Who（誰が）
病床数100〜400床規模の地域中核病院・公立病院の経営企画担当者・理事長、および都道府県地方厚生局や地域医療構想調整会議の事務局担当者が主な利用者となる。
対象とする社会課題：地域医療構想における病床機能転換の意思決定を支える需要予測基盤の不在
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。
全国の中小病院の多くは、病床機能報告やDPCデータという材料を持ちながら、それを自院の将来需要に変換する専門部署も統計人材も持ちません。理事長や事務長は経験や勘、近隣病院との横並び意識で病床転換という数億円規模の判断を下し、誤れば数年単位で経営を圧迫します。データはあるのに解析と意思決定支援がない、この空白を埋める仕組みが必要です。
※ 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900万円の申請資料も、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、この病床リデザインAI「ベッドナビ」の事業内容を読み込んだAIチャットが開き、事業計画書や投資家向け資料などの素案をその場で一緒に作成します。まずは気になる資料のボタンから押してみてください。
※ 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。
「ベッドナビ」は、200床未満が7割を占める地域の中核病院が、急性期・回復期・慢性期のどの病床機能に転換すべきかを自院データだけで判断できるようにするSaaSです。
病院の経営企画担当者が病床機能報告データやDPCデータをアップロードすると、AIが二次医療圏の人口動態や近隣病院の報告データと突合し、5年後・10年後の疾患別入院需要を町丁目単位で予測します。担当者はダッシュボード上で「回復期30床増床」などのシナリオをスライダーで動かし、稼働率・収益・必要看護配置人数の変化を即時確認できます。対話型AIが根拠データを示しながら質問に答え、調整会議資料や地方厚生局提出様式を自動生成することで、専門コンサルタントなしで病床転換の意思決定を進められる体験を提供します。
全国の地域医療構想区域では2025年以降、急性期病床の過剰と回復期・慢性期病床の不足が指摘されているが、多くの中小病院（200床未満が全体の約7割）は自院単独で将来の患者需要を推計する専門部署も統計人材も持たない。
病院事務長や理事長は、DPCデータや病床機能報告制度のデータを行政資料として受け取るものの、自院がどの機能に転換すべきかを定量的に裏付ける手段がなく、経験や勘、周辺病院との横並び意識で意思決定している実態がある。実際、地域医療構想調整会議は年数回の合議に留まり、精緻な将来推計に基づく議論には至っていないケースが多い。転換には数億円規模の設備投資や人員配置転換、地方厚生局への許可申請が伴うため、判断を誤ると数年単位で経営を圧迫するリスクがある。この「データはあるが解析・意思決定支援がない」空白を埋める仕組みが求められている。
需要予測エンジンは時系列予測モデル（勾配ブースティング＋人口動態の階層ベイズモデル）を用い、疾患別・年齢階層別の入院率を二次医療圏単位で将来推計する。
最適化AIは病床再編シナリオごとに収益性・人員配置・投資回収期間を線形計画法で計算し、複数シナリオを自動比較してランキング表示する。自然言語対話AIはRAG（検索拡張生成）方式で自院データと公的統計を根拠付けて回答し、経営会議資料や厚生局提出資料のドラフトを自動生成する。異常検知モデルが病床機能報告データの入力ミスや近隣病院との急激な乖離を検知し、担当者にアラートを出す。
病院の経営企画担当者・理事長がベッドナビの管理画面にログインし、自院の病床機能報告データ・DPCデータ・レセプトデータ（任意連携）をアップロードすると、AIが二次医療圏単位の人口動態統計・国立社会保障人口問題研究所の将来推計人口・近隣病院の病床機能報告データを突合し、5年後・10年後の疾患別入院需要（急性期・回復期・慢性期・在宅医療連携ニーズ別）を町丁目単位まで予測して表示する。
担当者はダッシュボード上で「自院が回復期病床を30床増床した場合」「一部を地域包括ケア病棟に転換した場合」といったシナリオをスライダー操作でシミュレーションでき、AIが病床稼働率・収益影響・必要看護配置人数を即時に再計算する。さらに対話型AIアシスタントが「なぜこの地域で回復期需要が増えるのか」といった質問にレセプトデータの根拠を示しながら自然言語で回答し、調整会議で使えるレポートを自動生成する。生成されたレポートは地方厚生局提出用の様式にも自動変換され、事務作業の負担を軽減する。導入病院は月次で需要予測が更新され、経営判断の精度を継続的に高めていく体験を得られる。
| 病床転換検討のための外部コンサルティング費用（初期分析〜提案書作成） | 年額 300万〜600万円 |
| 転換判断を誤ったことによる稼働率低下（回復期30床のうち10床が稼働率60%割れした場合の減収想定） | 年額 約2,000万円の逸失収益 |
| 事務長・経営企画担当者による資料作成・データ集計の残業代（月20〜30時間相当） | 月額 約8万〜12万円 |
| 病床機能報告データの入力ミス・提出遅延による地域医療介護総合確保基金の対象外化リスク | 年額 数百万円規模の機会損失（案件により変動） |
| SaaS月額プラン（200床規模） | 月額 25万円（年額300万円） |
| 転換計画策定支援スポット契約（厚生局申請支援込み） | 1案件 120万円（税別） |
| 自治体・調整会議向け都道府県ライセンス | 年額 500万円 |
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。
地域医療構想調整会議は年数回の合議に留まり、精緻な将来推計に基づく議論に至っていない病院が多い。
病院事務長や理事長はDPCデータや病床機能報告データを行政資料として受け取るものの、自院がどの機能に転換すべきかを定量的に裏付ける専門部署や統計人材を持たず、経験や勘、周辺病院との横並び意識で意思決定している。転換には数億円規模の設備投資と地方厚生局への許可申請が伴い、判断を誤ると数年単位で経営を圧迫するため、データに基づく意思決定支援の空白を埋める仕組みが求められている。
初期の需要予測モデル構築とMVP開発は仕様が固まりにくく精度検証を繰り返す性質があるため準委任契約が向く。
一方、MVPの範囲が確定した後の管理画面・レポート出力機能などは要件定義書とAPIレベルの仕様書を先に固めた上で請負契約に切り替える段階的移行が望ましい。発注時は病床機能報告データ・DPCデータの利用範囲について厚生局との協議結果を契約書に反映し、データ利用制限違反時の責任分界を明記すること。また予測精度（実績乖離率±8%以内）を検収基準に含める場合は、検証データセットと評価方法を事前に開発会社と合意しておく必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 病院の経営企画担当者（事務長・企画室スタッフ）で、日常的にデータ入力とシナリオシミュレーションを行う |
| セカンダリ | 理事長・院長層で、レポートを閲覧し調整会議での意思決定判断に用いる。また地方厚生局・都道府県庁の調整会議事務局が自治体ライセンスで二次医療圏全体を閲覧する |
| 管理 | ベッドナビ運営会社側のカスタマーサクセス担当・データサイエンティストで、予測モデルの精度監視とデータ更新、異常検知アラートの対応を行う |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| データ取込・連携機能 | 病床機能報告CSV・DPC・レセプトデータを入力→形式検証と正規化→分析用DBへ格納 |
| 需要予測エンジン | 自院データと人口動態・近隣病床データを入力→勾配ブースティング×階層ベイズで推計→町丁目単位の将来入院需要を出力 |
| シナリオシミュレーション機能 | 増床・機能転換シナリオをスライダー入力→稼働率・収益・看護配置を再計算→比較結果を即時表示 |
| 収益・投資最適化機能 | 複数の転換シナリオを入力→線形計画法で収益性・投資回収期間を算出→ランキング表示 |
| 対話型AIアシスタント | 担当者の自然言語質問を入力→RAGでレセプト・公的統計を根拠に検索→回答文を生成 |
| 経営会議レポート自動生成 | 予測結果・シナリオ比較データを入力→調整会議向けフォーマットに整形→レポートPDFを出力 |
| 厚生局提出様式自動変換 | 生成済みレポートを入力→地方厚生局指定様式にマッピング変換→提出用書類を出力 |
| 異常検知アラート機能 | 病床機能報告データを入力→入力ミス・近隣病院との乖離を統計的検知→担当者へアラート通知 |
| 月次自動更新バッチ | 最新のDPC・統計データを入力→予測モデルを月次再学習→ダッシュボードを自動更新 |
| 自治体向け二次医療圏ダッシュボード | 都道府県担当者が二次医療圏を選択→域内全病院の需要予測を集計→調整会議用レポートを表示 |
| データAPI提供機能 | 外部システムからのAPIリクエストを入力→認証・従量課金処理後に予測結果を照会→JSON形式で返却 |
| テーブル | 主要カラム |
|---|---|
hospitals | hospital_id, name, bed_count, secondary_medical_area_id, hospital_type, address, contract_plan |
users | user_id, hospital_id, name, email, role, last_login_at |
bed_function_reports | report_id, hospital_id, report_year, acute_beds, recovery_beds, chronic_beds, reported_at |
dpc_receipt_records | record_id, hospital_id, patient_age_group, disease_code, admission_date, discharge_date, ward_type |
population_forecasts | forecast_id, secondary_medical_area_id, town_code, year, age_group, population, source |
demand_forecasts | forecast_id, hospital_id, secondary_medical_area_id, disease_category, target_year, predicted_patients, model_version |
scenarios | scenario_id, hospital_id, scenario_name, bed_change_plan, projected_revenue, required_nurses, roi_years, created_by |
reports | report_id, hospital_id, scenario_id, report_type, content_url, submission_format, generated_at |
| # | 画面 |
|---|---|
| 1 | ログイン・認証画面 |
| 2 | データアップロード画面 |
| 3 | 需要予測ダッシュボード |
| 4 | シナリオシミュレーション画面 |
| 5 | 対話型AIアシスタント画面 |
| 6 | レポート生成・出力画面 |
| 7 | アラート・データ検証画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/LightGBM(勾配ブースティング予測モデル構築に適する) |
| 2 | PyMC(人口動態の階層ベイズモデル推計に対応) |
| 3 | AWS(医療情報安全管理ガイドライン準拠環境を構築可能) |
| 4 | PostgreSQL(医療統計データの構造化管理に適する) |
| 5 | LangChain+RAG(自院データ根拠付き対話生成に必要) |
| 6 | React(ダッシュボード・シナリオUI構築に適する) |
| 7 | Airflow(月次データ更新・再学習パイプライン自動化) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS稼働率99.5%以上（月間許容ダウンタイム3.6時間以内）を維持する |
| セキュリティ | セキュリティ: 医療情報システム安全管理ガイドライン準拠、保存・通信データはAES-256相当で暗号化する |
| 性能 | 性能: ダッシュボード初期表示3秒以内、シナリオ再計算処理は5秒以内で応答する |
| データ保全 | データ保全: 日次自動バックアップを実施し、RPO24時間・RTO4時間以内で復旧できる体制とする |
| アクセス制御 | アクセス制御: 病院単位でデータを論理分離し、多要素認証を必須化、監査ログを1年間保持する |
| スケーラビリティ | スケーラビリティ: 3年目時点で200施設・自治体5件の同時アクセスに耐えるオートスケール構成とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | エクセルと公開統計（人口動態統計・将来推計人口・病床機能報告）を使い、数施設分の需要予測を手作業で作成し、事務長に見せて反応と使い方を確認する | 交通費と資料作成の人件費程度 |
| ②最小システム | 限定した二次医療圏のみを対象に、需要予測とシナリオシミュレーションの簡易ダッシュボードを作り、パイロット施設に実際に触ってもらい継続利用の意向を確認する | 外注または業務委託で数か月分の開発費とクラウド利用料 |
| ③本開発 | 対話型AIアシスタント・厚生局提出様式への自動変換・異常検知アラートを実装し、複数医療圏・複数病院に対応できる本番システムに仕上げる | エンジニア複数名分の人件費とセキュアクラウド環境の構築費 |
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 |
|---|---|---|
| 地域中核病院（200〜400床）の事務長または経営企画室長 | 病床機能報告・DPCデータの実務保有者で導入判断の起点になるため | 病院団体（日本病院会・全日本病院協会）主催の経営セミナーで名刺交換 |
| 都道府県庁 医療政策課・地域医療構想調整会議事務局担当者 | 調整会議での資料採用実績が営業チャネル拡大の鍵になるため | 地方厚生局経由で紹介依頼、または医療計画担当課へ直接アポ |
| 地方厚生局 医療課 病床整備担当官 | DPCデータ・病床機能報告データの利用範囲を事前協議する必要があるため | 厚生局代表窓口から医療課へ資料利用相談として申し入れ |
| 日本病院会または全日本病院協会の事務局・政策委員会担当者 | 会員病院への紹介チャネル確立とセミナー共催の交渉相手になるため | 会員向け情報提供窓口宛に事業提案書を送付しアポイント調整 |
| 大学医学部公衆衛生学教室の教授・地域医療構想分析担当研究者 | 予測モデルの第三者検証・監修を依頼し精度の信頼性を担保するため | 地域医療構想関連の学会発表・論文著者へ共同研究の打診メールを送付 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 病院団体（日本病院会・全日本病院協会）主催セミナー | 「地域医療構想の病床転換をデータで裏付ける無料相談会をやっています」と案内し、セミナー後の個別相談を申し込んでもらう |
| 地方厚生局・都道府県庁の地域医療構想調整会議事務局 | 「調整会議の議論を後押しする需要予測データを無償で試作提供したい」と伝え、対象病院への紹介を依頼する |
| 大学医学部公衆衛生学教室 | 「共同研究として実データでのモデル検証にご協力いただけないか」と依頼し、教室が関わる病院への導入を橋渡ししてもらう |
| 既存人脈の医療経営コンサルタント・病院事務長 | 「病床転換の判断に使えるデータ基盤を作った、無料で試してほしい」と個別に連絡し、紹介をお願いする |
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 新創業融資制度 | 税務署への開業届提出前後の法人・個人事業主 | 自己資金100万円に加えて創業融資を活用し、データサイエンティストや医療政策アドバイザーの人件費・クラウド環境構築費に充てる想定。融資額は900万円で計画する。 |
| IT導入補助金 | ITツールを導入する中小企業・小規模事業者（この場合は導入先の病院側が申請主体） | 導入病院がSaaS利用料の一部を補助金でカバーできるため、自社がIT導入支援事業者として登録すれば病院側の導入障壁を下げる営業材料になる |
| 東京都創業助成事業（東京都中小企業振興公社） | 都内で創業予定または創業5年未満の中小企業 | 実証・データ基盤構築フェーズの人件費や広告費の一部を助成対象にできる可能性があり、自己資金と融資に加える資金源として候補になる |
| AMED（国立研究開発法人日本医療研究開発機構）の医療分野研究開発関連公募事業 | 医療データ・AIを用いた研究開発を行う企業・研究機関 | 需要予測モデルの精度検証や大学医学部公衆衛生学教室との共同研究に、研究開発費としての公募事業が候補になる（毎年度の公募要領を確認） |
| 小規模事業者持続化補助金 | 小規模事業者（法人・個人事業主） | 病院団体主催セミナーへの出展費用やパンフレット・営業資料作成などの販路開拓費用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。
医療・ヘルスケア領域で創業を目指す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表示です