GALIM Text Query · Medical DWH AI
GALIM-TQ

話すだけで
医療データが
答える

— 医療DWH特化 Text-to-SQL AI

SQL知識不要。自然言語の質問だけで、複雑な医療DBから データを即時抽出・分析。数時間かかっていた作業が１分で完了します。

本日の検査予定患者で緑内障をもつ患者の名前・年齢・性別をリストアップ
デモ・お問い合わせ
１分 データ取得時間
最短2週 PoCまでの期間
0 SQL知識不要
GALIM-TQ
Online
医師
本日の検査予定で緑内障の患者をリストアップして
SQL生成中...
SELECT p.name, p.age, p.sex
FROM patients p
JOIN appointments a ON p.id=a.pid
WHERE a.date=TODAY()
AND p.diagnosis LIKE '%緑内障%'
✓ 3件見つかりました
氏名 年齢 性別
田中 ○○ 68歳 男性
山本 ○○ 54歳 女性
佐藤 ○○ 72歳 男性
次の質問を入力...
SQL不要
自然言語で操作
SCROLL
課題と解決

「あのデータほしい」が
すぐ手に入る時代へ

BEFORE — 従来の方法
数時間〜数日

情報システム部門への依頼フロー

  • ✕情報システム部門にSQL依頼
  • ✕担当者のスケジュール調整待ち
  • ✕SQL手書き・デバッグのループ
  • ✕Excelで渡されて再加工が必要
AFTER — GALIM-TQ
１分

自分で・すぐ・何度でも

  • ✓日本語でそのまま質問するだけ
  • ✓AIが自動でSQLを生成・実行
  • ✓エラー時は自律修正して再実行
  • ✓結果はその場で表示・ダウンロード
  • ✓追加条件もチャットで即座に変更
  • ✓IT部門への依頼ゼロ・属人化なし
99%
待ち時間の削減
0
SQL知識は不要
2週
最短PoC開始
IT依頼
IT部門への依頼ゼロ
主要機能

医療データ活用を
民主化する6つの機能

医療DWHの複雑な構造を理解し、臨床現場のユーザーが直感的に使えるText-to-SQLシステムです。

自然言語DB検索

SQLやDB知識は不要。話すように質問するだけで、医療DBから即座に結果を取得。

医療DB最適化スキーマ理解

患者・処方・検査・入院など医療DB固有の複雑な構造を自動解釈し、最適なSQLを生成。

自己エラー検知・修正・再実行

失敗クエリを自律的に分析・修正・再実行。エラーが出ても人の介入なしに解決。

成功体験の継続学習

施設固有の用語・表記ゆれに適応。フィードバックを蓄積し、使うほど精度が向上。

LLMバックエンド柔軟選択

オンプレLLM・クラウドLLMの両方に対応。院内データを外部送信しないローカル動作も可能。

コスト最適化クエリ生成

大規模DBでもインデックスを活用した効率的なクエリを自動生成。DBリソースを最小限に。

こんな方に使っていただけます

病院経営層（院長・経営企画部）
経営指標の迅速把握・ベッド利用率・収益分析をその場で
臨床現場スタッフ（医師・看護師）
患者情報の即時検索・治療歴確認・投薬記録の素早い照会
情報システム部門
SQL依頼の属人化を解消・定型クエリへの対応工数を大幅削減
医療研究・企画部門
統計分析・臨床研究データ抽出・コホート定義を自分で実施
クエリ実例

実際にこんな質問が
できます

医療現場で実際に発生する問い合わせを、GALIM-TQが自然言語で受け付けます。

GALIM-TQ デモ
医療DWH · 患者管理テーブル接続中
DB接続中 · レイテンシ 45ms
医師
本日の検査予定患者で緑内障をもつ患者の名前・年齢・性別をリストアップして
10:23
✓ 完了 · 3件ヒット
SELECT p.name, p.age, p.gender
FROM patients p
JOIN appointments a ON p.id = a.patient_id
WHERE DATE(a.scheduled_at) = CURDATE()
  AND p.diagnosis_code LIKE '%H40%'
氏名年齢性別検査時刻
田中 一郎68歳男性10:30
山本 花子54歳女性14:00
佐藤 次郎72歳男性15:30
10:23
研究
2019年から2024年まで、年度ごとの40〜80代患者の年齢層別検査数推移を表示して
11:04
✓ 完了 · 年度×年齢層クロス集計
年度40代50代60代70代80代
20191,2402,1803,4202,8901,560
20211,3802,3103,6703,1201,780
20241,5902,7404,2103,8202,140
11:05
医師
家族歴に癌の記載（表記ゆれを含む）がある患者を性別・年齢層別に集計して
11:28
✓ 完了 · 表記ゆれを自動正規化
検索パターン: 癌/がん/ガン/悪性腫瘍/carcinoma
年齢層男性女性計
40-49歳234312546
50-59歳4895211,010
60-69歳6786341,312
70-79歳5434891,032
11:28
日本語で質問を入力してください...
競合比較

従来ソリューションとの
決定的な違い

比較観点 既存DWH解析製品
固定型ダッシュボード
GALIM-TQ 推奨
対話型AI駆動
実装アプローチ 固定型ダッシュボード
事前設計が必要		 対話型AI駆動
任意の質問に即対応
導入コスト 高額
専任エンジニア必要		 低額・短期間
既存DBそのまま接続
導入期間 数ヶ月〜1年以上 最短2週間でPoC開始
SQL知識 管理者・開発者が必要 不要（自然言語で操作）
拡張性 高額カスタマイズ
ベンダー依存		 セルフサービス化
ユーザー自身で拡張
※ 京都大学と共同研究開発中
運用依存度 極めて高い
IT部門常駐が必要		 低い
既存DBをそのまま活用
オンプレミス対応 要相談 対応（データ外部送信なし）
ロードマップ

3ステップで
本格活用へ

既存DBに接続してすぐPoCを開始。段階的に機能を拡張できます。

1
現在利用可能
既存DBそのまま接続
  • 既存医療DBへ直接接続
  • 自然言語 → SQL自動変換
  • 自己エラー修正機能
  • 最短2週でPoC開始
  • オンプレミス対応
2
2026年3月リリース
対話型データ探索
  • 対話型データ探索UI
  • 動的クエリ補正
  • クエリ履歴の活用
3
中期計画
自動化・可視化
  • グラフ・レポート自動生成
  • 定期ジョブ定義
  • アラート・通知設定
お問い合わせ

まず2週間の
PoCから始めませんか

既存の医療データベースそのままで接続。SQL知識不要・既存DBをそのまま活用。
デモ・詳細資料・PoC相談はお気軽にお問い合わせください。

デモ・お問い合わせ