして失われている病院も多い。若手管理栄養士の離職理由に献立作成業務の負荷が挙がるほど現場負担が大きく、電子カルテ連携と発注自動化によって業務そのものを作り直す必要がある。
MVPの献立最適化エンジンと電子カルテ連携APIは病院ごとに仕様差異が大きく要件が流動的なため、実証開発フェーズ（0〜6ヶ月）は準委任契約で進め、精度検証を繰り返しながら仕様を固めるのが適切です。
パイロット導入フェーズ以降、機能範囲と受入基準が明確になった段階で発注データ連携・ダッシュボード等の定型部分は請負契約に切り替える想定です。電子カルテ連携は病院ごとにベンダー・バージョンが異なるため、契約時に対象病院・対象電子カルテベンダーを個別に明記し、想定外のシステム仕様差異による追加開発費の扱いを事前に取り決めておく必要があります。誤配膳につながる献立提案ロジックの品質保証は特に重要なため、栄養士監修の受入テスト工程を契約に明記し、検収基準に含めることを推奨します。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 病院の管理栄養士（献立の確認・微調整・最終承認を行う） |
| セカンダリ | 厨房スタッフ（調理指示の確認、残食量の写真入力を行う）、給食受託会社の栄養管理担当者 |
| 管理 | 病院側システム管理者・自社カスタマーサクセス担当（食材マスタ更新、電子カルテ連携設定、利用状況モニタリングを行う） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 電子カルテ連携・患者データ取得機能 | 電子カルテの疾患名・検査値・アレルギー情報をAPI取得し患者プロファイルDBへ格納する |
| 個別献立自動生成機能 | 患者プロファイルと食材マスタを入力し線形計画法でコスト最小の献立候補を出力する |
| 対話型AIアシスタント献立調整機能 | 栄養士の自然言語指示(例:減塩強化)を解釈し献立を再計算して再提案する |
| 栄養基準・禁止食材制約チェック機能 | 献立候補とアレルギー・禁止食材リストを照合し違反時に警告と修正候補を表示する |
| 献立承認・確定機能 | 栄養士の修正・承認操作を受け確定履歴を記録し発注部門へ確定データを連携する |
| 食材マスタ・栄養価データベース管理機能 | 食材名・単価・栄養価データ約1500品目を更新し献立生成AIへ最新値を提供する |
| 入退院予測・食材需要予測機能 | 過去3年の入退院データと診療科別在院日数から時系列予測し日別必要食材量を算出する |
| 自動発注機能 | 確定献立と需要予測結果を発注データに変換し仕入先へ発注書を自動送付する |
| 厨房向け調理指示・数量確認機能 | 確定献立と発注数量をタブレットへ配信し調理手順と数量を厨房に表示する |
| 残食画像解析フィードバック機能 | 厨房が撮影した食べ残しトレイ画像を解析し残食率を患者別嗜好データへ反映する |
| 栄養データ分析レポート生成機能 | 匿名加工した栄養摂取・残食データを集計し受託会社・製薬企業向けレポートを月次生成する |
| テーブル | 主要カラム |
|---|---|
患者テーブル | patient_id, name, birth_date, disease_name, allergy_info, swallowing_grade, ward_id |
検査値テーブル | lab_result_id, patient_id, test_date, blood_glucose, creatinine, egfr, sodium, potassium |
献立テーブル | menu_id, patient_id, menu_date, meal_type, dish_items, nutrition_summary, status |
食材マスタテーブル | ingredient_id, name, category, unit_cost, nutrition_per_unit, allergen_flags |
発注テーブル | order_id, ingredient_id, order_date, quantity, supplier_id, status |
残食記録テーブル | leftover_id, menu_id, patient_id, photo_url, leftover_rate, recorded_at |
病院テーブル | hospital_id, name, bed_count, contract_plan, ehr_vendor |
ユーザーテーブル | user_id, hospital_id, name, role, license_number, last_login |
| # | 画面 |
|---|---|
| 1 | ログイン画面 |
| 2 | 患者一覧・検索画面 |
| 3 | 献立確認・編集画面 |
| 4 | AIチャット相談画面 |
| 5 | 発注管理画面 |
| 6 | 残食入力画面(タブレット) |
| 7 | 分析レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(医療データ対応インフラの実績が豊富) |
| 2 | Python/FastAPI(最適化・ML実装との親和性が高い) |
| 3 | PuLP/OR-Tools(線形計画法による献立最適化の実装) |
| 4 | OpenAI API(対話型AIアシスタントの自然言語処理) |
| 5 | TensorFlow(残食画像解析モデルの学習・推論) |
| 6 | PostgreSQL(医療データの整合性・トランザクション管理) |
| 7 | HL7 FHIR(電子カルテとの標準連携規格に準拠) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 稼働率99.5%以上(月間停止3.6時間以内)、発注・調理指示系は冗長構成で単一障害点を排除する |
| 性能 | 性能: 1患者分の献立自動生成は3秒以内、150食分バッチ処理は30分以内に完了させる |
| セキュリティ | セキュリティ: 医療情報システムの安全管理に関するガイドライン準拠、通信はTLS1.3暗号化、アクセスログ5年保存 |
| 運用 | 運用: 電子カルテ連携アダプタは主要3ベンダー以上に対応、障害発生時は2時間以内に一次対応を開始する |
| データ保全 | データ保全: 患者・献立・発注データは日次バックアップ、災害時RPO24時間・RTO4時間以内で復旧する |
| 監査 | 監査: AI献立提案の根拠(検査値・栄養基準)を全件ログ化し3年間保存、誤配膳発生時に追跡可能とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 電子カルテ連携なしで、提携病院から預かった献立データを管理栄養士自身がExcel等で手動最適化し、栄養基準・アレルギー制約を満たせるか、現場栄養士に「これなら使えるか」を見せて確認する | 開発費はほぼかからず、栄養士へのヒアリング交通費と試作テンプレート作成の人件費程度 |
| ②最小システム | 電子カルテとは連携せず、患者情報をCSVで読み込み、線形計画法で献立候補を自動生成する簡易ツールを作り、提携病院の実データで精度と現場の受け入れやすさを検証する | 外注または自作で数か月分の開発費と、AI利用料程度 |
| ③本開発 | 電子カルテAPI連携、対話型AIアシスタント、残食画像解析機能を実装し、複数病院での同時運用に耐えるSaaS基盤を構築する | エンジニア複数名分の人件費とインフラ費用がかかる規模で、630万円 や、必要に応じて 15億1,000万円 規模の資金調達を前提とした投資になる |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 急性期病院(200〜500床)の栄養管理科長・管理栄養士長 | 現場の献立作成業務フローと課題の実態を把握し実証協力を得るため | 日本病態栄養学会・日本臨床栄養代謝学会の学会展示・研究会で紹介を依頼 |
| 病院の情報システム部門長(電子カルテ運用責任者) | 電子カルテとのAPI連携可否・データ抽出範囲の技術的制約を確認するため | 栄養管理科長からの院内紹介、または医療情報学会の展示ブース経由 |
| 給食受託会社(シダックス・エームサービス等)の事業開発・DX推進担当者 | 受託病院への一括展開チャネルと成果報酬モデルの合意可能性を探るため | 各社の新規事業・アライアンス窓口へ問い合わせフォームから直接連絡 |
| 電子カルテベンダー(富士通Japan等)の連携API担当エンジニア | 標準連携アダプタ開発の技術仕様とパートナー制度の有無を確認するため | ベンダーの開発者向けパートナープログラム窓口へ資料請求・面談申込 |
| 病院の事務長または経営企画部門の意思決定者 | SaaS導入予算・契約決裁のプロセスと発注責任者を特定するため | 栄養管理科長を起点に院内紹介を受け、事務部門との面談を設定 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 学会・研究会での接点 | 日本病態栄養学会や日本臨床栄養代謝学会の大会にデモ出展し、「貴院の献立データで無料の適合性診断をさせてください」と管理栄養士に直接声をかける |
| 中規模病院の栄養管理部門への直接アプローチ | 献立作成に時間がかかっていると聞いた病院の栄養管理部門長に「まず一部の患者だけでAI献立案を試してみませんか」と個別に打診する |
| 給食受託会社の現場担当者経由 | シダックスやエームサービスの管理栄養士向け勉強会に協力を申し出て「献立作成に苦労している受託病院を紹介してほしい」と依頼する |
| 管理栄養士のオンラインコミュニティ | SNSや業界向けグループで「献立作成の負担を減らす仕組みを一緒に検証してくれる病院を探している」と発信し、返信をくれた人に直接話を聞く約束を取る |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新規開業資金 | 創業前または創業後まもない事業者 | 電子カルテ連携APIやAI開発の先行投資、実証病院への導入支援人件費など、着金までの運転資金を 630万円 の枠内でカバーできる候補になる |
| 信用保証協会 創業関連保証制度 | 創業して間もない法人・個人事業主 | 公庫融資と併用することで、医療機関向けSaaSの開発期間中に必要な追加の借入枠を確保しやすくなる |
| IT導入補助金（デジタル化基盤導入類型等） | 中小企業・小規模事業者（給食受託会社や導入先病院側が申請する場合も含む） | 病院側・給食受託会社側の初期導入費用の一部を補助対象にできる可能性があり、営業時のコスト訴求材料になる |
| 小規模事業者持続化補助金 | 小規模事業者 | 展示会出展や学会でのデモ出展、営業用資料作成など、最初の顧客開拓にかかる販路開拓費用の一部に活用できる候補になる |
| 自治体の創業助成事業（例: 東京都創業助成事業） | 都道府県・市区町村が定める創業者の要件を満たす事業者 | 自己資金 100万円 に加えて、実証開発フェーズの人件費・専門家活用費の一部を補う候補になる。制度は自治体ごとに名称・要件が異なる |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
医療・ヘルスケア領域で挑戦する仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは閲覧・登録などの実績にもとづく相対的な自動表示です。