| 対象 | AIの提案 | 見込み効果 | 状態 |
|---|---|---|---|
| OR3 水曜枠 | 当日キャンセル枠を待機リスト #A2 へ前日充当（術前確認込み） | 手術 +1件/週 | 承認待ち |
| OR5 月曜ブロック | 30日間未使用の確保ブロックを解放し、需要の高い消化器外科へ再配分 | 稼働 +14pt | 適用済 |
| 5West 病棟 | 退院日予測に基づき木曜退院を前倒し提案（対象12名・退院調整へ通知） | ALOS −0.8日 | 承認待ち |
| OR1／OR4 金午後 | 遊休枠2件を日帰り外来手術にバンドルして埋める | +¥180万/週 | 適用済 |
| 来週 全体 | 手術申込の山を需要予測→麻酔科・看護のシフトを平準化 | 残業 −11% | 計算中 |
予約のドタキャン・ブロックの抱え込み・退院遅延で遊休化した枠を、需要予測＋自動再配分で埋めきる。同じ設備・人員のまま手術件数と病床回転を増やし、増収と待機短縮を同時に実現する。
コンサル（GHCの手術件数 2,550→4,000 等）や個別病院のAI退院日予測、退院サマリ生成AIは出てきたが、いずれも“人手のコンサル”か“点の実証”。OR枠・病床・退院フローを自動最適化し数百病院へ横展開するプロダクト型SaaSは未確立。DPCで在院日数短縮が増収に直結するのに、最適化は今もExcelと経験則。
最適化・予測は彼の核、臨床ワークフロー理解（術前〜病棟〜退院）も効く。MVPはスコープを1点に絞る：最ROIの「手術室の空き枠検出→再配分」か「退院日予測→病床回転」。1病院と組み、まずCSVエクスポートのデータで予測精度を出し、増収額で示す。稼働率は在庫最適化＝トレーダー感覚が活きる。