手術室スケジュールが回らない原因と最適化AIによる手術順序最適化

なぜ手術室スケジュール最適化が経営課題なのか

手術室は病院収益の中核設備です。1部屋を1日稼働させる固定費は人件費・設備償却・滅菌コストを含めて高く、空き時間がそのまま機会損失に直結します。一方で詰め込みすぎれば残業と医療事故のリスクが上がる構造で、稼働率と安全性のバランスがそのまま経営判断の中心テーマになっています。

手術室の稼働率が病院収益を直接左右する

手術室の稼働率は、病院全体の収益構造に大きな影響を与えます。一般に手術室は急性期病院の収益の3割から5割を生む中心設備で、稼働率が10ポイント変わると年間の収益差は無視できない規模になっていきます。

稼働率を上げる方法は単純に詰め込むことではありません。終了時刻が伸びれば残業手当・夜間人員配置のコストが上昇し、症例間の段取り替え時間（清掃・器材入替）が長ければ実稼働率は下がる関係にあります。手術件数を増やす発想ではなく、各症例の前後の遊休時間と段取り替えを短くする発想が必要になるでしょう。

医師の働き方改革で長時間勤務に頼れない

2024年4月から、医師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、外科医を中心に勤務時間管理がこれまで以上に厳しくなっています。

働き方改革以前は「終わるまでやる」という運用でも回っていた手術室が、終了時刻を意識した計画性なしには成立しなくなりました。決められた時間内に予定症例をすべて完了させるには、手術順序と資源配分を緻密に設計する必要があります。属人的なスケジュール作成では、この緻密さに対応しきれません。

手術キャンセルが患者離れと風評リスクを生む

手術キャンセルは病院にとって深刻なリスクです。患者は数週間〜数ヶ月前から手術日を空けて準備しており、当日キャンセルは患者本人だけでなく家族・職場の調整も無効にしてしまいます。

口コミやSNSで「あの病院は手術が延期になりやすい」という評判が広まれば、紹介医からの信頼も失われていきます。逆に「予定通りに進む病院」という評判は、紹介医ネットワークと患者選好の両面で集患力につながるはずです。

手術室スケジュールが回らない4つの根本原因

スケジュール破綻の原因は、現場の努力不足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) 手術時間の予測が経験頼みで誤差が大きい

スケジュール破綻の一次要因は、手術時間の見積もり精度にあります。多くの病院では「胃切除2時間」「人工股関節3時間」といった標準時間を術式ごとに設定していますが、実際の所要時間は患者の病態・術者の経験・術中合併症の有無で大きく変動するのが現実です。

問題なのは、過去の実績データが記録されていても、症例ごとの予測に活かされていない点です。同じ術式でもA医師は1.5時間、B医師は2.5時間で終わるという傾向があるのに、計画上は同じ2時間で組まれていれば、A医師の枠は空きが出て、B医師の枠は次に食い込んでいきます。

(2) 制約条件が多重で人手では同時に解けない

手術スケジュールには、術者・麻酔科医・手術室看護師・特殊器材・部屋・術後ICU病床という6つ以上の資源が同時に必要です。それぞれが独立した在庫ではなく、相互に絡み合った形で1つの症例が成立します。

たとえば心臓手術なら、循環器外科医A・麻酔科医B・心臓血管外科専門ナース2名・人工心肺装置・ハイブリッド手術室・術後ICU病床という6資源が同時に押さえられて初めて実施可能です。1つでも欠ければ実施不可になり、各資源が他の症例にも必要となれば、組合せの数は容易に数百万通りを超えていきます。

(3) 緊急手術の挿入で予定が崩れて再構築が間に合わない

予定手術と緊急手術の混在は、スケジュール破綻の決定打になります。緊急手術はいつ入るかわからず、優先度は予定手術より高く、入れば必ず予定の組み直しが必要になる構造です。

人手の調整では、緊急手術が入った瞬間に「とりあえず後ろにずらす」「別の部屋に振り替える」という対応になりがちで、ずらした症例の術者・器材・病床の整合性が取れずに二次・三次のキャンセルを生んでいきます。再計画にかかる時間が長いほど、波及範囲も広がっていく仕組みです。

(4) 診療科別の枠取りで部分最適に陥っている

多くの病院では、手術室の運用が「月曜の第1室は心臓血管外科、火曜は消化器外科」という診療科別ブロック制で固定されています。各科の確保した枠が部分最適になり、空き枠ができても他科は使えず、繁忙科は常に不足、閑散科は遊休、という構造です。

ブロック制は調整コストが少ないという利点がある一方、病院全体の稼働率を最大化する観点では大きな機会損失を抱えています。診療科を超えた柔軟な割付ができれば空き枠を活用して全体の稼働率を引き上げられますが、それを人手で日次調整するのは現実的ではありません。

スケジュールに組み込むべき計画要素

手術室の計画では、次の6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、6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) 過去実績に基づく手術時間の予測値

出発点となるのが、症例ごとの所要時間予測です。術式・術者・患者属性（年齢・体重・既往症）の組合せで過去の実績を集計し、症例単位の予測時間を持つことが計画精度を決めていきます。

「胃切除2時間」という術式単位の固定値ではなく、「術者A・60代男性・胃切除なら1時間40分、術者B・80代女性・胃切除なら2時間20分」という粒度で扱えると、計画と実績のずれが大きく縮みます。前提として、術中ログの構造化と過去データの蓄積は欠かせません。

(2) 術者・麻酔科医・看護師のスキル制約

資源側の整理では、人材のスキル制約が中心になります。術者には専門領域、麻酔科医には症例難易度に応じた経験要件、看護師には症例特性（清潔手術／汚染手術、特殊器材取扱）に応じた割当ルールが効いてきます。

スキル定義が病院ごとに曖昧で、口頭の暗黙知で運用されているケースが多いのが実情です。誰がどの症例を担当できるかを構造化データで持っておかないと、計画作成のたびに「あの症例はこの人で大丈夫だっけ」と確認の往復が発生します。

(3) 器材・部屋・ICU病床の同時利用制約

手術室には、特殊器材（内視鏡セット・人工心肺・血管造影装置）と部屋（ハイブリッド室・無菌室・通常室）の制約が重なります。さらに術後にICU管理が必要な症例は、ICU側の空きとも整合させる必要があるのです。

ICU病床がボトルネックになるケースは少なくありません。術後ICU管理が必要な症例を午前中に集中させると、夕方ICUが満床になり、夜間の緊急受入ができなくなる。手術室の予定だけ見て計画を組むと、ICU側で詰まる構造です。

(4) 段取り替え時間（清掃・器材入替）

症例と症例の間には、清掃・器材入替・滅菌準備の段取り替え時間があります。一般的に15分〜45分程度ですが、症例の組合せ次第で大きく変わるのです。

たとえば同じ整形外科の連続症例なら器材セットを共通化できて段取り替えが短く、整形外科→脳神経外科の切り替えなら器材セットを丸ごと入れ替えるため長くなります。手術順序の組み方次第で1日あたりの遊休時間が30分以上変わることも珍しくありません。

(5) 緊急手術の挿入余白

緊急手術への対応余白は、計画段階で明示的に確保すべき要素です。完全に詰めた計画は、緊急手術が1件入った瞬間に破綻します。

過去データから緊急手術の発生頻度・所要時間の分布を把握し、曜日・時間帯ごとに余白を意図的に残すのが定石になります。余白の取りすぎは稼働率低下、取らなさすぎはキャンセル多発というトレードオフがあり、適切な余白量はデータに基づく設計が必要です。

(6) スタッフの連続勤務・休憩制約

最後にスタッフ側の制約があります。術者・麻酔科医・看護師には連続勤務時間の上限、休憩時間の確保、次日朝のシフト整合といったルールが効いてきます。

医師の働き方改革で時間外労働の上限が決まった以降、これらの制約はハード制約として扱う必要があります。スタッフ個別の累積稼働時間を計画段階で見える化し、特定の人に負荷が集中しないよう平準化する仕組みが求められるでしょう。

手術順序最適化が稼働率と残業を同時に改善する仕組み

手術スケジュールの改善は、症例数を増やすことではなく、症例の並び順を最適化することから始まります。手術順序を変えるだけで、追加投資なしに稼働率と残業を同時に改善できる余地が、ほとんどの病院に残されています。

段取り替え時間を最小化する手術順序の決め方

症例の並び順を最適化する第一の論点は、段取り替え時間の最小化です。器材セットが共通する症例を連続させ、入替が必要な症例は1日の境目に置くことで、1日あたりの段取り替え時間を圧縮できます。

これは製造業の生産順序最適化と同じ構造を持っています。製造スケジューリングでは、属性の異なる製品間の段取り替えを最小化することで、保管スペースや納期といった制約を同時に満たしながら機械稼働率を高める計画を導けます。手術室の器材セット段取り替えは、本質的にこれと同じ「属性ごとの切替コスト最小化問題」として扱えるのです。

部屋・術者・器材を同時に考慮した割付

順序だけでなく、どの症例をどの部屋に割り付けるかの設計も同時に最適化する必要があります。部屋ごとの設備差（ハイブリッド室の有無、室面積、特殊機器）を考慮しつつ、術者と器材の同時利用制約を満たす割付を探索します。

人手では「とりあえず昨日と同じ割付」になりがちですが、最適化AIは数百万通りの組合せを探索し、稼働率を最大化する割付を数分で提示できます。診療科別ブロック制を維持したまま運用したい場合も、ブロック内での最適化と週次のブロック配分見直しを組み合わせることで、ブロック制の調整コストを保ちながら全体最適に近づけられるでしょう。

緊急手術が入っても自動でリスケできる構造

手術順序最適化の真価は、計画変更時に発揮されます。緊急手術が入った瞬間、既存の予定をどう組み直すかを数分で再計算できると、現場の調整負担が大幅に軽減します。

最適化AIは、変更が必要な症例だけを差し替え、玉突きで影響する周辺症例も同時に組み直す動きをします。「この症例を後ろにずらすと術者Aのスキル要件が満たされなくなるから、代わりに術者Cに振り替え、術者Cが空く時間帯を埋めるために別症例を前倒し」という連鎖判断を、人手では数時間かかるところを数分で出せるのです。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に直結します。

多目的最適化で稼働率・残業・キャンセルを同時にバランスする

手術室の計画には、相互にトレードオフを持つ複数の目標があります。稼働率を上げれば残業が増え、残業を抑えればキャンセルが増え、キャンセルを抑えれば稼働率が下がる。1つの指標だけ最大化しても、別の指標で破綻する構造です。

多目的最適化の考え方

多目的最適化は、複数の評価指標を同時に追いかけ、すべてを成立させる計画パターンを探す技術です。実際の業務ではどれか1つを犠牲にして他を最大化することが現実的でない場合が多く、複数指標のバランスを取った解を見つける必要があります。

OptHubでは重み付き和や辞書式順序といった手法を組み合わせ、稼働率・残業時間・キャンセル数・スタッフ間負荷分散といった複数指標を同時に扱います。どの指標をどの程度優先するかは、病院ごとの方針と現場運用ルールに依存するため、データ分析と現場ヒアリングを通して評価関数を調整していくプロセスが欠かせません。

部分最適と全体最適の違い

診療科別ブロック制は典型的な部分最適です。各科は自科枠の中で最適化を試みても、病院全体の手術室稼働は最適化されない構造になっています。

最適化AIは、診療科の枠を超えて全体最適を追いかける計算ができます。空き枠が出た部屋・時間帯を別の科の症例で埋め、繁忙科の超過分を空き科の枠で吸収する組合せを探索する動きです。これにより部屋単位の稼働率は数ポイント単位で改善することが期待できます。

現場独自のルールを反映できる柔軟性

病院ごとに手術室運用のローカルルールがあります。「金曜午後は術者Aの定例カンファに合わせて開始時刻を調整」「部屋Bは月初は機器メンテナンス枠」「手術部部長の症例は本人希望で午前指定」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。

業務整理から始める導入の進め方

ここまで読むと、最適化AIをすぐ導入したくなるかもしれません。ただし実務では、ツール導入から入るのは適切ではない場合が多いのが実情です。手術時間の過去実績データが症例属性と紐づいて整理されていない、スタッフのスキル定義が口頭の暗黙知で止まっている、緊急手術の発生パターンが分析されていないといった状況だと、AIに渡す入力データそのものが揃いません。

制約条件と運用ルールを棚卸しする

最初の段階は、制約条件と運用ルールの棚卸しです。手術部部長・スケジューラー・手術室看護師長への現場ヒアリングを通して、明文化されていない暗黙のルールを構造化していきます。

「この術者は午前のみ」「この器材は月曜と水曜だけ」「この部屋は術後ICU連携が必要」といった条件を1件ずつ整理し、ハード制約（絶対に守る）とソフト制約（できる限り良くする）に分類していきます。この整理だけでも、現場の暗黙知が見える化され、引き継ぎや教育に効果が出てくるでしょう。

一部の手術室・診療科でスモールスタート

全手術室・全診療科への一気導入は推奨できません。手術室を2〜3部屋、診療科を1〜2科に絞ったスモールスタートから始めるのが王道です。

小規模で試すことで、データの不足、ルールの抜け、現場の受け入れ態勢といった課題を早期に発見できます。最適化AIの導入は本質的に不確実性を伴う取り組みで、試行錯誤を通して現場運用に近づけていくプロセスは避けられません。

効果を測定してから横展開する

スモールスタート後は、稼働率・残業時間・キャンセル数・スタッフ満足度といった指標で効果を測定します。導入前後の数字を比較し、改善幅と副作用（特定スタッフへの負担集中、診療科間の不公平等）を確認した上で、対象範囲を段階的に広げていく流れです。

OptHubでは、現場ヒアリングから始めて業務プロセスを可視化し、暗黙知を制約条件として整理し、その上で最適化AIを設計するという順番で支援を進めます。アルゴリズム単体ではなく、データ連携、可視化、複数案の比較、現場フィードバックを含む実運用システムとして構築する点を重視しています。業務整理の段階から相談できる体制があるかどうかが、最適化AI導入の成否を分ける重要なポイントになります。

まとめ

手術室スケジュールが回らないのは、現場の調整能力の問題ではなく、手術時間予測の精度・多重資源制約・緊急手術の挿入・診療科別の部分最適という4つの構造的要因に由来しています。これらは人手の表計算と経験では同時に解けない複雑さで、症例数が一日10件を超えた時点で最適解から大きく離れていく性質を持っています。

手術順序最適化は、症例の並び順と部屋・術者・器材の割付を同時に最適化する技術で、追加投資なしに稼働率と残業を同時に改善できる余地を持っています。多目的最適化を組み合わせることで、稼働率・残業・キャンセルといった相互にトレードオフを持つ指標も同時にバランスできるようになるでしょう。

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、手術室運用は「スケジューラーの頭の中」から「組織の仕組み」へと移行していきます。医師の働き方改革で時間外労働の上限が厳しくなる中、手術室スケジュール最適化は経営課題そのものになっています。