Who（誰が）
病床300床以上の急性期病院の手術部長・病棟師長・退院支援看護師、および病院経営層
対象とする社会課題：手術室と病棟が別々に管理され、稼働率低下と手術待機の長期化が起きている
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。
手術室は稼働率60〜70%台にとどまり、病棟は退院見込みを朝の申し送りでしか把握できない。紙とExcelと勘に頼った連携が、緊急手術の受け入れや予定手術の前倒しを難しくしている。働き方改革で残業時間が制限される中、限られた時間で最大の手術を行うには、経験ではなく仕組みで空きを見つける必要がある。
※ 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880万円の申請資料も、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、OR-Ward Flow AIの市場規模や収益モデルの想定を読み込んだ状態で、資料の下書きをその場で作成します。2億8,599万円などの数値も反映されるので、そのまま持ち出せるたたき台になります。
※ 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。
OR-Ward Flow AIは、手術室と病棟が別々に管理されてきた急性期病院向けに、電子カルテ・手術予定システム・入退院データを統合し、翌日〜7日先の病床空き予測と手術枠の最適配置案を毎朝自動生成するダッシュボード型SaaSです。
手術部長は端末で『明日の緊急枠を1件追加できるか』とチャット形式で問い合わせると、AIが延期候補手術や退院前倒し候補患者を根拠データ付きで提示します。病棟師長には退院阻害要因（リハビリ未完了、家族調整中など）が自動抽出され、優先順位付きリストが表示されます。従来30分かかっていた朝カンファレンスを10分の意思決定会議に短縮し、手術室稼働率を8〜10%改善することを目指します。
地域の中核病院（病床300〜600床規模）では、手術室は稼働率60〜70%台に留まる一方、術後患者の病床確保困難で手術が延期されるケースが月間十数件発生している。
手術室は麻酔科・外科の枠取りで管理され、病棟は看護部が独立して病床運用しており、両者の情報連携は紙やExcel、口頭連絡に依存している病院が全体の7割超（民間調査ベース）を占める。手術部長は「空いている枠」を経験と勘で埋め、病棟師長は「今日退院できそうな患者」を朝の申し送りで把握するため、双方の情報にタイムラグが生じ、緊急手術の受け入れや予定手術の前倒しが困難になっている。結果として、稼働率10〜15%の改善余地があるにも関わらず、人手による調整の限界から放置されているのが実態である。厚労省の医師の働き方改革により手術室スタッフの残業規制が強まる中、限られた時間で最大の手術件数をこなす仕組みが急務となっている。
①需要予測AI：過去3年分の手術記録・在院日数・入退院データから術式別の平均・分散をLightGBM等で学習し、翌日〜7日先の病床稼働と手術枠充足率を予測する。
②最適化エンジン：手術枠と病床割当を線形計画法・制約充足問題として定式化し、稼働率最大化と職員残業時間最小化を同時に満たす配置案を毎朝算出する。③対話AI：手術部長・看護師長からの自然言語での問い合わせ（「明日空きは？」「この患者は何日で退院見込みか」）にLLMがデータベースを参照しながら根拠付きで回答するアシスタント機能を提供する。④退院阻害要因抽出：看護記録・リハビリ記録のテキストをNLPで解析し、退院遅延リスクをスコアリングして病棟師長に通知する。
手術部長・病棟師長・退院支援看護師が日々使うダッシュボードに、電子カルテ・手術予定システム・入退院データをAI基盤へ連携し、翌日〜1週間先の病床空き予測と手術枠の最適配置案を毎朝自動生成する。
AIは過去の手術時間実績（術式別・執刀医別）と患者の術後在院日数予測をもとに、どの手術をどの病棟のどのベッドに割り当てれば全体の稼働率が最大化するかをシミュレーションし、上位3案を提示する。手術部長はチャット形式のAIアシスタントに「明日の緊急枠を1件追加できるか」と自然言語で問い合わせると、AIが病床予測と手術室の空き時間を突合し、可能な調整案（延期候補手術、退院前倒し候補患者）を根拠付きで返答する。病棟師長側には退院見込み患者のリストと退院阻害要因（リハビリ未完了、家族調整中等）がAIにより自動抽出され、退院調整の優先順位が可視化される。導入病院では、朝のカンファレンスが従来の30分の情報すり合わせから、AI提案を確認する10分の意思決定会議に短縮される運用を想定している。
| 手術延期による機会損失（月間十数件×手術室粗利想定20〜25万円/件） | 年間約3,000万円〜3,600万円の想定 |
| 手術室・病棟スタッフの調整業務にかかる残業代（枠調整・申し送り延長分） | 年間約500万円〜700万円の想定 |
| 紙・Excel・口頭連絡による情報連携工数（手術部長・病棟師長・退院支援看護師の朝の申し送り30分×稼働日） | 年間約300万円〜400万円相当の人件費換算の想定 |
| 稼働率10〜15%の改善余地を放置していることによる病床・手術室の機会損失 | 年間数千万円規模（病院規模により変動）の想定 |
| 月額SaaS利用料（300〜600床規模） | 月50万円（年600万円） |
| 導入・連携設定費（初期一括） | 200万円（150万円〜300万円のレンジの中間値） |
| データ分析レポートアドオン | 月10万円（年120万円） |
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。
地域の中核病院では手術室稼働率が60〜70%台に留まる一方、術後患者の病床確保困難で手術延期が月十数件発生している。
手術室は麻酔科・外科の枠取りで管理され、病棟は看護部が独立運用し、両者の連携が紙・Excel・口頭連絡に依存する病院が7割超を占める。手術部長は経験と勘で空き枠を埋め、病棟師長は朝の申し送りで退院可能患者を把握するため情報にタイムラグが生じ、緊急手術の受入や前倒しが困難になっている。医師の働き方改革で手術室スタッフの残業規制が強まる中、限られた時間で手術件数を最大化する仕組みが急務である。
PoC・実証導入フェーズ（0〜6ヶ月）はデータ連携方式や予測モデルの精度目標が確定していないため準委任契約が適する。
データ連携仕様と機能要件が固まった本開発フェーズ以降は、成果物を明確化した請負契約への切り替えが望ましい。発注時は電子カルテベンダー側のAPI公開範囲・改修対応可否が工期に直結するため、事前の技術検証（PoC）を契約範囲に明示し、連携遅延時の責任分担を契約書に記載すべきである。また予測精度目標（誤差15%以内等）は努力目標であり結果保証ではない点を契約上明記する必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 手術部長・麻酔科医（手術枠の最終判断者） |
| セカンダリ | 病棟師長・退院支援看護師（病床運用・退院調整の担当者） |
| 管理 | 病院情報システム部門の管理者、および提供会社側のカスタマーサクセス担当 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 需要予測AI | 過去3年の手術・在院日数実績→LightGBMで学習→翌日〜7日先の病床稼働と手術枠充足率を予測出力 |
| 手術枠・病床最適化エンジン | 手術枠と病床空き状況→線形計画法で制約充足計算→稼働率最大化する配置案上位3案を出力 |
| 対話AIアシスタント | 手術部長・師長の自然言語質問→LLMがDB参照し推論→根拠付き回答をチャット形式で返答 |
| 退院阻害要因抽出AI | 看護記録・リハビリ記録テキスト→NLPで要因抽出しスコアリング→退院遅延リスク一覧を師長へ通知 |
| 統合ダッシュボード表示 | 予測結果・最適化案・退院リスト→データ集約→手術部長・師長が一画面で当日〜週間状況を確認 |
| 電子カルテ連携 | 電子カルテの患者・入退院データ→HL7 FHIR経由で取得→AI基盤DBへ日次同期格納 |
| 手術予定システム連携 | 手術予定システムの枠・執刀医情報→API連携で取得→AI基盤へスケジュールを同期反映 |
| 毎朝配置案自動生成バッチ | 前日までの実績・予測データ→最適化計算をバッチ実行→毎朝6時に配置案をダッシュボードへ配信 |
| 緊急枠調整シミュレーション | 「緊急枠追加可否」の問い合わせ→空き病床と手術室予測を突合計算→延期候補と根拠を提示 |
| 月次分析レポート生成 | 月間稼働実績・他院ベンチマークデータ→自動集計分析→経営層向けPDFレポートを月初に生成 |
| ユーザー認証・権限管理 | 職種別ログイン情報→ロールベースアクセス制御を適用→権限に応じた画面・操作範囲を制限表示 |
| テーブル | 主要カラム |
|---|---|
hospitals | hospital_id, name, bed_count, region, contract_plan, contract_start_date |
surgery_records | surgery_id, hospital_id, patient_id, surgeon_id, procedure_code, scheduled_start, scheduled_end, actual_start, actual_end, operating_room_id |
beds | bed_id, hospital_id, ward_id, bed_status, patient_id, updated_at |
admissions | admission_id, patient_id, hospital_id, admit_date, expected_discharge_date, actual_discharge_date, department |
discharge_barriers | barrier_id, admission_id, barrier_type, detected_at, resolved_at, nlp_score |
forecast_results | forecast_id, hospital_id, target_date, bed_availability_pred, surgery_slot_pred, model_version, error_rate |
optimization_plans | plan_id, hospital_id, target_date, plan_rank, surgery_assignment_json, bed_assignment_json, overtime_minutes_pred |
chat_logs | log_id, hospital_id, user_id, query_text, response_text, referenced_data_ids, created_at |
| # | 画面 |
|---|---|
| 1 | 朝カンファレンス提案画面 |
| 2 | 手術枠最適配置ダッシュボード |
| 3 | 病床空き予測カレンダー |
| 4 | 退院阻害要因リスト画面 |
| 5 | AIチャット問い合わせ画面 |
| 6 | 経営レポート閲覧画面 |
| 7 | システム連携設定画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | LightGBM（術式別在院日数・需要予測の高精度回帰） |
| 2 | OR-Tools（手術枠・病床割当の制約充足最適化） |
| 3 | GPT-4系LLM API（自然言語問い合わせの対話生成） |
| 4 | HL7 FHIR（電子カルテ標準規格連携で導入障壁低減） |
| 5 | AWS（医療情報ガイドライン準拠のクラウド基盤） |
| 6 | PostgreSQL（構造化診療データの堅牢な管理） |
| 7 | Airflow（日次予測・最適化バッチ処理の自動実行） |
| 区分 | 要件 |
|---|---|
| 可用性99.5%以上を維持し、月間計画外ダウンタイムは3.6時間以内とする | 可用性99.5%以上を維持し、月間計画外ダウンタイムは3.6時間以内とする |
| ダッシュボード画面の表示応答は3秒以内、毎朝の最適化バッチ処理は6時までに完了させる | ダッシュボード画面の表示応答は3秒以内、毎朝の最適化バッチ処理は6時までに完了させる |
| ISMS・プライバシーマーク認証を取得し、医療情報システム安全管理ガイドラインに準拠する | ISMS・プライバシーマーク認証を取得し、医療情報システム安全管理ガイドラインに準拠する |
| 通信は全経路でTLS1.2以上により暗号化し、院内完結型オンプレミス提供オプションを用意する | 通信は全経路でTLS1.2以上により暗号化し、院内完結型オンプレミス提供オプションを用意する |
| 全ユーザー操作ログを1年間保持し、四半期ごとにセキュリティ監査を実施する | 全ユーザー操作ログを1年間保持し、四半期ごとにセキュリティ監査を実施する |
| 同時アクセス300ユーザー、病床600床規模のデータ量まで遅延なく処理できる設計とする | 同時アクセス300ユーザー、病床600床規模のデータ量まで遅延なく処理できる設計とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 提携病院数施設から紙・Excelの手術予定・在院日数データを預かり、スプレッドシートで手動集計し翌日の配置案を人手で作成して手術部長・看護師長に提示、反応と精度を確認する | 出張交通費とヒアリング謝礼程度で収まる水準 |
| ②最小システム | 電子カルテ・手術予定データをCSVでエクスポートしてもらい、需要予測モデルと簡易ダッシュボードを外部委託で試作、毎朝の配置案候補を自動生成して現場で試用してもらう | 外注開発で数か月分の費用感、AI利用料も一定額発生 |
| ③本開発 | HL7 FHIR対応のAPI連携、対話AIアシスタント、退院阻害要因抽出のNLP機能を本実装し、医療情報システムの安全管理ガイドライン準拠のクラウド構成とISMS等の認証取得も並行して進める | 外部資金調達を前提とした複数人体制での継続開発費、セキュリティ監査費用も別途必要 |
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（病床300〜600床）の手術部長・麻酔科部長 | 手術枠管理の実務課題と意思決定プロセスを直接把握するため | 地域医師会や病院団体の紹介、または医療コンサル経由で面談設定 |
| 同病院の看護部長・病棟師長（退院調整担当） | 病床運用・退院調整の実態とAI活用への現場抵抗感を確認するため | 手術部長からの紹介、または看護部主催の業務改善会議に同席依頼 |
| 電子カルテベンダー（富士通Japan、NEC等）の医療連携担当エンジニア | API連携の技術要件とHL7 FHIR対応可否を早期に確認するため | ベンダー主催の医療DXセミナー・展示会（HOSPEX等）で名刺交換 |
| 医療コンサルティング会社（グローバルヘルスコンサルティング等）の病院経営担当 | 販売チャネル構築と病院への導入提案の橋渡し役を担うため | 業界紹介・LinkedIn経由でアポイント、共同セミナー提案 |
| 病院の情報システム部門責任者（CIO・情報システム室長） | 院内ネットワーク接続・セキュリティ要件の初期調整窓口となるため | 手術部長・看護部長経由で紹介依頼、または医療情報学会経由で接点確保 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 病院経営コンサルティング会社への協業提案 | 「稼働率改善の診断はされていても継続改善の仕組みがない病院に、御社の診断後フォローとして弊社ダッシュボードを組み合わせられないか」と持ちかけ、既存クライアント病院への同行訪問を依頼する |
| 医療情報システム展示会・学会（HOSPEX Japan、日本医療情報学会等） | ブースまたは個人ブースで「手術室と病棟のデータ連携で稼働率改善を検証中」と説明し、その場で興味を示した手術部長・看護師長に個別ヒアリングの約束を取る |
| 地域医師会・病院団体の勉強会 | 「手術室と病棟の情報連携の現状課題」というテーマで無料の話題提供枠を申し出て、講演後に個別相談を受け付ける形で接点を作る |
| 元同僚・知人経由の紹介（手術部長・看護師長人脈） | ドメインエキスパートの元同僚に「今の職場で手術室と病棟の調整に困っている人はいないか、一度話を聞かせてもらえないか」と直接頼む |
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） | 新たに事業を始める法人・個人事業主 | 自己資金100万円に加えて創業融資（合計880万円の想定）で最初のエンジニア・ドメインエキスパートの人件費と電子カルテ連携検証費をつなぐ資金として候補になる |
| 信用保証協会の制度融資（創業関連保証） | 創業前〜創業後一定期間の法人・個人事業主 | 公庫融資だけで資金が不足する場合、地銀・信金からの追加融資に信用保証協会の保証を付けることで調達余地を広げられる |
| ものづくり・商業・サービス生産性向上促進補助金（ものづくり補助金） | 新製品・新サービスの開発を行う中小企業・小規模事業者 | 需要予測AI・最適化エンジン・対話AIといった新規開発要素が強いため、試作開発フェーズの費用の一部を補助対象にできる可能性がある |
| 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） | 導入病院がSaaS利用料・API連携構築費の負担を補助金でカバーできると案内でき、営業時の導入障壁を下げる材料になる |
| 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から一定期間内の中小企業者 | 本社を東京都内に置く場合、人件費・専門家依頼費の一部が対象になり得るため初期チーム採用の資金補完として候補になる |
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。
病院経営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