Who（誰が）
病床数200〜600床の地域中核病院・大学病院の外来部門(医事課・外来クラーク・外来師長)、および電子カルテベンダー・医療機器商社
対象とする社会課題：病院外来における診療科ごとの待ち時間偏在の解消
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。
地方の中核病院では、人気の診療科に予約が集中し待ち時間が90分を超える一方、隣の診療科は30分に満たない。外来クラークは「もう少しお待ちください」としか言えず、高齢者や小児連れの家族は長時間の院内待機に耐えている。師長の業務時間の1〜2割がクレーム対応に割かれても、根本の予約枠設計には誰も手を付けられていない。この偏りをAIで解きほぐし、待つ側にも働く側にも余白を取り戻したい。
※ 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500万円の申請資料も、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、「ミテル」のこのショーケースの内容を読み込んだ状態で、事業計画書や要件定義書、融資申請書などの素案をその場で作成します。まずは気になる資料から試してみてください。
※ 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。
「ミテル」は、病院外来で診療科ごとに生じる待ち時間の偏り(整形外科90分待ち、他科30分未満など)をAIで解消するSaaSです。
過去1〜3年分の診察実績と当日のリアルタイム進捗データから、後続患者の待ち時間を5分刻みで再予測します。受付端末やスタッフタブレットで医師の診察開始・終了時刻を入力すると、院内サイネージと患者のスマホに最新の待ち時間が通知されます。外来クラークはダッシュボード上でAIが提示する「混雑診療科への振替候補患者リスト」を確認し、ワンクリックで空いている診療科・時間帯への案内を打診できます。患者は院内で待たずに外出でき、クラークの「もう少しお待ちください」対応や外来師長のクレーム対応時間も減っていきます。
地方の中核病院や大学病院では、人気診療科(整形外科・皮膚科・眼科など)に予約が集中し平均待ち時間が90分を超える一方、同日の他診療科では30分未満という偏りが常態化している。
原因は、診察時間が患者ごとに大きく異なるにもかかわらず、多くの病院が「1枠15分」など固定枠の予約システムを使い続けている点にある。外来クラーク(受付事務)は当日の医師の遅延・急患対応をリアルタイムで把握できず、患者への案内は「もう少しお待ちください」の一点張りにならざるを得ない。実際、厚労省の患者調査でも外来患者の不満理由の第1位は「待ち時間」であり、特に高齢者や小児を連れた保護者にとって長時間の院内待機は身体的・精神的負担が大きい。病院側も、待ち時間クレーム対応に外来師長の業務時間の1〜2割が割かれているが、根本原因である「予約枠設計」に手を付けられずにいる。既存の電子カルテベンダーは予約機能を持つものの、過去実績に基づく静的な枠設定にとどまり、当日のリアルタイム変動には対応していない。
①予測: 過去の診察ログとリアルタイム進捗データから、勾配ブースティング系モデルで各患者の診察開始予測時刻・待ち時間を5分刻みで算出する。
②最適化: 診療科間の人員・診察室リソースの制約を考慮した数理最適化(線形計画法)により、当日の振替案・枠再配分案を自動生成する。③自然言語対話: 患者向けチャットボットが「今日はどれくらい待ちますか」「順番を教えて」といった問い合わせに、予測結果を根拠に自然言語で回答する。④異常検知: 特定医師・診療科の遅延が閾値を超えた場合に外来師長へ自動アラートを出し、人的対応のトリガーとする。
病院の予約システム・電子カルテと連携し、AIが過去1〜3年分の診療科別・医師別の診察時間実績、患者属性(初診/再診、疾患カテゴリ、検査有無)を学習し、診療科ごとに最適な予約枠幅と1日あたりの受入人数を自動算出する。
当日は、受付端末とスタッフ用タブレットから随時入力される「診察開始・終了時刻」「検査室の混雑状況」をAIがリアルタイムに取り込み、後続患者の待ち時間を分単位で再予測してデジタルサイネージと患者本人のスマホ(LINE/アプリ)に通知する。外来クラークはダッシュボード上でAIが提示する「混雑診療科への振替候補患者リスト」を確認し、ワンクリックで空いている診療科・時間帯への案内(検査先送りや診察順入替え)を打診できる。患者は自分のスマホで「あと何分」「順番が来たら通知」を受け取れるため、院内で待たずに売店や外出も可能になる。院内には混雑ヒートマップを表示し、事務部門は日次・週次で診療科別の稼働率と待ち時間分布をレポートとして確認できる。
| 外来師長のクレーム対応・調整業務にかかる人件費(勤務時間の1〜2割相当) | 年額約70万〜130万円(師長年収650万円想定の10〜20%) |
| 待ち時間クレームによる患者離脱(再診中断・他院流出)に伴う逸失診療報酬 | 年額約400万〜700万円(月10〜15人離脱、1人あたり平均診療単価5,000円×月換算で試算) |
| 外来クラークの案内対応延長による残業代 | 年額約150万〜250万円(1日30分残業×20日×時給2,000円換算) |
| 固定枠設定を人手で見直すための医事課・診療科長のミーティング・調整工数 | 年額約50万〜100万円(月1回半日×関係者5名の人件費換算) |
| SaaS月額利用料(病床350床規模・複数診療科対応プラン) | 月額35万円(年額420万円) |
| 初期導入・API連携構築費(初年度一括) | 220万円 |
| 患者向けアプリ/LINE連携オプション | 月額7万円(年額84万円) |
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。
地方の中核病院では、整形外科・皮膚科・眼科など人気診療科に予約が集中し平均待ち時間が90分を超える一方、同日の他診療科では30分未満という偏りが常態化している。
原因は、患者ごとに診察時間が大きく異なるにもかかわらず「1枠15分」のような固定枠予約を使い続けている点にある。外来クラークは当日の医師遅延・急患対応をリアルタイムに把握できず、患者対応は「もう少しお待ちください」の一点張りになりがちで、待ち時間クレーム対応に外来師長の業務時間の1〜2割が割かれている。既存の電子カルテベンダーの予約機能は過去実績に基づく静的な枠設定にとどまり、当日のリアルタイム変動には対応できていない。
PoC・実証実験フェーズ(0〜6ヶ月)は予測精度の検証項目(誤差±10分以内)や画面要件が固まっていないため、準委任契約で月次の検証・改善サイクルを回すのが適する。
初期導入・機能拡充フェーズ以降、電子カルテAPI連携やダッシュボード等の仕様が確定した部分は請負契約に切り替え、検収基準(接続テスト完了、予測誤差の実測値等)を明文化する。電子カルテベンダーとの連携交渉はベンダーの協力姿勢に依存するため、交渉実務を受託会社の作業範囲に含めるか発注者側で別途窓口を持つかを契約前に明確化しておくこと。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 外来クラーク(受付事務)・外来師長 |
| セカンダリ | 通院患者(高齢者・小児保護者を含む) |
| 管理 | 病院情報システム部門・医事課の担当者 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 診察時間予測モデル学習 | 過去1〜3年分の診療科別・医師別診察ログと患者属性を入力し、勾配ブースティングで学習し最適枠幅と受入人数を出力する。 |
| リアルタイム待ち時間予測(AI予測) | 受付・タブレットの診察開始終了時刻と検査混雑状況を入力し、5分刻みで各患者の待ち時間を再予測し出力する。 |
| 診療科間振替最適化(AI最適化) | 各診療科の医師・診察室リソースと予測待ち時間を入力し、線形計画法で振替案・枠再配分案を生成し出力する。 |
| 患者向けチャットボット対応(AI自然言語対話) | 患者の『あと何分』等の質問文を入力し、予測結果を根拠に自然言語で回答文を生成し出力する。 |
| 遅延異常検知アラート(AI異常検知) | 診療科別・医師別の遅延時間データを入力し、閾値超過を検知して外来師長へ自動アラートを通知する。 |
| 電子カルテ・予約システム連携 | 電子カルテ・予約システムの患者データをFHIR/HL7経由で取得し、予測基盤へ連携用データを出力する。 |
| スタッフ入力端末(診察進捗登録) | スタッフが端末に入力する診察開始・終了時刻と検査状況を受け付け、リアルタイムDBへ登録する。 |
| デジタルサイネージ表示 | AI予測結果の待ち時間・呼出順を受信し、院内サイネージ画面に診療科別に表示する。 |
| 患者スマホ通知(LINE/アプリ) | 患者の予約情報と待ち時間予測を入力し、LINE/アプリへ『あと何分』通知をプッシュ配信する。 |
| 外来クラーク向けダッシュボード | AIが生成した振替候補患者リストを表示し、クラークのワンクリック操作で案内指示を送信する。 |
| 混雑ヒートマップ・レポート出力 | 日次・週次の診療科別待ち時間・稼働率データを集計し、ヒートマップとレポートをPDF出力する。 |
| テーブル | 主要カラム |
|---|---|
hospitals | hospital_id, name, bed_count, address, contract_plan |
departments | department_id, hospital_id, name, standard_slot_minutes |
doctors | doctor_id, department_id, name, avg_consult_minutes |
patients | patient_id, hospital_id, birth_date, visit_type, line_user_id |
appointments | appointment_id, patient_id, department_id, doctor_id, scheduled_time, status |
visit_logs | log_id, appointment_id, actual_start_time, actual_end_time, exam_flag |
predictions | prediction_id, appointment_id, predicted_start_time, wait_minutes, model_version |
reassignment_proposals | proposal_id, source_department_id, target_department_id, patient_id, status, created_at |
| # | 画面 |
|---|---|
| 1 | ログイン画面 |
| 2 | 混雑ヒートマップ |
| 3 | 外来クラークダッシュボード |
| 4 | 振替候補リスト |
| 5 | 患者向け待ち時間画面 |
| 6 | 管理者レポート画面 |
| 7 | アラート通知設定画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/LightGBM(勾配ブースティングで待ち時間予測) |
| 2 | OR-Tools(線形計画法で枠再配分最適化) |
| 3 | FHIR規格連携基盤(電子カルテ標準接続) |
| 4 | AWS(医療情報ガイドライン準拠クラウド) |
| 5 | React(ダッシュボード・サイネージUI) |
| 6 | LINE Messaging API(患者通知連携) |
| 7 | Apache Kafka(診察進捗のリアルタイム集約) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 稼働率99.5%以上(月間ダウンタイム3.6時間以内)、平日8:00〜18:00の外来時間帯は冗長構成で無停止運用とする。 |
| 性能 | 性能: AI予測処理は入力から5秒以内に結果を返却し、5分刻みの再予測をリアルタイムに継続実行する。 |
| 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ガイドライン準拠、通信はTLS1.2以上、保存データはAES256で暗号化する。 |
| バックアップ・復旧 | バックアップ・復旧: 診療ログ・患者データは日次バックアップし、RPO24時間・RTO4時間以内に復旧可能とする。 |
| 拡張性 | 拡張性: 同時アクセス患者数1,000人・外来クラーク50名規模まで応答性能を劣化させず稼働できる設計とする。 |
| 監査・ログ | 監査・ログ: 全操作ログを1年間保持し、アクセス履歴を第三者が確認可能な形式で記録・保管する。 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット病院の診療科別・医師別の過去の診察ログをスプレッドシートに集約し、AIを使わず人手で待ち時間の偏在パターンを分析。ダッシュボードのモック画面を紙またはスライドで提示し、外来師長・医事課の反応を確認する。 | 交通費とヒアリング用の資料作成費のみで、外部発注はしない水準 |
| ②最小システム | 1診療科限定でCSVアップロード型の簡易予測ツールを構築し、電子カルテAPI連携は行わず手動データ投入で予測精度を検証。患者向け通知はメールまたはLINE簡易連携で試す。 | AI利用料と簡易開発の外注費で数か月分の水準 |
| ③本開発 | 電子カルテ・予約システムとのAPI連携（FHIR対応）を実装し、リアルタイム予測・最適化エンジンと患者向けアプリ・サイネージを本格稼働させ、複数診療科・複数病院への展開に対応する。 | 医療IT連携エンジニアとMLエンジニアの人件費を含む、外注も併用して半年以上かかる水準 |
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 |
|---|---|---|
| 病床200〜600床規模の中核病院の医事課長・外来担当事務長 | 予約枠設計の意思決定権を持ち、待ち時間クレーム対応の当事者だから | 医療機器展示会(HOSPEX等)や病院経営者向けセミナーで名刺交換し面談設定 |
| 外来看護部長・外来師長 | 当日の混雑対応の実務責任者で、現場運用への抵抗の有無を把握できる | 医事課長の紹介経由、または看護部長会・院内研修会への同席依頼 |
| 病院情報システム部門の担当者・情報システム室長(CIO相当) | 電子カルテ・予約システムとのAPI連携可否を最初に判断する窓口 | 医療情報学会・地方病院情報システム研究会での接点作り、医事課長からの紹介 |
| 電子カルテベンダー(富士通Japan、NEC等)のアライアンス担当営業 | API連携・販売代理店契約の可否が事業拡大速度を左右するため | 各社の医療ITパートナー窓口へ直接問い合わせ、展示会ブースで接触 |
| 地域医師会の事務局長または大学病院の経営企画部門担当者 | 地域医療計画データ二次提供の将来展開先候補として早期に関係構築 | 自治体の地域医療構想調整会議や医師会主催勉強会への参加を通じて紹介依頼 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 医療系展示会（HOSPEX Japan等の病院経営・医療IT展） | ブース回りで「外来の待ち時間偏在をAIで解消する取り組みをしています、御院の予約枠設計について15分だけお話を伺えませんか」と声をかけ、名刺交換後に個別ヒアリングを依頼する。 |
| 地域医師会・病院経営者向け勉強会 | 医師会事務局に「外来クレーム対応の実態について事例を伺いたい」と趣旨を説明し、勉強会後の懇親時間に事務長・外来師長へ個別に話しかける。 |
| 電子カルテベンダーの代理店・営業担当への同行依頼 | ベンダー営業担当に「連携先の病院訪問に同席させてほしい、待ち時間の課題ヒアリングだけさせてもらえないか」と頼み、既存の商談機会に相乗りする。 |
| 知人・元同僚経由の医療関係者紹介（外来クラーク、病院事務長） | 「今の外来運営で困っていることを、業界の外の人間として一度聞かせてほしい」と率直に頼み、紹介者を介して現場スタッフに直接会う約束を取る。 |
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（創業融資） | 法人設立後まもない代表者（実質的な創業者） | 自己資金100万円を元に、運転資金の融資枠として500万円規模の借入を想定できる。設備資金は別枠のため、電子カルテ連携用のサーバー・開発機材購入にも活用しやすい。 |
| IT導入補助金 | 中小企業・小規模事業者でITツールを導入・提供する事業者（一定の類型では自社開発のITツールをITベンダーとして登録できる場合がある） | ダッシュボードや患者アプリなどのSaaS機能を病院側に導入してもらう際、病院側の導入費用負担を軽減する枠組みとして紹介できる可能性がある（自社がITベンダー登録する場合は要件確認が必要）。 |
| ものづくり補助金（デジタル枠） | 革新的なサービス・試作品開発に取り組む中小企業 | AI予測モデルや最適化エンジンの開発・実証にかかる費用の一部を補助対象にできる可能性がある。PoC段階でのモデル精度検証費用に活用余地がある。 |
| 事業再構築補助金 | 新分野展開・業態転換等に取り組む中小企業（応募時期・枠により対象が変動） | 電子カルテベンダーとの連携やデータ事業化（地域医療データレポート提供）への展開を、新規事業領域への進出として位置づけられる可能性がある。 |
| 自治体の創業助成事業（例: 東京都中小企業振興公社「創業助成事業」） | 都内等で創業予定・創業後一定期間内の中小企業 | 法人登記直後の広告費・専門家依頼費（医療情報システムの安全管理ガイドライン対応の顧問費用等）の一部を補助対象にできる可能性がある。 |
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DXに取り組む仲間がコミュニティで情報交換しています。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。
※ バッジは自動集計にもとづく相対表示です。成果や採否を保証するものではありません。