外来診療では工程ごとに待機が発生し、経路の多様性が待ち時間予測を困難にしている。本研究は、受付・検査・診察など外来フローを段階に分割し、各工程終了時点で残り滞在時間を逐次更新する「段階的予測方式」を提案する。まず、検査ログ・混雑度指標・患者属性など時系列特徴量を統合し、工程進行に応じて予測対象を切り替える多段階モデルを構成した。さらに、特徴量寄与を把握するためSHAPによる説明可能性分析を組み込み、各段階で重要となる要因を抽出した。国内一般急性期病院の2022〜2023年多診療科外来データを用いて複数の機械学習手法を比較した結果、本方式は工程差や経路分岐を考慮しつつ、実用的な予測精度を示した。