Who（誰が）
訪問看護ステーション・在宅療養支援診療所・居宅介護支援事業所の多職種チームと、栄養士不足地域の事業所、および在宅療養する高齢者・がん終末期患者とその家族
対象とする社会課題：在宅患者の栄養状態が多職種間で分断管理され、低栄養・誤嚥・褥瘡リスクの発見が遅れる問題
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。
在宅患者の栄養状態は、訪問看護師、ケアマネ、管理栄養士、医師がそれぞれ別の記録で見ているため、「食欲が落ちている」という小さな変化が共有されないまま体重減少や褥瘡、誤嚥性肺炎につながることがある。管理栄養士が月に一、二回しか訪問できない現場では、異変に気づいた時にはすでに重症化していることも珍しくない。多職種の記録をひとつにつなぎ、リスクを早い段階で拾い上げる仕組みが必要とされている。
※ 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680万円の申請資料も、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、みまもりニュートリションの事業内容とKPI・数値モデルを読み込んだ状態で、資料の素案をその場で作成します。事業計画書やピッチ資料、要件定義書などをすぐに書き出し、そのまま次の検討に使えます。
※ 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。
訪問看護師・ヘルパー・管理栄養士・訪問診療医が、それぞれ紙やExcelや別々の介護記録システムに書いていた体重・食事摂取率・排便・褥瘡写真・服薬記録を、スマホアプリまたは既存システム連携APIで一元入力すると、AIが患者ごとに時系列統合し、低栄養リスクスコアを毎日自動更新するサービスです。
リスクが閾値を超えると管理栄養士と主治医のスマホに通知が届き、AIが自動生成した介入提案書(推奨カロリー・タンパク質量・食形態案)をもとに数分で介入計画を確定できます。家族向けにはAIチャットボットが食事の与え方をやさしい言葉で回答し、月次カンファレンス用のサマリーもAIが自動作成することで、訪問看護師が『食欲低下』を記録しても医師に伝わらず3週間後に体重5%減で緊急入院、といった見落としを防ぎます。
在宅患者(要介護高齢者・がん終末期患者・経管栄養患者など)の栄養状態は、訪問看護師・訪問診療医・ケアマネ・薄い頻度で訪れる管理栄養士・介護ヘルパーがそれぞれ別の記録(紙・独自Excel・介護記録システム)で管理しており、情報が統合されていない。
厚労省推計では在宅療養患者は約74万人、そのうち低栄養傾向(MNA-SF等で判定)にある高齢者は在宅要介護者の4割以上とされる。管理栄養士は訪問診療1件あたり月1〜2回程度しか介入できず、体重減少や食事摂取量低下の初期変化を察知できないまま褥瘡や誤嚥性肺炎が悪化してから発覚するケースが多い。ある80代女性患者は、訪問看護師が「食欲低下」を記録していたが担当医に伝わらず3週間後に体重が5%減少し緊急入院した、という事例が典型的である。多職種が「同じ患者を見ているのに情報が繋がらない」ことが在宅栄養管理最大の未解決課題である。
時系列予測モデル(勾配ブースティング/LSTM)が体重・摂取量・バイタルデータから2〜4週先の低栄養・褥瘡悪化リスクを予測し、閾値超過時に多職種へアラートを出す。
画像解析AI(CNN)が褥瘡・皮膚状態の写真を解析し、NPUAP分類ステージと悪化速度を自動判定する。自然言語処理AIが各職種のフリーテキスト記録(「食欲なし」「むせ込み増加」等)を構造化データに変換し、統合スコアリングに反映する。生成AI対話エンジンが管理栄養士向けの介入提案文書作成、家族向けのQA対応、多職種会議用サマリー生成を担う。
訪問看護師・ヘルパー・管理栄養士・医師がそれぞれの記録(バイタル、食事摂取率、体重、排便状況、褥瘡画像、服薬状況)をスマホアプリまたは既存介護記録システム連携APIから入力すると、AIがこれらを患者ごとに時系列統合し、栄養リスクスコアを毎日自動更新する。
AIは体重推移・摂取量・炎症マーカー(血液データ連携時)・褥瘡画像の悪化速度から低栄養リスクを予測し、リスクが閾値を超えた患者を管理栄養士と主治医にプッシュ通知する。管理栄養士は通知を受け、AIが自動生成した「栄養介入提案書(推奨カロリー・タンパク質量・食形態変更案)」をベースに、AI対話アシスタントに質問しながら数分で介入計画を確定できる。家族・介護者向けには、AIチャットボットが「今日の食事の与え方」「むせやすい時の対応」を平易な言葉で回答し、日々の記録入力も声で行える。月次では多職種カンファレンス用にAIが自動でサマリーレポート(栄養状態変化グラフ、リスク要因、推奨アクション)を生成し、会議時間を従来の半分に短縮する。
| 低栄養悪化による緊急入院・搬送コスト(1件あたり入院費+救急搬送費) | 1件あたり30万〜80万円、発生頻度は導入前で月1〜2件/施設の想定 |
| 褥瘡悪化(NPUAPステージ進行)による処置・治療費 | 1件あたり10万〜30万円/年の想定 |
| 管理栄養士・看護師間の紙記録転記・電話確認にかかる人件費相当 | 1施設あたり月5万〜8万円相当(1人あたり月10〜15時間の作業時間換算) |
| 多職種カンファレンス準備(資料作成・情報収集)にかかる人件費相当 | 1施設あたり月3万〜5万円相当(準備時間1回2時間×月1回×複数職種) |
| SaaS基本プラン(患者数50名まで) | 月額40,000円 |
| 患者数超過加算(51名目以降) | 1名あたり月額500円加算 |
| 遠隔管理栄養士相談オプション(AI提案書レビュー付き) | 1件あたり3,000円(従量課金) |
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。
在宅患者約74万人のうち4割以上が低栄養傾向にあるとされるが、管理栄養士は月1〜2回しか訪問できず、体重減少や摂取量低下の初期変化を察知できないまま褥瘡や誤嚥性肺炎が悪化してから発覚するケースが多い。
訪問看護師が『食欲低下』を記録しても紙やExcel、独自の介護記録システムに分断されており、担当医やケアマネにリアルタイムで伝わらない。実際に80代女性患者で、食欲低下の記録が3週間放置され体重5%減少・緊急入院に至った事例がある。多職種が同じ患者を見ているのに情報が繋がらない状態を解消するため、統合記録とAIリスク検知の仕組みが必要である。
PoC・モデル構築フェーズ(0-6ヶ月)はリスク予測モデルの精度検証(AUC0.75目標)が試行錯誤を伴うため準委任契約が適し、要件を厳密に固定しない前提で進める。
商用化フェーズ(150施設導入以降)はAPI連携・アプリ機能が仕様確定しやすいため請負契約に切り替え、検収基準(通知遅延1分以内、画像解析精度など)を明記する。医療情報を扱うため、契約書にISMS準拠のセキュリティ要件と管理栄養士・医師の最終判断を介する責任分界(AI誤判定時の免責範囲)を必ず明記すること。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 訪問看護師・訪問診療医・管理栄養士・介護ヘルパー(日々の記録入力とリスク通知確認) |
| セカンダリ | 患者家族(チャットボットでのQA・簡易記録入力)、ケアマネジャー(カンファレンス資料閲覧) |
| 管理 | 訪問看護ステーション・診療所の管理者(利用者権限設定、患者登録、契約プラン管理) |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 多職種記録入力機能 | 訪問看護師・ヘルパー等がスマホ/API経由で入力したバイタル・摂取率・体重等を患者IDで統合DBに保存する |
| 栄養リスクスコアリング | 統合DBの多職種データをAIが日次集計し、患者ごとの栄養リスクスコアを算出・更新表示する |
| 低栄養・褥瘡悪化リスク予測 | 体重・摂取量・バイタルの時系列データをLSTM/勾配ブースティングで解析し2〜4週先のリスクを予測する |
| 褥瘡画像解析 | 褥瘡・皮膚状態の撮影画像をCNNで解析し、NPUAP分類ステージと悪化速度を自動判定する |
| フリーテキスト構造化 | 「食欲なし」等の各職種の自由記述記録をNLPで構造化データに変換しスコアリングへ反映する |
| リスクアラート通知 | リスクスコアが閾値を超えた患者を検知し、管理栄養士・主治医にプッシュ通知を送信する |
| 栄養介入提案書自動生成 | アラート対象患者のデータから生成AIが推奨カロリー・タンパク質量・食形態案を含む提案書を作成する |
| 管理栄養士向けAI対話アシスタント | 管理栄養士が提案書への質問を入力すると生成AIが回答し介入計画の確定を支援する |
| 家族向けAIチャットボット | 家族が食事の与え方等を音声・テキストで質問すると生成AIが平易な言葉で回答し記録も声で登録する |
| 多職種カンファレンスサマリー生成 | 患者ごとの栄養状態変化データから生成AIが月次カンファレンス用サマリーレポートを自動作成する |
| 遠隔栄養相談・課金管理 | 事業所からの遠隔相談依頼を外部栄養士に振り分け、相談件数に応じた従量課金を記録・集計する |
| テーブル | 主要カラム |
|---|---|
patients | patient_id, name, birth_date, gender, care_level, primary_disease, address, facility_id, mna_sf_score, created_at |
records | record_id, patient_id, staff_id, record_type, weight_kg, meal_intake_rate, bp_systolic, bp_diastolic, bowel_status, free_text, recorded_at |
pressure_ulcer_images | image_id, patient_id, staff_id, image_url, npuap_stage, deterioration_score, analyzed_at |
risk_scores | score_id, patient_id, score_date, malnutrition_risk_score, ulcer_risk_score, model_version, threshold_flag |
alerts | alert_id, patient_id, risk_score_id, alert_type, notified_to, status, created_at, resolved_at |
intervention_plans | plan_id, patient_id, dietitian_id, recommended_calorie, recommended_protein, meal_form, generated_by_ai, approved_by, approved_at |
staff_accounts | staff_id, name, role, facility_id, license_number, phone, email |
facilities | facility_id, facility_name, facility_type, address, contract_plan, api_linked_system, contract_start_date |
| # | 画面 |
|---|---|
| 1 | 患者一覧・リスクダッシュボード |
| 2 | 患者別栄養タイムライン |
| 3 | 日々記録入力(音声対応) |
| 4 | 褥瘡画像撮影・解析結果 |
| 5 | AI栄養介入提案書確認 |
| 6 | 家族向けQAチャットボット |
| 7 | 多職種カンファレンスサマリー |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(医療情報ガイドライン対応リージョン): セキュリティ要件対応 |
| 2 | Python/LightGBM: 時系列リスク予測モデル構築の実績多数 |
| 3 | PyTorch(CNN): 褥瘡画像のNPUAP分類解析に適用 |
| 4 | 生成AI API(GPT系): 提案書生成・チャットボット応答生成 |
| 5 | FastAPI: 介護記録システムとのAPI連携基盤構築 |
| 6 | React Native: iOS/Android両対応の記録アプリ開発 |
| 7 | PostgreSQL: 時系列データと構造化記録の一元管理 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SLA99.5%以上、月間ダウンタイム3.6時間以内を目標とする |
| 性能 | 性能: リスクスコアの日次バッチ更新は深夜3時までに全患者分完了、API平均応答1秒以内の想定 |
| 予測精度 | 予測精度: リスク予測モデルはAUC0.75以上を維持し、四半期ごとに再学習・精度検証を実施する |
| セキュリティ | セキュリティ: 医療情報ガイドライン(3省2ガイドライン)準拠、通信・保存データはAES256で暗号化する |
| 認証・監査 | 認証・監査: 職種別アクセス権限を設定し、入力・修正履歴を5年間保持、ISMS認証を初年度中に取得する想定 |
| バックアップ | バックアップ: データは日次バックアップを実施し、災害時RPO24時間・RTO12時間以内を目安とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 協力施設数件で、訪問看護師・管理栄養士の記録を紙とExcelで代表者が人手で集約し、栄養リスクスコアを手計算で出して通知する。AIなしで「統合すれば早期発見につながるか」を確かめる。 | 交通費と印刷・通信費程度 |
| ②最小システム | スマホアプリでの記録入力とシンプルなルールベースのリスク判定（体重減少率などの閾値超えで通知）を実装し、実際の運用に乗せられるかを確認する。画像解析や予測モデルはまだ入れない。 | 外注または業務委託で数か月分の開発費、AI利用料は最小限 |
| ③本開発 | 時系列予測モデルと褥瘡画像解析AI、介護記録システムとのAPI連携を実装し、複数施設での商用導入に耐える基盤を構築する。管理栄養士監修者による医療的妥当性の検証も並行して行う。 | エンジニア人件費・クラウド利用料・監修費を含む本格的な開発予算 |
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 |
|---|---|---|
| 訪問看護ステーションの管理者(看護師資格保有の所長級) | 現場の記録運用実態と多職種連携の課題を最も具体的に把握できる | 地域の訪問看護連絡協議会の総会・研修会に参加し名刺交換から依頼 |
| 在宅療養支援診療所の院長(在宅医療専門医) | AIアラートを受け取る主治医側の運用要件・責任分界の受容度を確認 | 地域医師会の在宅医療部会や在宅医療連携拠点事業の会議に同席依頼 |
| 居宅介護支援事業所のケアマネジャー(主任ケアマネ) | 多職種間の情報分断の実例とカンファレンス運営の負担感を具体的に聞く | 市区町村の地域包括支援センター経由で紹介を受け訪問 |
| 在宅専門の管理栄養士(訪問栄養食事指導実施者) | AI提案書の医療的妥当性検証とNSTでの実運用フローの監修依頼のため | 日本在宅栄養管理学会の学術大会・研修会で発表者に直接声をかける |
| 介護記録システムベンダー(カナミック・ケアカルテ等)の事業提携担当者 | API連携の技術要件・データ項目仕様・提携条件をすり合わせる必要があるため | 介護ICT関連展示会(CareTEX等)のブース訪問または代表窓口への提携提案書送付 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 訪問看護連絡協議会経由の紹介 | 地域の訪問看護連絡協議会の定例会に参加し「多職種の栄養記録が分断している課題を解決するサービスを試験導入してくれる事業所を探している」と伝えて紹介を依頼する。 |
| 地域医師会・在宅療養支援診療所への説明会 | 医師会の勉強会枠を借りて、実際の褥瘡・低栄養の見逃し事例を示しながら「無償のPoC参加施設を募集している」と案内する。 |
| 介護記録システムベンダーとの共同提案 | カナミック等の既存ベンダー担当者に「連携APIを検証したいので既存導入先の中で協力施設を紹介してほしい」と持ちかける。 |
| 管理栄養士監修者の個人ネットワーク | 監修に入る管理栄養士本人から、過去に一緒に働いた訪問看護ステーションや居宅介護支援事業所に直接連絡し試用を依頼してもらう。 |
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） | 法人設立から間もない事業者、代表者本人 | 自己資金に加えて運転資金の融資を受けられる制度で、この事業では融資合計が500万円となる想定。着金までのタイムラグを踏まえた資金計画に組み込める。 |
| IT導入補助金 | 中小企業・小規模事業者（ITツールを導入する事業者） | 訪問看護ステーションや診療所側がSaaSを導入する際の費用負担軽減に使える可能性があり、販売時の提案材料になる。 |
| AMED（日本医療研究開発機構）医療AI・データベース関連研究開発事業 | 医療AI・ヘルスケアデータ活用の研究開発を行う事業者・研究機関との連携体 | 褥瘡画像解析AIや低栄養リスク予測モデルの精度検証・臨床的妥当性確認に関わる研究開発費の一部を担う制度として候補になる。 |
| ものづくり補助金（革新的サービス・試作品開発支援類型） | 新製品・新サービスの試作開発を行う中小企業 | 時系列予測モデルや画像解析AIの試作開発・実証にかかる設備・開発費の一部を対象にできる可能性がある。 |
| 自治体の創業支援制度（例: 東京都創業助成事業） | 都道府県・市区町村内で創業する事業者 | 本社所在地の自治体によって創業初期の賃借料・広告費等を対象とする助成があり、初期の実証拠点となる訪問看護ステーションの営業経費に活用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。
在宅医療・介護ICTに取り組む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。
※ バッジは自動集計にもとづく相対的な表示です。