病院の病床が足りない・余る問題を解く7つの計画要素と最適化AI

なぜ病床配分が病院経営の中心テーマなのか

病床は病院最大の固定費資産で、稼働率の数ポイントの違いがそのまま年間収益と地域医療への貢献度に直結します。一方で詰め込みすぎれば看護必要度のバランスが崩れ、入院基本料の施設基準を満たせなくなる構造で、稼働率と機能評価の両立がそのまま経営判断の中心に置かれています。

稼働率と平均在院日数が病院収益を直接決める

病床稼働率は病院収益の根幹を成す指標です。空床の1日は1床あたり数万円の粗利が消える計算で、200床規模の急性期病院で稼働率が5ポイント下がれば、年間で億単位の収益差が生まれていきます。

DPC制度のもとでは、平均在院日数の管理も収益に直結する論点です。入院期間Ⅱを超えて在院が伸びれば1日あたりの包括点数が下がり、逆に早期退院しすぎると入院基本料の収益機会を逃す関係にあります。稼働率を維持しつつ平均在院日数を適正範囲に収めるバランスが、病床配分の計画品質そのものになっているのです。

救急受け入れ可否が地域医療と機能評価係数を左右する

救急からの入院依頼を断る回数は、病院の地域評価と機能評価係数に直接響きます。「あの病院は満床ですぐ送り返される」という評判が紹介医や救急隊に広がれば、紹介患者の流入が細り、長期的な患者数にも影響が出るでしょう。

DPC機能評価係数Ⅱには救急医療係数や地域医療係数といった項目があり、救急受け入れ実績や地域での役割が評価対象となっています。常に空床確保と稼働率最大化の二律背反を強いられている構造で、空床確保枠を計画的に管理できているかが病院運営の質を決めていきます。

入退院調整の属人化が現場負荷を膨張させる

ベッドコントロールは、入退院調整看護師や地域連携室の経験豊富なスタッフに依存しがちな業務です。「あの先生の患者は退院日が遅れがち」「この病棟は感染症患者を入れたがらない」といった暗黙知の集積で、毎朝のカンファと終日の電話調整で運用されているのが多くの病院の実情でしょう。

担当者が休んだ瞬間に調整が止まり、後任への引き継ぎが進まないのは、知識が文書化されていないからです。

医師の働き方改革で調整時間がさらにタイトに

2024年4月から、勤務医に対する時間外労働の上限規制が始まりました。年間960時間（特例で1,860時間）という基準が設定され、入退院サマリ作成・退院前カンファ・指示出しに割ける時間が以前より厳しく制約されています。

主治医の指示出しが遅れれば退院日確定も遅れ、空床予測がずれ、翌日のベッドコントロールが連鎖的に崩れる構造です。医師の労働時間管理が厳格化したことで、退院支援の早期着手と意思決定の標準化がこれまで以上に重要になっているのです。

病院の病床が足りない・余るが同時発生する4つの根本原因

病床配分が崩れる原因は、現場の力量ではなく構造的な要因に分けて整理できます。以下の4つが、ほぼすべての病院で共通して見られるパターンです。

(1) 入院需要の不確実性と空床確保のジレンマ

病床配分の一次的な揺らぎは、入院需要の不確実性に由来します。救急からの緊急入院、緊急手術後のHCU・ICU管理、感染症拡大期の隔離病床需要は、いつ何件発生するか事前にはわかりません。

完全に詰めた計画を組めば、緊急が1件入った瞬間に行き場がなくなり、別の病棟に無理やり押し込むしかなくなります。逆に余白を厚く取れば、その日の稼働率が下がって収益機会を逃す。この空床確保と稼働率のトレードオフが、人手の経験では適切に設計しきれないのが現実です。

(2) 病棟機能と患者状態のミスマッチ

たとえば内科の重症患者が出ても、外科系病棟に空床があるだけで内科系病棟が満床なら、その日は「行き場がない」状態になります。外科系病棟・内科系病棟・HCU・地域包括ケア病棟・回復期リハ病棟は、それぞれ受け入れられる患者像と算定要件が異なるからです。

たとえば外科系病棟に空床があっても、内科の重症患者は看護必要度や主治医の動線の問題で入れにくく、地域包括ケア病棟は包括点数算定要件があるため誰でも転棟させられるわけではありません。物理的な空床と運用上の使える病床は別物で、この差分が「足りないのに余る」現象を生んでいきます。

(3) 退院日の確定遅延が連鎖を生む

退院日が確定するのは、主治医の指示・転院先の決定・在宅準備の完了が揃った時点です。このうち1つでも遅れれば全体が動かず、翌日の空床予測が立たなくなります。

予定退院が直前まで確定しないと、地域連携室は前倒しで紹介患者を受けにくく、外来は予定入院の日程を確定できません。退院支援が後手に回ることで入院初日からの計画的な調整ができず、ベッドコントロールが日々のその場対応に追われる構造に固定されてしまうのです。

(4) 病棟単位の局所最適化が全体最適を阻む

なぜ各病棟が空床情報を持っているのに、全体としては満床と空床が同居してしまうのか。多くの病院では、ベッドコントロールが「各病棟師長へのお願いベース」で運用されており、各病棟は自病棟の負荷管理を最優先するため、新患の受け入れを渋り、退院は早めに進めようとする力学が働く構造だからです。

各病棟が局所最適を追いかけた結果、病院全体としては病棟間で偏りが生まれ、空床と満床が同居する状況になります。これは典型的な組合せ最適化の部分最適の問題で、人間の判断が及ぶ範囲を超えた組合せ空間で最適解を探さなければならない構造を持っています。

病床配分の計画で同時に考えなければならない7つの要素

病床配分の計画では、次の7つの要素を同時に成立させる必要があります。1つや2つなら頭で扱えますが、7つ全てが絡むと、人間が一度に保持できる思考の範囲を超えていきます。

(1) 病棟機能と算定要件

出発点となるのは、病棟ごとの機能定義と算定要件の整理です。急性期一般入院料、地域包括ケア病棟入院料、回復期リハビリテーション病棟入院料、HCU入院医療管理料といった施設基準ごとに、受け入れ可能な患者像と在院日数の上限が異なります。

各病棟がどの基準で何床を運用しているかを構造化データで持ち、計画段階で患者と病棟のマッチングルールを反映できるかが計画品質を決めていきます。前提として施設基準の届出情報と病床機能の整理は欠かせない準備です。

(2) 看護必要度と看護師配置基準

患者の重症度・医療看護必要度は、入院基本料の施設基準に直結する指標です。急性期一般入院料1なら看護必要度A項目該当患者の比率が一定以上必要で、これを下回ると入院基本料の届出区分そのものが維持できなくなります。

ベッドコントロールでは、空床がある病棟に重症度の低い患者ばかり集めると、その病棟の看護必要度が基準を下回るリスクが出てくる関係です。看護必要度のバランスを保ちながら病床を埋める計画は、人手では「だいたいの感覚」で運用されているのが実情でしょう。

(3) 感染管理と隔離要件

感染症患者の受け入れは、計画上の独立した制約として扱う必要があります。耐性菌キャリア、結核疑い、ノロウイルス、新興感染症といった隔離区分ごとに、個室管理・コホート管理・陰圧室といった病室要件が決まってくる構造です。

感染管理上、同室にできない組合せも多く存在します。免疫抑制患者と感染症患者の同室不可、男女混合不可、術後感染リスクの高い患者と既感染患者の分離など、医療安全上のルールが計画変数として効いてきます。

(4) 個室・大部屋・差額ベッドの配分

病室の物理構造も配分計画の中心要素になります。個室・2床室・4床室の比率は病院ごとに固定で、差額ベッドは患者本人または家族の同意が必要です。

差額ベッドへの誘導は同意取得手続きが必要で、無理な配分は患者満足度と病院評判に響きます。一方で個室を空けたまま大部屋に押し込めば、差額ベッド収益を逃す。本人希望と医学的要件と収益性を同時に成立させる配分が、計画段階で求められるのです。

(5) 転棟ルールと術後ケア動線

たとえば心臓手術なら、術後3日はICU、その後HCU、安定したら一般病棟、リハ適応なら回復期リハ病棟へ、という動線が暗黙のうちに決まっています。術式や疾患ごとに想定される動線が決まっており、急性期から地域包括ケア病棟への移行や回復期リハへの転棟タイミングは、医学的判断と算定要件の両方で制約される構造です。

転棟ルールは「術後3日でHCUから一般病棟へ」「待機期間が2週間を超えたら回復期リハ転棟を検討」といった病院固有の運用が多く、明文化されていないことが少なくありません。これらを計画ロジックとして組み込めるかが、入退院調整の標準化を左右していきます。

(6) 救急・予定外手術の受け入れ枠

救急入院と予定外手術後ICU管理への対応余白は、計画段階で明示的に確保すべき要素です。救急からの依頼を断れば地域医療への貢献と機能評価係数が下がり、断れずに無理に押し込めば既入院患者の動線が崩れる関係です。

過去データから救急入院の発生頻度・診療科分布・在院日数の分布を把握し、曜日・時間帯・診療科ごとに余白を意図的に残す設計が必要になります。余白の取りすぎは稼働率低下、取らなさすぎは救急受け入れ拒否というトレードオフで、データに基づく余白量の設定が欠かせません。

(7) 平均在院日数とDPC入院期間管理

DPC対象病院では、診断群分類ごとに入院期間Ⅰ・Ⅱ・Ⅲの境界日が定められており、退院日の選択が収益に直結します。入院期間Ⅱの末日付近で退院すると1入院あたりの収益が最大化され、Ⅲに入ると1日あたり包括点数が大きく下がる構造です。

医学的に妥当な範囲で、入院期間Ⅱの末日に近い退院を狙う運用は多くの急性期病院で行われています。患者ごとの境界日と現在の在院日数を計画段階で可視化し、退院支援の優先度づけに反映できるかが、稼働率と収益を両立させる鍵となるのです。

なぜ「人手のベッドコントロール」では限界があるのか

病床配分の計画は、変数の多さ・トレードオフの複雑さ・見直しスピードの3点で人手の限界を超えています。経験豊富な調整看護師でも、これらを同時に解くのは現実的ではない構造です。

7つの計画要素は、それぞれが独立しているのではなく相互に関係します。病棟機能を満たそうとすると看護必要度のバランスが崩れ、看護必要度を取ろうとすると差額ベッドが空き、差額ベッドを埋めようとすると感染管理上の同室不可が出てくる。200床規模の病院でも、患者と病床の組合せ数は容易に天文学的な規模に膨らんでいきます。これは計画問題における組合せ爆発そのもので、人間の経験則ですべての組合せを試すことはできない領域です。

トレードオフの複雑さも人手では扱いにくい性質を持っています。稼働率を上げると救急枠が圧迫され、救急枠を厚く取れば稼働率が下がり、看護必要度を高水準で揃えると差額ベッドの空きが増える。複数の指標を同時に追いかけるには、何をどの程度優先するかの判断ロジックが必要になりますが、人手では「今日はとにかく満床にしよう」「今日は救急が多そうだから余白を取ろう」といったその場判断に頼らざるを得ないのが実情です。

見直しスピードの問題も深刻です。緊急入院や緊急手術が発生するたびに、入院予定患者の病棟・病室・転棟予定を連鎖的に組み直す必要があります。1件の変更が玉突きで5件・10件の変更を生むこともあり、人手の再計画は数時間単位で時間がかかってしまうのが現実です。

最適化AIが切り拓く病床配分の道

最適化AIは、現場のルールを守りながら最も良い計画を自動で見つけるアルゴリズムです。ベッドコントロールに当てはめれば、看護必要度・感染管理・転棟ルール・差額ベッド配分といった全ての制約を同時に満たしながら、稼働率と救急受け入れ枠を最大化する病床割付を自動で提示できる仕組みを意味します。

AIに与えるゴールは「稼働率最大化と空床日数最小化」「平均在院日数の適正化」「救急受け入れ枠の確保」「看護必要度の病棟間バランス」といった複数指標です。守るべきルールは、医療法上の配置基準、施設基準上の看護必要度比率、感染管理ルール、転棟ルール、患者の医学的要件、本人希望といった項目になります。これらを同時に成立させながら最良のバランスを探すのが、最適化AIの役割です。

看護必要度と稼働率を同時に成立させる精度

最適化AIの第一の価値は、複数指標を同時に成立させる精度にあります。「稼働率を最大化したい、けれど看護必要度の比率は基準を維持したい、けれど救急枠は確保したい」という相互に競合する目標を、できる限り成立させる病床割付を探索するからです。

OptHubの強みは、複数の目標を同時に追いかけて複数のバランスパターンを提示できる点です。「稼働率重視案」「看護必要度バランス重視案」「差額ベッド収益重視案」を比較できる形で提示し、その日の運用方針に応じて選べる構造を作れます。

緊急入院があっても数分で再計画できるスピード

第二の価値は、計画変更時の再計算スピードです。緊急入院や緊急手術が発生した瞬間、玉突きで影響する病棟・病室・転棟予定を数分で組み直せると、現場の調整負担が大幅に軽減します。

人手の再計画では、1件の変更を起点に各病棟師長へ電話確認の連鎖が走り、数時間かかるのが普通でした。最適化AIによる再計画は、変更の必要な患者だけを差し替え、看護必要度・感染管理・転棟ルールの整合を保ったまま全体を組み直せるのです。変数や制約が多い計画問題でも、再計画を数分単位で回せるため、緊急対応の頻度が高い急性期病院ほど、この再計画スピードの差が運用品質を決めていきます。

複数案の比較で意思決定を共有できる透明性

第三の価値は、計画判断の透明化です。最適化AIは「なぜこの患者をこの病棟に配置したか」を制約条件と評価指標で説明できる構造を持っています。

ベッドコントロール会議では「Aさんは看護必要度A項目該当のため5階病棟を優先、Bさんは差額ベッド希望のため個室空床のある7階病棟へ、緊急枠として6階に2床残す」という根拠ありの提案ができます。属人的な「経験で決めた配置」から「条件と指標で説明できる配置」へ移行することで、ベッドコントロール会議の議論が建設的になり、新人スタッフへの引き継ぎも進めやすくなるでしょう。

現場独自のルールを反映できる柔軟性

病院ごとに病床運用のローカルルールがあります。「術後3日はHCU管理が必須」「がん患者は緩和ケア病棟との連携を優先」「特定の医師の患者は8階病棟で固定」といった暗黙の運用が、現場には数十項目存在します。

汎用ソルバーや既製のスケジューリングソフトでは、これらのローカルルールを十分に反映できないことが多いのが実情です。OptHubでは現場ヒアリングを通してこれらの制約を構造化し、問題特化のヒューリスティックと評価関数を設計することで、現場で受け入れられる計画を生成します。アルゴリズムの汎用性と現場制約の個別性を両立できる点が、業務特化型の最適化AIの強みです。

まとめ

病院の病床が足りないのに空床も生まれる現象は、現場の調整不足ではなく、入院需要の不確実性・病棟機能と患者状態のミスマッチ・退院日確定の遅延・病棟単位の局所最適化という4つの構造的要因に由来しています。これらは人手の経験と表計算では同時に解けない複雑さで、200床規模を超えた時点で組合せ爆発の領域に入っていく性質を持っています。

病床配分の計画では、病棟機能・看護必要度・感染管理・個室配分・転棟ルール・救急枠・平均在院日数という7つの要素を同時に成立させる必要があります。最適化AIはこれらの全制約を満たしながら、稼働率・救急受け入れ・看護必要度バランスといった複数指標を同時に追いかける計画を自動で生成でき、緊急入院による再計画も数分で対応できる構造です。

導入はツール選定ではなく業務整理から始めるのが王道です。制約条件の棚卸し、スモールスタート、効果測定と段階的拡張という順番で進めることで、ベッドコントロールは「調整看護師の頭の中」から「組織の仕組み」へと移行していきます。地域医療構想と医師の働き方改革で病床機能の選択と集中が進む中、病床配分最適化は病院経営の中心テーマそのものになっています。