Who（誰が）
消防指令システムベンダー、電子カルテベンダー、医療データ分析企業などが買い手候補となり、既存の自治体・病院向け基盤に本事業の機能とデータを統合する主体となる。
対象とする社会課題：救急搬送における受入困難事案（たらい回し）の削減
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。
救急隊員が深夜に十数件の電話をかけ続け、病院側も他院の状況が見えないまま「うちでは無理です」と断らざるを得ない。この電話と勘に頼った照会の仕組みが、防げたはずの搬送遅延を生んでいる。現場の疲弊と患者の命が天秤にかけられている状況を、データで変えたい。
※ 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650万円の申請資料も、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、このページの事業内容を読み込んだ状態で、資料の素案をそのまま作成します。数値や条件は、チャットの中でそのつど調整できます。
※ 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。
救急隊員は現場でタブレットに患者の年齢・主訴・バイタルを音声で話すだけで、AIが過去の搬送実績と病院の空床・当直医情報を照合し、受入可能性が高い病院を上位3件、スコア付きで即座に画面表示する。
病院側は電子カルテと連携した専用ダッシュボードに空床状況が自動反映され、AIからの受入要請が届いたら画面のボタン一つで可否を返答するだけで済む。従来は救急隊員が電話で1件ずつ照会し、断られては次にかけ直すという作業に平均5分以上かけていたが、これを1分未満に短縮する。病院にとっても突発的な受入要請の見通しが立てやすくなり、断らざるを得なかった件数の平準化につながる。
総務省消防庁の統計では、救急隊が現場に到着してから医療機関に受け入れられるまでに4回以上照会した事案が全国で年間約2万件発生しており、特に東京・大阪等の大都市圏では夜間・休日に集中している。
背景には、救急隊が各病院の空床・専門医当直状況をリアルタイムに把握できず、経験と勘に頼った電話照会を1件ずつ繰り返す非効率な仕組みがある。受け入れる病院側も、他院の状況が見えないため「重症度に見合う設備がない」「専門医不在」等の理由で断らざるを得ず、結果として重症患者の搬送時間が平均30分以上延びるケースが報告されている。当事者である救急隊員は、深夜に十数件の電話照会を行いながら患者の容体悪化と時間との戦いを強いられ、精神的負担も大きい。既存の「救急医療情報システム（EMIS等）」は病院側の手入力に依存し更新頻度が低いため、実態と乖離した情報しか得られず現場では使われていないのが実情である。この構造的なミスマッチが、防ぎうる搬送遅延と病院側の受入負担偏在を生み続けている。
①受入予測モデル：過去5年分の搬送実績・病床稼働・季節/曜日/天候データを学習し、時間帯別に各病院の受入確率を機械学習（勾配ブースティング）で算出する。
②マッチング最適化：患者の重症度・専門性要件と病院の受入余力を線形計画法ベースの最適化エンジンでリアルタイムにマッチングし、搬送距離と受入確率のバランスを最大化する。③自然言語処理：救急隊員の音声入力を音声認識・意図抽出し構造化データに変換すると同時に、病院の断り理由テキストをトピック分析して要因（専門医不在、満床、処置中等）を自動分類する。④異常検知：特定地域・時間帯での受入困難多発の予兆をリアルタイム検知し、消防本部の司令員に事前アラートを送る。
救急隊員はタブレット端末で患者の年齢・主訴・バイタル・推定重症度を音声入力するだけで、AIが過去の受入実績・現在の病床稼働・当直医の専門科・手術室使用状況を統合分析し、受入可能性の高い病院を上位3件、受入確率スコア付きで即座に提示する。
病院側は電子カルテ・入退院システムと連携した専用ダッシュボードに空床・当直体制を自動反映させるだけで済み、手入力の手間はほぼゼロになる（連携APIで自動更新、更新頻度は5分毎）。AIは提示と同時に各病院へプッシュ通知を送り、病院側は画面上のボタン一つで受入可否を返答、通信は音声通話を介さず全てデジタル完結する体験となる。さらにAIは過去の断り理由（テキスト）を自然言語解析し、「なぜ受入困難が起きたか」を地域単位・時間帯単位で可視化し、月次で消防本部・医師会に改善提案レポートを自動生成する。これにより救急隊は電話照会の手間を平均5分から1分未満に短縮し、病院側は突発的な受入要請の予見性を高めることができる。
| 救急隊員の電話照会にかかる人件費（1件あたり平均5分×年間数千件想定） | 消防本部規模により年間数百万円の目安 |
| 病院側の電話対応による看護師・当直医の業務中断コスト（月20件×3〜5分） | 病院1施設あたり年間数十万円の目安 |
| 搬送時間延長による重症化リスク・訴訟対応コスト（不確定だが重大インシデント発生時は数百万円規模の想定） | 発生時数百万円〜（頻度は低いが影響大） |
| EMIS等既存システムへの手入力事務コスト（更新頻度低く実質使われないまま維持費だけ発生） | 病院1施設あたり年間数十万円の目安 |
| 消防本部向けライセンス（管轄人口・救急件数に応じ段階課金） | 年額800万円〜 |
| 病院向けSaaS利用料（電子カルテ連携オプション込み） | 月額5万円〜15万円（年額60万円〜180万円） |
| データ分析・改善コンサルティング（消防本部・医師会向け） | 年間契約300万円 |
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。
救急隊が現場到着後に医療機関へ4回以上照会する事案が全国で年間約2万件発生しており、夜間・休日は特に深刻で、救急隊員は十数件の電話照会を容体悪化の不安と戦いながら行っている。
既存のEMISは病院側の手入力に依存し更新頻度が低いため実態と乖離し、現場ではほぼ使われていない。病院側も他院の状況が見えないため個別に受入判断せざるを得ず、結果として受入負担が特定の病院に偏り、重症患者の搬送時間が平均30分以上延びるケースも報告されている。この電話照会中心の非効率な仕組みを、リアルタイムデータに基づくデジタル完結の受入判断に置き換える必要がある。
MVPフェーズはAI予測精度やUI/UXを現場フィードバックで都度調整する前提のため、要件変更に柔軟に対応できる準委任契約が向く。
特に音声認識精度やマッチングロジックのチューニングは初期段階で仕様が固まらないため、成果物確定を前提とする請負にはなじまない。一方、電子カルテ連携APIやセキュリティ認証対応など仕様が明確な部分は、範囲と検収基準を明文化した請負契約に切り出すとコスト管理がしやすい。発注時は「AI受入予測精度85%」等のKPIを契約上の完成基準にせず、努力目標として別途合意する形にしないと、未達時の契約不履行リスクが発生する点に注意する。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 救急隊員（現場でタブレット音声入力し受入病院を検索する） |
| セカンダリ | 病院の受入担当者（医師・看護師・事務職員がダッシュボードで可否を返答する） |
| 管理 | 消防本部システム管理者・自治体担当者（管轄内の運用状況を監視し月次レポートを確認する） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 音声入力・構造化変換機能 | 救急隊員の音声入力→音声認識と意図抽出→年齢・主訴・バイタル等の構造化データを出力 |
| 受入予測スコアリング機能 | 患者情報と病院稼働データ→勾配ブースティングで受入確率算出→病院別スコアを出力 |
| マッチング最適化機能 | 受入確率・搬送距離・専門性要件→線形計画法で最適化→受入候補病院上位3件を提示 |
| 断り理由自然言語分類機能 | 病院の断り理由テキスト→トピック分析で要因分類→専門医不在等のカテゴリラベルを出力 |
| 異常検知アラート機能 | 地域別・時間帯別の受入困難発生状況→異常検知モデルで予兆判定→司令員へ事前アラート送信 |
| 病院プッシュ通知・受入可否回答機能 | 候補病院リスト→対象病院端末へプッシュ通知送信→ボタン操作で受入可否を即時返信 |
| 電子カルテ連携自動更新機能 | 病院電子カルテの空床・当直情報→API経由で5分毎自動取得→ダッシュボードへ反映 |
| 月次改善提案レポート自動生成機能 | 断り理由分類結果と地域統計→自然言語生成で要因分析→消防本部・医師会向けレポートを出力 |
| 消防本部向け管理ダッシュボード | 搬送実績・照会回数データ→集計処理→本部担当者向けに地域別状況を画面表示 |
| 病院向け管理ダッシュボード | 病床・当直・手術室状況→自動集計→病院担当者向けに空床状況と要請履歴を画面表示 |
| 政策シミュレーション用データAPI | 国・都道府県からのクエリ→匿名化済み搬送統計を集計→従量課金でAPI応答を返却 |
| テーブル | 主要カラム |
|---|---|
fire_departments(消防本部マスタ) | department_id, name, prefecture, jurisdiction_population, contract_plan, contract_start_date |
hospitals(病院マスタ) | hospital_id, name, address, bed_count, department_list, ehr_vendor, api_connection_status |
hospital_capacity(病床・当直状況) | capacity_id, hospital_id, timestamp, available_beds, on_duty_specialists, or_status, update_source |
ambulance_cases(救急事案) | case_id, department_id, dispatch_time, patient_age, chief_complaint, severity_level, location |
patient_vitals(患者バイタル) | vital_id, case_id, blood_pressure, pulse, spo2, consciousness_level, input_method |
matching_results(AIマッチング結果) | match_id, case_id, hospital_id, predicted_score, rank, model_version, generated_at |
hospital_responses(受入可否回答) | response_id, match_id, hospital_id, response_status, response_time, responder_id |
rejection_reasons(断り理由分析) | reason_id, response_id, raw_text, category, nlp_confidence, region, time_slot |
| # | 画面 |
|---|---|
| 1 | 救急隊タブレット入力画面 |
| 2 | AI推奨病院一覧画面 |
| 3 | 病院ダッシュボード画面 |
| 4 | 受入可否回答画面 |
| 5 | 消防本部管理画面 |
| 6 | 月次分析レポート画面 |
| 7 | 異常検知アラート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(医療情報ガイドライン準拠実績が豊富) |
| 2 | Python/LightGBM(勾配ブースティング予測の実装実績) |
| 3 | Google Speech-to-Text(音声入力の認識精度が高い) |
| 4 | PostgreSQL(医療データ整合性とJSON型対応) |
| 5 | FHIR規格(電子カルテ連携の標準仕様に準拠) |
| 6 | React Native(タブレット/iPad両対応の開発効率) |
| 7 | Auth0(医療情報アクセスの認証基盤として実績) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 24時間365日稼働、年間稼働率99.9%以上（消防指令システムと同等のSLA） |
| 性能 | 性能: 患者情報入力完了から病院候補提示まで3秒以内に応答 |
| データ鮮度 | データ鮮度: 病院側の病床・当直情報は5分毎に自動同期し、5分超の遅延時は異常アラートを発報 |
| セキュリティ | セキュリティ: 医療情報ガイドライン第6版準拠、通信は全てTLS1.3以上で暗号化、ISMS・プライバシーマーク取得 |
| 災害対策 | 災害対策: 日次バックアップ実施、RPO1時間・RTO4時間以内での復旧体制を整備 |
| 監査性 | 監査性: 全操作ログ・受入可否回答履歴を5年間保存し、消防本部・病院からの監査要請に対応 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 1消防本部・数施設の協力を得て、実際の照会記録をエクセルに手入力し、受入確率を人力で推定してみて、AIなしでも照会先の絞り込みに役立つかを確認する | ヒアリングの交通費と資料作成のみ |
| ②最小システム | タブレットでの音声入力とダッシュボードの試作を作り、パイロット消防本部で実際の出動に沿って試験運用し、UIと予測精度への反応を確認する | 外注での試作開発費とAI利用料が中心 |
| ③本開発 | 電子カルテ・消防指令システムとのAPI連携を本実装し、複数消防本部・病院へ同時展開できる運用体制とセキュリティ認証取得を進める | 外注で数か月分の開発費とセキュリティ認証取得費が必要 |
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 |
|---|---|---|
| 中核市消防本部の警防課長・救急課長（救急業務の意思決定者） | パイロット導入の可否・予算枠を判断できる実務責任者だから | 消防庁公表の消防本部一覧から代表電話で救急課へアプローチし面談依頼 |
| 二次救急指定病院の救急科部長・救命救急センター医長 | 現場の受入判断プロセスと断り理由の実態を把握する最初の情報源 | 地域医師会・救急医学会地方会の懇親会や学術集会で紹介を得る |
| 消防指令システムベンダー（NEC・日立国際電気等）の営業・技術担当 | 指令台とのAPI連携の技術的可否・改修コストを確認するため | 危機管理産業展等の展示会、または既存取引消防本部経由で紹介依頼 |
| 電子カルテベンダー（富士通Japan等）の連携パートナー窓口 | 病床・当直情報を自動取得するAPI仕様と契約条件を確認するため | ベンダーのパートナープログラム申込窓口から正式に接触 |
| 総務省消防庁救急企画室の担当官 | EMIS高度化や救急業務高度化の制度動向・実証事業枠を把握するため | 消防庁への事前相談申込、または救急業務高度化推進検討会の傍聴後に名刺交換 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 地域医師会・救急医学会経由の紹介 | 「受入困難事案の実態調査をしており、現場の声を伺いたい」と学会の研究会・勉強会に参加を申し込み、救急科の医師を紹介してもらう |
| 消防指令システムベンダーとの提携紹介 | 「指令システムの更新時期に合わせた追加レイヤーとして提案したい」と伝え、既存の消防本部担当者への同席訪問を依頼する |
| 総務省消防庁・都道府県の実証事業公募 | 実証フェーズの内容を公募要領に沿って申請し、採択された消防本部を最初のパイロット先として確保する |
| 臨床医（元救命救急センター医長）のネットワーク | 共同創業メンバーの医師から「現場感覚の検証に付き合ってほしい」と個人的な紹介を受け、二次救急指定病院の受入担当者に会う |
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） | 法人設立後まもない代表者 | 自己資金に加えて運転資金を借り入れることで、消防本部・病院への導入提案期間中の人件費や開発外注費を確保できる。今回の想定では融資額は 680万円 を軸に計画する |
| 総務省消防庁 消防防災科学技術研究推進制度 | 消防・救急業務の課題解決に資する研究開発を行う事業者 | 受入困難事案の削減という消防庁の政策課題と直結しており、実証フェーズでの採択実績が消防本部への営業活動における信用材料になる |
| AMED（国立研究開発法人日本医療研究開発機構）医療分野研究成果展開事業 | 医療AI・臨床データ活用に取り組む事業者（医療機関との連携が前提） | 受入予測モデルの精度検証や病院側との共同研究に対する助成対象となりうり、臨床医の参画を前提とした事業体制と相性が良い |
| 中小企業庁 IT導入補助金 | SaaS等ITツールを導入する中小企業・医療法人等 | 病院側の導入コスト負担を軽減できれば営業のハードルが下がるため、病院向けSaaS利用料の初期導入促進策として案内できる |
| 東京都中小企業振興公社 創業助成事業 | 都内で創業して一定期間内の中小企業者 | 実証フェーズの人件費・開発外注費の一部を助成対象にできる可能性があり、自己資金と創業融資に加えた初期資金の補完策になる |
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。
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。
救急医療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。
※ バッジは閲覧数・登録数などにもとづく自動集計の相対表示です。