※本記事は、ITU(国際電気通信連合)が主催する「AI for Good Innovation Factory」のヘルスケア特化ピッチセッション「Meet the startups advancing accessible and affordable healthcare solutions」(YouTube: https://www.youtube.com/watch?v=ZLz8fHaIK7k )の内容を基に作成されています。AI for Good Innovation Factory は、AI 駆動かつ SDGs ドリブンの革新的なソリューションを持つスタートアップが、ビジネスパートナー、投資家、政府、大手 IT 企業などとつながれるよう支援する、国連発のスタートアップピッチおよびアクセラレーション・プラットフォームです。年間を通じた競技は、2025年7月に Geneva で開催される AI for Good Global Summit 2025 の Grand Finale で頂点を迎え、本セッションの優勝者にはそこへの出場権、Leaders Pass、展示ブース、Frontier Stage でのピッチ機会、AI for Good Innovation Factory Startup Acceleration Programme への参加権、Neural Network 上での Featured Startup 掲載、審査員によるフォローアップ・メンタリング、そして国連および各種ビジネスパートナーとのネットワーキング機会が付与されます。AI for Good 全体は、ITU が40の国連姉妹機関とのパートナーシップのもと、Switzerland 政府と共催で運営している、AI を活用して健康、気候、ジェンダー、包摂的繁栄、持続可能なインフラなどのグローバル開発優先課題を前進させるためのアクション志向プラットフォームです。本記事ではセッションの内容を要約・再構成しております。なお、本記事の内容は原コンテンツの趣旨を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナル動画をご視聴いただくことをお勧めいたします。AI for Good 全体については https://aiforgood.itu.int 、AI を活用したネットワーキング・コミュニティ「Neural Network」については https://aiforgood.itu.int/neural-network/ もあわせてご参照ください。
【登壇者】
本セッションのオープニングおよび ITU からの全体案内は Gilan Martinez-Rora 氏が担当し、モデレーターは Perfect Beach Productions の発明家・ミュージシャン・国際放送パーソナリティである LJ Rich 氏が務めました。
審査員は5名でして、世界保健機関(WHO)の AI for Health リードを務める Samir Pujari 氏、デジタルヘルス出身のシリアル起業家でアドバイザリーボードメンバーである Alexandra Hitzel 氏、NVIDIA Healthcare and Life Sciences の EMEA Startup Developer Relations Lead である Cedric Steinbecker 氏、630 Ventures の EMEA Lead である Samart Shakkar 氏、そして Fraunhofer Heinrich Hertz Institute 所属で ITU/WHO AI for Health フォーカスグループ議長を務める Sir Thomas Wiegand 氏が参加されました。
登壇スタートアップは4社で、皮膚がん向け AI コパイロットを開発する Doro の創業者 Daro 氏、Ghana の生殖医療デジタルプラットフォーム Repro Plan の創業者 Rahanna Kuku 氏、India の小児栄養失調スクリーニング・ソリューション MAP を提供する Revolutionize の創業者 Rita 氏(20年のヘルスケア起業経験を持つ公衆衛生栄養学博士)、そして母子向け AI ヘルスケア Take Care Mom の CEO・共同創業者である Zula 氏が登壇しました。
1. イベント概要
1.1 AI for Good と Innovation Factory プログラムの仕組み
司会（オープニング）： 皆さま、AI for Good へようこそ。本プラットフォームは、ITU が40の国連姉妹機関とのパートナーシップのもと、スイスとの共催で運営しております、アクション志向のグローバルかつインクルーシブな国連系のAIプラットフォームです。私たちの目的は、国連の持続可能な開発目標（SDGs）の達成に向けて、AI の実用的な応用先を特定し、それらのソリューションをグローバルなインパクトへとスケールさせていくことにあります。本日のセッションでは、ライブビデオウォール機能を使って積極的に質問やコメントを投稿していただき、議論を盛り上げていただきたいと考えております。セッション終了後もぜひお残りいただいて、ニューラルネットワーク上で本日の登壇者の方々や世界クラスの AI 専門家とチャット・ネットワーキング・質疑応答を続けていただければ幸いです。それでは本日の最初のスピーカーをお迎えします。よろしくお願いします。
Gilan Martinez-Rora（ITU）： ありがとうございます、Anna。皆さま、こんにちは、こんばんは。私は ITU（国際電気通信連合）の Gilan Martinez-Rora と申します。本日の AI for Good Innovation Factory ライブピッチセッション「Meet the startups advancing accessible and affordable healthcare solutions for everyone」へようこそ。本セッションは ITU が主催する AI for Good Innovation Factory シリーズの一環として実施されております。
AI for Good Innovation Factory は、国連を基盤としたスタートアップピッチおよびアクセラレータープラットフォームとしては最大級のものでして、AI を活用しSDGs ドリブンの革新的なソリューションを開発するスタートアップが、ビジネスを拡大・スケールするのを支援しております。提供している機会は多岐にわたっておりまして、グローバルなピッチの場、資金調達のコネクション、トップティアのメンタリング、VIP 体験、スピーキング機会、そして私たちのスタートアップアクセラレータープログラムへの参加など、さまざまな形でサポートしております。これまでに3,000社を超えるスタートアップが応募しており、月次でオンラインおよびインパーソンのピッチセッションを開催し、50名以上の国際的な審査員・メンターに支えられて運営されています。
この年間を通じた競技は、ジュネーブで開催される AI for Good Global Summit における Grand Finale でクライマックスを迎えます。Grand Finale は最終デモデイとして位置付けられておりまして、ファイナリストとなったスタートアップは、投資家・VC・フィランソロピー組織のパネルに対してピッチを行い、資金調達のチャンスをつかむことができます。本日のセッションの優勝者は、2025年7月8日から11日にジュネーブで開催される AI for Good Global Summit の Grand Finale に招待されます。それでは、本日のモデレーターをご紹介します。Perfect Beach Productions の発明家・ミュージシャン・国際放送パーソナリティでいらっしゃる LJ Rich さんです。よろしくお願いいたします。
1.2 モデレーター・審査員紹介とピッチ進行ルール
LJ Rich（モデレーター）： Gilan、ありがとうございます。オンラインでお会いできて本当に嬉しく思います。皆さま、AI for Good Innovation Factory へようこそ。本日のテーマはヘルスケアで、これから最高のラインナップをご紹介できることを光栄に思っております。審査員もスタートアップも揃っておりますし、加えて少しのスリルも準備されていて、というのも、全員が時間制限のもとで進める形式だからです。
それではまず審査員の方々をご紹介していきます。最初にご紹介するのは Samir Pujari さんで、世界保健機関（WHO）の AI for Health のリードを務めていらっしゃいます。これほど重要で影響力のある方を最初の審査員にお迎えできるとは、まさにスタートアップを審査するのにこれ以上ない方です。
続いて Alexandra Hitzel さん。デジタルヘルス分野の起業家で、シリアル起業家としてのご経歴をお持ちで、アドバイザリーボードのメンバーでもいらっしゃいます。本当はお一人ずつ簡単にご挨拶していただくべきタイミングなのかもしれませんが、皆さまミュートのままで進めることにしますね——スピード感重視ということで、ご了承ください。
次は Cedric Steinbecker さんで、NVIDIA Healthcare and Life Sciences の EMEA Startup Developer Relations Lead を担当されています。長い肩書きですが、それだけ刺激的なポジションで、まさに今日のスタートアップ各社がアプローチしたいと考える方々が、この審査員席に揃っているわけです。
そして審査員ラインナップの締めくくりとして、630 Ventures の EMEA リードを務めていらっしゃる Samart Shakkar さんもご参加です。あ、いえ、もうお一方いらっしゃいますね——画面の一番下にいらっしゃったのを見落としていました、申し訳ありません。Fraunhofer Heinrich Hertz Institute の所属で、ITU/WHO の AI for Health フォーカスグループの議長を務めていらっしゃる Sir Thomas Wiegand さんです。これは本当にパワーハウスのようなパネルで、これから多くの判断をしていかなければならない審査員の皆さまのご苦労を思うと、頭が下がります。
進行方法をご説明します。各スタートアップにはピッチ時間として5分が与えられ、その後10分間、審査員からの質疑応答の時間となります。観客の皆さまも非常にフレンドリーですので、ぜひ議論に参加していただければと思います。お時間も限られておりますので、それでは最初のスタートアップ、Doro さんからスタートしましょう。
2. スタートアップ1:Doro — 皮膚がん向け AIコパイロット
2.1 ピッチ:創業ストーリー・課題・ソリューション・ビジネス展開
LJ Rich： それでは最初のスタートアップ、Doro さんに登壇いただきます。マイクとカメラ、画面共有の確認をしましょう。準備が整いましたら、5分のタイマーをスタートします。それではお願いします。
Daro（Doro 創業者）： ありがとうございます。皆さん、こんにちは。私は Daro と申しまして、Doro という腫瘍学向けのコパイロット、まずは皮膚がんから取り組んでいるスタートアップを運営しております。私たちはこのプロダクトを「皮膚科医・腫瘍医という同僚たちのためのコパイロット」と位置付けております。
このスタートアップを始めたきっかけは、決して華やかなものではありませんでした。私自身、最近祖父をがんで亡くしました。その期間、なぜこんなことが起きるのか、なぜこれほど対処が難しいのかを理解しようと多くの時間を費やしました。そして気付いたのは、医師自身も同じように苦労していて、必ずしも全ての答えを持ち合わせているわけではないという現実でした。これは個人の問題ではなく、業界の構造的な課題として認識されています。
数字でお話しします。皮膚がんは世界で年間500万件以上が診断されておりまして、米国だけでも人口の25%が罹患しております。さらに、皮膚がんの30%は一般医(GP)の段階で見逃されています。理由は単純で、専門の皮膚科医としての経験が不足しているからです。しかしご安心ください、Doro が解決に向かいます。私たちの独自AIモデルは、皮膚がんの識別精度が96%に達しており、加えて医師の業務に必要な情報を集約するLLMを実装しています。
医師側の使い方をご説明します。管理パネル上で患者情報を一元的に確認できまして、何か更新があれば、医師は「この特定のケースに最適なアプローチは何か」をLLMに問い合わせることができます。これは、私たちが腫瘍医と対話する中で気付いた大きな課題への直接的な対応策でして、最新の研究動向や論文を追い続けることは現場の医師にとって本当に大変ですし、皮膚がんは医師がじっくり答えを考える時間を与えてくれない疾患だからです。患者側にも専用アプリを提供しております。私たちのコンピュータビジョンモデルを組み込んだリスク評価ツールがあり、皮膚がんリスクの高い方々は素早く回答を得られます。チャットボットの利便性、人間の臨床判断、そしてAIの強みを統合する形でアプローチを設計しており、AIが提案する内容は必ず医師チームの承認を経た上で継続的に訓練を重ねております。
市場規模は、皮膚がん領域に限定しても現時点で約15億ドル、長期では大幅に拡大していく見通しです。ビジネスモデルは三層構造でして、患者向けプランは月額9.99ドルで、週次あるいは隔週での利用を想定しております。クリニック向けには標準プランが500ドル、より大規模なクリニックや組織向けのプロプランが1,000から1,300ドルです。ロードマップとしましては、2025年6月にMRRで1万ドルを達成、すでにクリニックおよびB2C患者からトラクションが出ております。そして2027年2月にはMRR 250万ドルを目指しております。加えて、現在 Stanford University の Founders Program に参加しており、Antler Singapore からも採択を受けて、視野を広げつつ早期の資金調達につなげております。
ベンチマークについてですが、競合は確かに存在します。しかし私たちが大きく異なる点は、患者側だけでなく腫瘍医・皮膚科医側にフォーカスを置いていることです。AIで両端を支えてギャップを埋め、判断のスピードを上げることで、結果としてより多くの命を救う、という発想です。
チームについては、ソフトウェアエンジニア出身の私と、Google 出身および University of Malaya 卒業の共同創業者で構成されています。アドバイザリーボードも非常に強力でして、皮膚科分野からは米国で50のクリニックを展開する Metal 氏、そして Food Health 領域からは Christopher Slee 氏が参加してくださっています。Christopher は通常1年かかる成果を1日で出せるような経験の持ち主で、私たちのソリューションにおいて非常に重要な存在です。私からは以上です、ご清聴ありがとうございました。
LJ Rich： ぴったり5分でお見事でした。ちょうど私の電話のタイマーも同時に鳴っていて、それで余計に音が重なっていたんですね。本当に心を打たれる個人的なお話をシェアしていただきありがとうございました。私自身、がんから完治して4年経つので、これは医療の未来にとって本当に大切な領域だと感じています。それでは審査員の皆さま、カメラとマイクをオンにしていただいて、10分間の質疑応答を始めましょう。タイマースタートです。
2.2 質疑応答（前半）:技術・データ収集・肌色別ローカリゼーション
Samart Shakkar： よろしくお願いします。さっそく伺いますが、アルゴリズムはどうやって訓練されたのでしょうか。
Daro： 素晴らしいご質問、ありがとうございます。基本的には、私たちに付与された Google のクレジット10万ドル分を活用しました。その中で、自社で訓練した複数のコンピュータビジョンモデルと、Gemini を使ってユーザー（腫瘍医あるいは患者）との対話を最適化する部分のチューニングを行いました。そしてコンピュータビジョンの予測モデルと、皮膚がんに関する最新情報を継続的に収集するLLMを連携させて運用しております。
Samart Shakkar： 続けて伺いたいのですが、複数の地域でテストされているとのことで、これは非常に重要な課題なのですが、皮膚タイプは地域ごとに大きく異なります。そうしたローカライズの課題に対して、どのように適応されていますか。
Daro： これも本当に重要なご指摘です。皮膚がん領域には、濃い肌の方々の診断精度問題が以前から存在しております。これは AI 側の問題というだけでなく、皮膚科医自身も同様の課題を抱えていまして、濃い肌を診断するには特別な訓練が必要だ、というのが業界の現実です。私たちのモデルでも、濃い肌では精度がわずかに低下することは認識しています。対策としては、濃い肌の患者を専門的に診ている皮膚科医の方々と協働してモデルを改善しております。現在テスト中の Brazil 市場ではケースバイケースで対応しておりまして、米国では Miami、LA、Texas に焦点を当てております。傾向としては、皮膚がんの発生リスクが高い色白の肌の方々の利用率が、現状では高くなっています。
LJ Rich： ありがとうございます。Cedric さん、次のご質問をどうぞ。
Cedric Steinbecker： ありがとうございます。LLM とコンピュータビジョンモデルを併用されているとのことですが、特にコンピュータビジョンモデルについて伺いたいです。現在のモデルを訓練するためのデータはどのように入手されていますか。また、訓練用データの収集を倫理的にスケールさせていく計画はどのようなものでしょうか。
Daro： 素晴らしい技術的なご質問です。現在のベータ版を構築するために、まずは信頼できる公開リソースを活用しました。Kaggle、研究データベース、研究論文などからすでにリリースされているデータを集めています。それに加えて、各クリニックとも密接に連携してデータを取得しております。これは国ごとに事情が異なりまして、米国では各クリニックごとに個別合意を取り付ける必要があり、Kazakhstan では政府レベルでの交渉が必要になります。可能な限り多くのデータを集めながら、それを合成データで補強して規模を拡大しているところです。
もう一つお伝えしたい重要な点として、患者から送られてくる画像の品質という課題がありました。スマートフォンで撮影された画像はしばしばぼやけており、診断に使いづらいのです。そこで私たちは独自に、ぼやけた画像を皮膚拡大鏡(dermatoscopic)風の画像に変換するモデルを構築しました。これは医師の診断精度を劇的に改善するもので、研究論文としても発表しており、医師と患者の双方からの信頼性の担保にもつながっています。
2.3 質疑応答（後半）:ビジネス戦略・規制対応・科学知見・競合差別化
LJ Rich： 残り6分となりました。Alexandra さん、Samir さん、Thomas さん、そして Cedric さんのフォローアップ、という順番で進めましょう。それでは Alexandra さん、お願いします。
Alexandra Hitzel： ビジネスモデルとGo-to-Marketに話題を移したいと思います。収益面についてお聞かせください。それから、米国では皮膚科領域に早期参入した競合が複数存在します。AIの素晴らしい応用例ではあるのですが、セールスプロセスの中でどのように差別化されていますか。
Daro： ありがとうございます。米国市場では確かに以前からこの領域に取り組む競合が存在しています。ただ、私たちが今日差別化できているポイントは、主に腫瘍医・皮膚科医側にフォーカスしていることです。これらの方々こそ私たちのソフトウェアを最も必要としており、患者との間のギャップを埋める役割を果たします。多くの競合は患者側だけにフォーカスしており、医師側との緊密な連携には踏み込めていないのです。もう一つの差別化要素は、訓練済みLLMの提供です。一般的な医師向けコパイロットは存在しますが、腫瘍学に特化したものはほぼ未開拓で、直接の競合は1社しかいません。皮膚科とテクノロジーの両分野に強いチーム構成も含めて、まさに今が市場に参入する適切なタイミングだと考えています。
Go-to-Market については、現在複数のクリニックでテストを進めておりまして、MRRは2,000ドルに達しています。B2C側でもトラクションが出ており、私たちは「診断ツール」ではなく「リスク評価ツール」として位置付けることで、規制上の障壁を一時的に回避しています。同時に、初日からFDA準拠のコードベースで開発を進め、申請に向けた準備も整えております。すでに構築したパートナーシップを起点に、近日開催されるカンファレンスでクリニックオーナーとの接点を増やし、ソフトウェアの利用拡大につなげていく計画です。
LJ Rich： ありがとうございます。Samir さん、お願いします。
Samir Pujari： ありがとうございます。この分野は科学が日々進化していて、オープンソースのアルゴリズムや新しい研究が次々と公開されています。皆さんのアルゴリズムを更新していく上で、こうした進化からどう学び続けていますか。ベンチマーキングのガイダンスへの取り込み方も含めて伺いたいです。
Daro： ありがとうございます。私たちは常に新しい研究のリリースに目を光らせています。特に皮膚がん領域については、Texas発の研究が興味深いものが多いと感じています。私たちが対話している医師の一人に Dr. Daryl 氏がおりまして、彼は ABCD 法の創設者の一人です。私たちの医師チームも常に最新情報を共有してくれていまして、AIモデルにも最新の更新を取り込む仕組みを構築しています。具体的には、AIモデルを週次で更新するサイクルを回しています。同時に、リソースを分散させすぎないよう現時点では US と Brazil に集中しまして、Australia とも対話を進めているところです。多すぎる規制環境のノイズに振り回されないよう、地域を絞った戦略を取っています。
LJ Rich： 残り1分半です。Thomas さん、お願いします。Cedric さんのフォローアップも続けて受けますので、巻きでいきましょう。
Thomas Wiegand： 短く2点伺います。臨床試験は現在どの段階にありますか。そして、私が把握しているだけでも皮膚がん向けアプリは15ほど存在しますが、何が皆さんを際立たせていますか。
Daro： ありがとうございます。臨床試験は現在実施中で、最新の進捗報告は2025年6月までに出る予定です。これが、私がロードマップに6月を記載していた理由です。差別化の中核は、繰り返しになりますが、腫瘍医・皮膚科医に主軸を置いていることです。彼らは、必要な情報を集約するためのツールを持っていないと長年訴えてきましたし、それがコンサルテーションの遅延につながっています。そして一般医が答えに困った場面でも、患者対応のスピードを上げるために私たちのAIを活用できる、というのがこの市場における私たちのニッチです。
LJ Rich： Cedric さん、フォローアップどうぞ。残り30秒です。
Cedric Steinbecker： モデル訓練に合成データを使われているとのことでしたが、合成データは自社で生成されているのか、それとも公開リソースから取得されているのか、どちらでしょうか。
Daro： 両方使っています。自社で合成データを生成しつつ、適切な公開リソースも活用しており、追加するデータがモデル性能を低下させないか必ず検証しています。
LJ Rich： 素晴らしい、本当に内容の濃い10分間でした。Doro さん、審査員の皆さま、ありがとうございました。それでは次のスタートアップに進みましょう。
3. スタートアップ2:Repro Plan — ガーナの生殖医療プラットフォーム
3.1 ピッチ:Amma の実話から拡大ロードマップまで
LJ Rich： それでは2社目、Repro Plan さんをお呼びしましょう。先ほどと同じく、画面共有・カメラ・音声の動作確認をしてから5分のタイマーを開始します。Repro Plan さん、いらっしゃいますか。
Rahanna Kuku（Repro Plan 創業者）： はい、おります。
LJ Rich： よかったです。カメラとプレゼン資料の共有をお願いします。準備が整ったらタイマーをスタートしますね……整ったようですので、それではどうぞ。
Rahanna Kuku： ありがとうございます。私が初めて Amma のことを耳にした時、彼女はまだ17歳で、夢にあふれていました。しかし望まぬ妊娠がすべてを変えてしまったのです。避妊薬へのアクセスもなく、安全に情報を得る場所もなく、頼る先もありませんでした。彼女は絶望のなかで、自らキャッサバの茎を使って妊娠を終わらせようと試み、命を落としてしまいました。Amma の話は決して特殊な事例ではありません。Ghana 全土、そして Africa の各地で、こうしたことが毎日のように起きているのです。何百万人もの少女・若い女性が、必要な性と生殖に関する保健情報やサービスにアクセスできずにいます。そしてこれは単に妊娠を予防するという話ではありません。女性が自分の身体、自分の未来、自分の人生について、情報に基づいて意思決定する力を持つことが本質なのです。私が Repro Plan を立ち上げたのは、二度と Amma のような事態を起こさないため、生殖医療のリソースをワンクリックで届けるためです。私は Rahanna Kuku と申しまして、これから Repro Plan がいかに生殖医療の未来を変えていくのかをお話しさせていただきます。
Ghana の生殖医療を取り巻く環境には大きな課題があります。農村部の女性の31.1%、都市部の女性の28.7%が、家族計画の必要性を満たせていません。15歳から19歳の若年層に至っては51%が未充足で、結果として Ghana では年間75万件を超える若年層の妊娠が発生しております。そして毎日、新規HIV感染が100件記録されている状況です。その帰結は、望まぬ妊娠、安全でない中絶、性感染症、予防可能な母体死亡といったものです。明確なギャップがあり、そこに Repro Plan が踏み込みます。
Repro Plan は AI を搭載したデジタル生殖医療プラットフォームです。提供する機能は、包括的な性と生殖に関する保健情報、避妊薬の情報、医療施設のロケーター、パーソナライズされたAIサポート、そしてラストマイルでの避妊薬配送です。Repro Plan は個人の課題だけでなく、急成長するデジタル市場を捉えるソリューションでもあります。Ghana のデジタルヘルスケア市場は2029年までに9,290万ドル規模に達する見込みで、年率10.4%で成長しています。携帯電話の普及率は113%、インターネット利用率は69.8%という環境で、デジタル医療ソリューションが未来であることは明らかです。それにもかかわらず、Ghana で性的に活動的な女性のうち、現代的な避妊薬を使用しているのはわずか22%です。需要は存在し、インフラも整いつつあり、Repro Plan はこのギャップを埋める位置にあります。
ビジネスモデルは、プレミアムコンテンツと機能のサブスクリプション料、ラストマイル配送に対する手数料、広告、そしてヘルスケアブランドとのパートナーシップで構成されます。コスト構造としては、アプリ開発・保守、マーケティングとユーザー獲得、スタッフと運営費、そしてコンプライアンスと規制対応費です。
伝統的な医療システムや他のデジタルヘルスケアプラットフォームと Repro Plan が何が違うのかと言いますと、エンドツーエンドのサポートを提供している点に尽きます。性と生殖に関する権利を含む包括的な情報提供、避妊薬の情報、施設ロケーターに加えて、避妊薬を直接ご自宅まで届けるところまで一気通貫で対応します。ロードマップも明確に設計しております。まず Ghana で強固な採用基盤を確立し、その後同じコミュニティを共有する西アフリカへ拡大していきます。最終的には他の Africa の地域や新興市場にスケールしていく計画でして、政府、NGO、薬局、ヘルスケアプログラム提供者、モバイル通信事業者とのパートナーシップを通じて展開していきます。
AI は Repro Plan の中核に位置付けられています。AIチャットボットがユーザーにプライベートな相談の場と個別ガイダンスを提供し、将来的にはユーザーの避妊行動やトレンドを予測する機能も実装していきます。セキュリティも当社の中心的な価値でして、ユーザーデータとプライバシーは暗号化により保護され、グローバルなデータ保護規制および Ghana のデータ保護機関にも準拠しています。さらにキャパシティビルディングとして、プラットフォームを超えてコミュニティへのエンゲージメントを生み出し、若年のAIおよび公衆衛生プロフェッショナルに対するインターンシップやトレーニングも展開していきます。研究機関にもオープンに参画していただける仕組みです。Repro Plan が掲げる SDGs は3つでして、Goal 3「健康と福祉」、Goal 5「ジェンダー平等」、そして Goal 9「産業・技術革新」です。
LJ Rich： 5分ですね、ありがとうございました。途中で音声が不安定になった箇所もありましたが、それでも素晴らしいスタートアップだということがしっかりと伝わってきました。本当に心打たれる内容でした。音声のことはあまり気にしないでくださいね。それでは審査員の皆さま、10分間の質疑応答に入りましょう。Alexandra さんが挙手されています、お願いします。
3.2 質疑応答（中断・後半再開を含む）:データ方針・ハルシネーション対策・MVPメンタリング
Alexandra Hitzel： プレゼンありがとうございました。お話に出てきたような会話のなかでは、プライバシーが非常に重要だと思います。皆さんは将来的に、ユーザーデータを販売する計画はありますか。
LJ Rich： Rahanna さん、もしお戻りでしたらカメラとマイクをオンにしていただけますか……どうやら接続が切れてしまっているようなので、いったん3社目を先に進めて、戻られたら戻ってきましょうか。あ、戻ってこられましたね。Alexandra さん、もう一度ご質問をお願いできますか。
Alexandra Hitzel： はい、こちらの声は聞こえていますか。皆さんはセンシティブな領域のデータを扱われることになります。アーリーステージのスタートアップとして、収益の観点からユーザーや患者のデータをマネタイズすることが重要だという理解はあります。一方でそれは大きな懸念を生む可能性もあります。皆さんは収益目的でユーザーデータをマネタイズする計画はおありでしょうか。
Rahanna Kuku： いえ、その予定はありません。私たちの収益はプレミアム機能と、ラストマイル避妊薬配送に対するコミッションから得る形になります。私たちが連携する薬局や医療施設とのサプライチェーンのなかで収益を生み出していきます。ユーザーデータをマネタイズすることはなく、配送手数料とプレミアム機能による収益という、しっかりと設計された構造に基づいて運営していきます。
LJ Rich： ありがとうございます。映像が見えなくても声はしっかり聞こえていますし、ご回答も完璧でした。皆さんテクノロジーと格闘しながら頑張ってくださっています。次の質問は Samir さん……。
Samir Pujari： Thomas さんが先に挙手されていたと思うので、Thomas さんお先にどうぞ。
Thomas Wiegand： ありがとうございます。AIチャットを使うとのことでしたが、ハルシネーションを起こさず、問題のある回答を生成しないよう、どのように担保されていますか。
Rahanna Kuku： 私たちは WHO や UNFPA といった信頼性の高いリソースをもとに学習させていきます。加えて、医療従事者すなわち医師と、IT担当者がコンテンツを継続的にレビューする体制を整えており、そうすることで正確で関連性の高い情報が提供される設計です。
Samir Pujari： ありがとうございます。それでは私から伺います。モデルの成熟度という観点から、現時点でどの段階にあるのか、どのくらい進んでいらっしゃるのか、今後のタイムラインも含めて教えていただけますか。
LJ Rich： タイムラインとロードマップに関するご質問ですね。スライドにあった Africa 全域への拡大計画についても、もう少しお話しいただけますか……Rahanna さん、いらっしゃいますか……どうやら再び接続が途切れてしまったようです。残り6分30秒のところでタイマーを止めて、いったん3社目を先に進めることにします。後ほど Rahanna さんがお戻りになれるよう調整します。
──（他のスタートアップのピッチと質疑がすべて終わった後、再接続して質疑を再開）──
LJ Rich： Repro Plan の Rahanna さんが戻ってこられました。残り6分32秒分の質問を続けたいと思います。音声のみでの参加になりそうですが、できる限り公平に進めたいので続けます。Thomas さん、Alexandra さん、質問の準備はよろしいでしょうか。
Samir Pujari： 私の質問がまだ回答未了でしたので、よろしければ先に伺ってもよいですか。
LJ Rich： ぜひお願いします。
Samir Pujari： プレゼンありがとうございました。先ほども伺いましたが、改めて。皆さんが使われている AI アルゴリズムの成熟度として、現時点でどの段階にいらっしゃいますか。
Rahanna Kuku： はい、私たちはまだ開発段階にあります。
Samir Pujari： 「開発段階」というのが、本当に最初期の段階なのか、それともアルゴリズムの一部はすでに開発済みなのか、あるいはまだコンセプト段階なのか、もう少し具体的にお聞かせください。
Rahanna Kuku： はい、Samir さんのご質問に答えますと、Repro Plan はアプリ全体がまだ開発段階で、AI 連携も含めてすべてがまだ開発中です。アプリ自体もまだ完成しておらず、全体として開発段階にあるという状況です。
LJ Rich： ありがとうございます。Alexandra さんもご質問がおありでしたよね。
Alexandra Hitzel： 実はちょうど私が伺いたかったのも、MVPの進捗の話だったので、Samir さんのご質問とほぼ重なります。ただ一点、短くアドバイスをさせてください。MVP が用意できた段階で、AI が本格デプロイ可能になる前であっても、ユーザーフィードバックを集めることはできます。実際、すでに構築されているパートナーシップを活用すれば、収益を生み出すことすら可能です。プロダクト開発に時間をかけすぎる必要はないと思います。
LJ Rich： これはもう、すでにメンタリングの場面になっていますね、素敵です。Repro Plan さんへの質問はここまでとなりました。Rahanna さん、戻ってきていただいて本当にありがとうございました。
4. スタートアップ3:Revolutionize(MAP)— インドの小児栄養失調スクリーニング
4.1 ピッチ:PhD研究の気づきからソリューション・実績まで
LJ Rich： それでは3社目、Revolutionize さん――発音はこれで合っていますでしょうか――にお願いします。準備が整いましたらタイマーをスタートしますね。
Rita（Revolutionize 創業者）： 皆さん、こんばんは。子供の頃、母からは「髪に油を毎日塗りなさい、そうしないと髪が赤くなるよ」と何度も言われていました。何年も経って、私が公衆衛生栄養学(Public Health Nutrition)の博士課程で研究を進めるなかで、その心を打つ真実に気付かされたのです。子供の赤い髪は、実は重度の栄養失調のサインだったのです。赤は単なる色ではなく、サイレントアラームなのです。
世界の栄養失調児の3分の1以上が India に住んでいることをご存じでしょうか。栄養失調は発育阻害や発達遅延、そして高い死亡率につながっています。India では今もなお、出産の61%が医師の立ち会いなしに自宅で行われており、350万人の重度急性栄養失調(SAM)の子供たちが未スクリーニングのまま放置されています。彼らの日々の食事必要量、ビタミンを含む必要栄養素は満たされていません。発育阻害や消耗は、定期的にスクリーニングできれば確実に予防可能です。それにも関わらず、現状のスクリーニングは破綻しています。手動測定に大きく依存しているものの、その器具自体が現場にないことが多く、データ入力は手書きで誤記載と人為的ミスを生み続けています。栄養失調のZスコア計算は専門的な訓練を要し、それなしには子供たちを守れません。もっと良い方法が必要です。
そこで開発したのが MAP――Malnutrition Assessment and Action Plan です。Hindi で「測定」を意味します。たった1枚の画像をクリックするだけで、AI アルゴリズムが子供の身長を算出します。私たちは WHO が定めた成長比率を使用しており、これは世界のゴールドスタンダードで、子供の栄養状態を判断するための信頼できる指標です。仕組みはとてもシンプルです。第一線のヘルスワーカーが子供の画像を撮影し、独自AIアルゴリズムが瞬時に身長を計測し、成長比率を算出し、レポートを生成、そしてジオタグ付きで改ざん不能なデータベースに安全に保存されます。MLモデルがこのデータを食事情報と相関させて、個別の栄養プランを生成する仕組みです。セキュリティと公平性にも本気で取り組んでおり、データはすべて at rest で暗号化されています。
私たちのビジョンは、栄養失調の根絶、子供の健康成果の改善、そしてAIをグローバルな善のために活用することです。ミッションは2030年までに1億人の子供たちに影響を与えること。ヘルスワーカー、教師、政府が能動的にすべての子供たちを追跡できる力を持てるようにしていきます。市場機会は150億ドル、規模と社会的インパクトの両方で非常に大きいものです。
私たちは口先だけでなく、すでに成果を出しています。たった2年で10万人の子供をスクリーニングし、2,000人の子供たちを救いました。India の国家栄養プログラム「Poshan Tracker 2.0」との統合も計画中で、すでに3つの州でパイロットを実施しています。グラスルーツのレベルでも、複数のNGOと協働しております。MAP はグローバルにも認知されつつあり、私たちは誇りある AstraZeneca フェローであり、複数の賞を受賞しております。直近では Glenmark Nutrition Award も受賞しました。さらに政府も MAP に投資しております。これらすべてのパートナーシップを活かしながら、公衆衛生システムに深く根を下ろしていく計画です。
私たちの USP は以下の通りです。MAP の単一画像による身長検出はユニークかつスケーラブルです。ゲーミフィケーション要素は新たな特徴で、政府の既存栄養プログラムにおけるコスト削減を支援します。さらに、社会経済・人口統計・食事要因に基づいて、将来の栄養失調トレンドを予測することもできます。私たちは「利益と目的」が共存できると信じており、MAP は長期的なインパクトを目指して設計されています。グロス・サブシダイゼーションが財務面の安定を支えています。栄養失調の解決は複雑な問題で、全員の協力が必要です。私たちは女性のエンパワーメントだけでなく、India の DPI(Digital Public Infrastructure)の構築にもコミットしており、アルゴリズムの一部はオープンソース化していきます。
チームについてもお話しさせてください。MAP の背景には専門家チームがあります。私自身は20年のヘルスケア起業経験を持つ起業家で、CTO の Neil は社会イノベーションに情熱を傾けるAIサイエンティストです。アドバイザーとパートナー陣が MAP のロバストさ、検証性、インパクトを担保しています。私の20年のキャリアで100万人以上の生活に影響を与えてきましたが、次の1,000万人にリーチするためには皆さまのお力が必要です。恵まれない子供たちに焦点を当て、地球上から栄養失調を根絶しましょう。ありがとうございました。
LJ Rich： ありがとうございました。Samir さんがすでに挙手されていますね、それでは10分間の質疑応答に入りましょう。
4.2 質疑応答（前半）:バイオマーカー・WHO比率・PPP+philanthropyの収益モデル
Samir Pujari： プレゼンありがとうございました。アルゴリズムで使用しているバイオマーカーについてお聞かせください。子供たちの画像から身長を測定するということでしたが、それだけでしょうか、それとも他のバイオマーカーも使っているのでしょうか。そしてこれらのバイオマーカーの基礎は何でしょうか。
Rita： WHO はすでに、栄養失調の判定に活用できる12種類の成長比率を提示しております。私たちはそのうち4種類を活用しています。私たちが使うバイオマーカーは、身長と体重と年齢の3つで、この3つの組み合わせから4つの比率を算出できる構造になっています。今後、より多くのデータが集まり、AIアルゴリズムの訓練が進めば、追加の比率にも拡張していきます。それらの比率には別の測定項目が必要になるため、段階的に対応していく計画です。
LJ Rich： ありがとうございます。次は Samart さん、お願いします。
Samart Shakkar： プレゼンありがとうございました。Rita さんの過去のご経験、つまり政府との協働、そしておそらく官民の資金を組み合わせて事業をスケールされたご経験を踏まえて伺いたいです。収益についてどのように考えていらっしゃいますか。このようなアイデアが拡大していくプロセスをこれまでどう見てこられたでしょうか。基本的に政府と民間セクターのどちらから収益チャネルを生み出していこうとされていますか。これは非常に大きな挑戦で、莫大な資金が必要になるはずです。そのあたりの考え方を伺いたいです。
Rita： ありがとうございます。私はもともと民間セクター出身のシリアル起業家で、これまではプロダクトを構築して市場に出す、というのが当然のステップでした。しかし MAP は私のキャリアのなかで初めて、政府・財団・NGOの側から「この技術的なソリューションを開発してほしい」と持ちかけられたケースです。グラスルーツの側から、技術ソリューションのニーズが上がってきたわけです。私たちは技術チームを整えていましたし、私自身は技術と現場の両方を理解する架け橋として機能しました。私のバックグラウンドは MedTech でして、いま私が見ている構図はこうです――PPP、すなわち Public-Private Partnership に Philanthropy という「もう一つの P」が加わって、こうしたソーシャル・グローバル・グッドを語る場が成立しつつある、ということです。AI はまさにこの架け橋にふさわしい技術で、今後さまざまなパートナーシップが生まれていくでしょう。
成功の指標も変化しています。社会的投資収益率(Social Return on Investment)が重要な評価軸になりつつあり、投資家も「より収益性があり、インパクトがあり、社会的責任を果たすスタートアップ」を見たがっています。民間と公共が手を組めば、こうしたソリューションを構築する大きな余地があるはずです。
収益モデルについて言えば、まさにここが私たちの位置取りです。一部はプロプライエタリ――特許を申請しており、商標も保護しています。同時に、より多くのスタートアップや民間VCがこの領域に参入してくる必要があるとも理解しており、政府向けにはオープンソース化を許可する方針です。私たちは独自のデータセット構築に投資してきました。他のプレイヤーがゼロから始める必要はありません。India の人口や人口統計に特化した、リアルなデータセットが必要なのです。そこに資金と意志の両方が向かってくるはずだと考えています。
4.3 質疑応答（後半）:現場実態・インド特化標準・データセット協働
LJ Rich： Thomas さん、お願いします。Cedric さんはそのあとにいきましょう。
Thomas Wiegand： ありがとうございます。測定が完了して結論にたどり着いた後、皆さんは何をなさるのでしょうか。栄養失調にはさまざまな原因があり得ます。その結論、つまりアドバイスはどこから引き出すのでしょうか。そして、保護者との関わり方はどうなさっていますか。アプローチを教えてください。
Rita： ありがとうございます。私たちのスイートスポットは、スクリーニングと測定の部分にあります。実は私たちが家庭で身長を測る時の、壁に印をつけて測定するあの方法――India のコミュニティレベルではあれが機能していないのです。ゴールドスタンダードとされる stadiometer すら現場では使い物になっていません。India 政府から給与を受け取っているヘルスワーカーは、子供の身長を測定するために各家庭を訪問することになっています。しかし実態として、彼らは訪問せず、虚偽の報告をしているケースが多いのです。だからこそ私たちの技術が必要なのです。
私たちのスイートスポットがスクリーニング部分にあるのは確かですが、現場で信頼を得てきたことで、現場の方々からも「ソリューションを示してほしい」と期待されるようになりました。そこで私たちは、地域の文脈に合わせた簡単なレシピを提供し始めています。食材の栄養価を高める方法を、すでに現場で活動している NGO やフィランソロピー組織のパートナーと連携して届けています。私たちは政府や、栄養分野で活動している NGO の「モニタリングと評価のパートナー」としての役割も担っています。India 政府は昨年だけで栄養関連に20億ドルを支出しました。ですから、スクリーニング、モニタリング、そして子供一人ひとりに紐づく改ざん不能なジオタグ付きデータの提供に絞っても、巨大な余地があります。
定期実施を担保するという点も重要です。現状ではヘルスワーカーが現れるのが3か月に1度といったレベルですが、私たちのアプリでは2週に1度のスクリーニングを推奨しています。そうすることで、その子供の成長が WHO 基準に沿って起きているのかを継続的に確認できます。さらに私たちは、India 独自の標準モデルも構築しています。なぜなら India の標準偏差は他とは異なるからです――私たちは別の民族なのです。WHO の基準は重要ですが、データを集めれば集めるほど、私たちは India 国民を対象とした初の DPI、つまり India 特化型の人口スケールのデータセットを構築できます。これによって、Caucasian の白人児ではなく、India の子供たちにとっての栄養失調を判断できるようになります。
LJ Rich： 大変恐縮ですが、残り3分12秒となりました。Cedric さんお願いします。
Cedric Steinbecker： ありがとうございます。実は2つ質問があります。1つ目は、皆さんが収集しているデータセットについて。India 国内や世界の大学が、このデータセットを訓練データとして活用したいと考えるかもしれません。アカデミックな文脈での活用について、どのような計画をお持ちで、どう考えていらっしゃいますか。2つ目は、コミュニティ構築の側面です。皆さんはかなり興味深いデータセットを生成されています。今は身長、体重、年齢を測定しているとのことですが、WHO のガイドラインにはほかに9つの指標が示されています。残りの指標も追跡する計画はおありですか。そしてその場合、India および世界のスタートアップエコシステムの仲間たちと、どのように協働してデータを他のモデルの訓練に役立てていきますか。
Rita： ありがとうございます。私たちが成功する必要があるのは、まさにそのためです――政府と協働する公衆衛生スタートアップが India でも成功できるのだ、という事例を作るためです。B2G はこれまでとても困難な領域とされてきたからです。
具体的にお答えします。私たちはすでに多くのパートナー――州政府、中央政府、NGO、財団、フィランソロピー組織――と協働しております。現場にすでに存在しているチャネルを最大限活用していきます。データセットに関しては、ゼロから構築しました。莫大な時間と投資がかかることは承知しています。私たちは資金援助を受けており、それを活かしていきます。初期のデータセットは WHO から得たもので、加えて India の Poshan Tracker のデータにもアクセスを許可されました。なぜなら政府は私たちに、向こう3か月から6か月先の栄養失調を予測してほしいと依頼してきたからです。つまり、すでに収集済みのデータプールがあった、ということです。私たちはノイズを除去し、訓練可能な統合プールを作るだけでよかったのです。政府からのデータ、そして私たちが独自に収集したデータ、そして今、純粋にアカデミックな機関が論文執筆や共同研究を希望してきています。私たちはそれを支援していきます。複雑な問題ですから、全員を同じ船に乗せて、India のために、そして世界のために解決していきたいのです。
LJ Rich： Alexandra さん、ぎりぎりですがご質問どうぞ。
Alexandra Hitzel： 短く伺います。アクショナブルなインサイトという観点で、たとえば別の方法で問題に対処するために臨床医とつなげたり、経済的に困窮している家庭をたとえばフードスタンプのような政府の支援リソースとつないだり、ということができそうですが、そうした使い方を実現する手段はおありでしょうか。
LJ Rich： ……すみません、ここで時間切れになってしまいました。10分というのは聞いている分には長く感じますが、いざ質問と回答を進めるとあっという間ですね。Alexandra さん、Rita さん、申し訳ありません。Revolutionize さん、本当にありがとうございました。次のスタートアップ、Take Care Mom に進みましょう。
5. スタートアップ4:Take Care Mom — 母子向け AIヘルスケア
5.1 ピッチ:課題提起からビジネスモデル・実績まで
LJ Rich： それでは4社目、Take Care Mom さんお願いします。準備は整っていらっしゃいますか。画面共有も確認させてください……プレゼンモードに切り替わっていますね、お顔も拝見できます。それでは5分のタイマーをスタートします、どうぞ。
Zula（Take Care Mom CEO・共同創業者）： 皆さん、また改めまして、私は Zula と申しまして、Take Care Mom の CEO 兼共同創業者です。すべての母親が、自分自身と子供のためにパーソナライズされた信頼できるヘルスケアにアクセスできる世界、健康リスクが問題化する前に検出される世界、そしてテクノロジーが単なる道具ではなく命綱となる世界――そんな世界を想像してみてください。Take Care Mom はその実現に取り組んでいます。
世界中で何百万人もの母親と子供が、必要なケアを受けられず深刻な健康被害につながっています。5人に1人の母親が産後うつを発症しますが、多くの地域でそのうち75%は未診断のままです。地域によっては小児科医1人が1万人の子供を担当しているところもあります。母親たちが Google にアドバイスを求めれば、そこに並ぶ育児アドバイスの70%は未検証または誤った情報です。これは単なる医療問題ではなく、年間40億ドルのコストを生むグローバルな経済問題です。
Take Care Mom は AI 搭載のヘルスケアシステムでして、専門家の裏付けのある助言なしに置き去りにされる母親をなくします。母親はあらゆる健康関連の質問を投げかけることができ、エビデンスベースの医療回答が即座に返ってきます。延々と Google で検索する必要も、信頼できないオンラインアドバイスに頼る必要もありません。専門家の介入が必要なケースでは、認定された小児科医・心理士・母体専門医と直接チャットできまして、AI と現実の医療専門知識のギャップを埋めています。プロアクティブなケアを提供するために、Take Care Mom には AI 搭載のヘルストラッカーも組み込まれていまして、赤ちゃんの成長、授乳、睡眠、そして母親のメンタルヘルスを継続的に追跡し、警告サインを見逃しません。さらに、メンタルヘルスはコミュニティの話だけでなくサポートの話でもある、という理解から、母親同士、そして信頼できる専門家とつながるコミュニティを設けており、感情面と医療面の両方でガイダンスのネットワークを生み出しています。
Take Care Mom はすでに、AI を活用した母子ヘルスケアこそが未来であることを証明しつつあります。わずか6か月で10か国に展開しまして、ユーザー成長率は77%、Kazakhstan と US の組織から合計4万ドルの助成金を獲得しました。50名以上の医師をオンボードし、10万件を超えるヘルスケアクエリを処理してまいりました。アプリストアでは健康カテゴリで5位を記録し、直近では Kazakhstan のベストヘルスケアプロジェクトで3位を獲得しました。現在は Antler Indonesia のアクセラレータープログラムにも参加しております。
マタニティ市場は5,000億ドル規模に達し、急成長しております。そのデジタル部分は2030年までに9,460億ドル規模になる見通しでして、Take Care Mom はスケーラブルな AI モデルによって、2030年までに8億ドルの市場を獲得することを目指しています。
私たちは単なる育児アプリやヘルスチャットボットではありません。汎用的な育児アプリと違って、コミュニティのアドバイスではなく、本物のエビデンスベースの医療ガイダンスを提供します。AI 症状チェッカーと違って、私たちの AI は反応するだけでなく予測します。データから継続的に学習して時間とともに賢くなり、レコメンデーションをパーソナライズしていきます。そして従来の遠隔医療と違って、AI、ヘルスケア、専門家、コミュニティサポートを一つのシームレスな体験として、はるかに低コストで提供しています。
ビジネスモデルはフリーミアム型でして、エンゲージメントのために母親は AI ヘルスインサイトに無料でアクセスできます。収益はプレミアムサブスクリプション、遠隔診療コンサルテーション、そして AI 駆動のプロダクトレコメンデーションから生まれます。これに加えて、病院・保険会社・雇用主とのパートナーシップを通じた B2B 契約がスケーラブルな成長を牽引していまして、Take Care Mom をグローバルなデフォルトの AI 駆動マタニティヘルスケアソリューションへと押し上げていきます。
Go-to-Market 戦略は、コミュニティドリブンのリファラルによるバイラル成長です。すでに300万人へのリーチを獲得しております。医師パートナーシップで医療面の信頼を構築し、雇用主や保険会社との B2B ディールでスケーラブルかつ低コストな顧客獲得を生み出しております。これらのチャネルを通じて、私たちは急速にグローバル展開を進めています。
私たちのチームは、子育てとビジネススケーリングの両方でリアルな経験を持つ親で構成されておりまして、スタートアップの専門性と国際企業での経験を組み合わせ、Take Care Mom を成功に導く情熱と能力の両方を備えています。私たちは病院、保険会社、企業との戦略的パートナーシップを求めています。AI 搭載のマタニティヘルスケアを統合していくためには、政府や保健機関、政策立案者からの業界支援も必要です。さらに、世界各地への展開をサポートしてくださる地域パートナーも探しています。Take Care Mom は単なるアプリではなく、世界中の何百万もの家族にとってヘルスケアをよりアクセシブルに、プロアクティブに、パーソナライズされたものへと変えていく変革プラットフォームです。ありがとうございました。
LJ Rich： 素晴らしいですね、こちらもぴったり時間通りでした。本日4社、本当に素晴らしいプレゼンばかりでした。それでは審査員の皆さま、10分の質疑応答に入りましょう。順番ですが、先ほど Revolutionize さんの質疑で最後まで質問できなかった Alexandra さんに、まずお願いしたいと思います。タイマースタートです。
5.2 質疑応答（前半）:言語・収益・Exit・AI活用・ハルシネーション対策
Alexandra Hitzel： ありがとうございます。短く3点伺います。対応言語は何で、現在の収益はいくらで、Exit 戦略はどうお考えですか。それぞれ簡潔にお答えいただけますか。
Zula： はい、現在の収益はおよそ5,000ドルです。Exit 戦略については、Series C までレイズしまして、その後、大手の製薬会社、ヘルスケア機関、あるいは Cigna のような保険会社へ売却することを想定しています。対応言語は現在3言語でして、ロシア語、英語、そしてカザフ語です。Kazakhstan 政府が主要なスポンサーであった経緯から、この3言語をカバーしている形です。
LJ Rich： ありがとうございます。次は Samir さん、お願いします。
Samir Pujari： プレゼンのなかで AI の活用部分が私には明確に伝わっていない部分がありました。AI は皆さんのシステムのどこで、どう働いているのでしょうか。それからもう一つ、提供されるガイダンスの基盤となっている科学的コンテンツのソースは何でしょうか。
Zula： まず AI についてご説明します。私たちは AI アシスタントを搭載しておりまして、心理士・小児科医・栄養士・初期発達の専門家として機能します。母親たちはこの AI を検索エンジンのように使い、エビデンスベースのパーソナライズされた回答を得ることができます。データの構築方法ですが、ファネリングと AI への教育を組み合わせ、加えて MedSearch と呼ばれる医療特化型 AI を活用しています。MedSearch は研究ベースの回答のみを返すモデルです。それを私たちは、強くパーソナライズされる形にチューニングしておりまして、母親から提供されるデータと、母親が質問を重ねるたびに、よりパーソナライズされた回答を生成するようになっていきます。
LJ Rich： Thomas さん、お願いします。
Thomas Wiegand： いまの流れにつなげる形でちょうどよい順番になりましたね。AI/LLM の回答について、得られたデータに基づいて回答するというのは分かりましたが、それがハルシネーションを起こしていないこと、つまり研究データを特定のリクエストに対して適切に調整・適応させていることを、どう確認していますか。
Zula： はい、私たちのアプローチは次の通りです。親が回答に満足できなかった場合、あるいはハルシネーションや適切でない内容だと気付いた場合、その回答にフラグを立てることができます。私たちはそのフラグを受けて、自社の認定スペシャリストにレビューしてもらいます。さまざまな領域に50名以上のスペシャリストが在籍しておりますので、内容をチェックし、次回はより良い回答が返るように改善します。さらにもう一段階あります。親がより踏み込んだ意見を求めたり、AI の回答が適切でないと感じた場合、プラットフォーム上のライブスペシャリストと直接チャットすることもできるようになっています。
Thomas Wiegand： ありがとうございます。5年後を見据えて、FDA 承認の取得は計画されていますか。
Zula： 5年スパンで考えれば、間違いなく必要になるでしょう。ただ現状では、私たちは個別コンサルテーションの場をスペシャリストに提供するプラットフォームという立て付けです。プラットフォーム上のスペシャリストはすべて、中央アジアのトップ医師で構成されるアドバイザリーボードによって面接・承認を受けた上でアクセスを得ています。誰でも参加できるわけではなく、本物のエビデンスベースの知見を持ち、害を及ぼさない方々のみが参加できる仕組みです。
5.3 質疑応答（後半）:マルチモデル運用・データ保護・償還モデル・観客質問・コンテンツ検証
LJ Rich： Cedric さん、お願いします。
Cedric Steinbecker： 先ほどのご回答で、婦人科医、心理士、その他複数の専門領域のペルソナを LLM に持たせている、というお話がありました。これは複数のモデルを使い分けているという理解でよろしいでしょうか。MedSearch を使っているとおっしゃっていましたが。
Zula： はい、実際に複数のモデルを使っております。ChatGPT、Gemini、そして MedSearch を組み合わせて運用しています。どのようなストリングが返ってくるかによって調整される仕組みです。AI チームが継続的に取り組んでいるところで、最終的には常に自社の独自モデルが応答する形にしたいと考えていますが、現状ではオープンソースが提供してくれるものを活用しています。
Cedric Steinbecker： 続けて伺います。ChatGPT や Gemini のようなモデルを使っているということですが、データの保護はどうされていますか。エンドユーザーが意図しない目的で、患者や顧客がアプリに入力したデータが利用されないことを、どう担保していますか。
Zula： これは非常に技術的な質問ですが、確実に申し上げられるのは、私たちは Kazakhstan に拠点を置いておりまして、Kazakhstan で扱うものすべてについて、データを国内のサーバーに保管することが義務付けられている、ということです。したがって、データが国外に出ることはなく、すべて Kazakhstan 内のサーバーに保管されています。
LJ Rich： ありがとうございます。Alexandra さん、次のご質問どうぞ。観客からも質問が届いていますので、その後に取り上げます。
Alexandra Hitzel： 簡潔ながらも内容の濃いご回答、ありがとうございます。アプリの償還モデル(reimbursability)に関心があります。私の理解では、米国では完全に Out-of-pocket での支払いになりますよね、もし違っていたら訂正してください。Kazakhstan やロシアの保険償還モデルは詳しくないのですが、皆さんは Out-of-pocket でお支払いされているのでしょうか。そしてエンタープライズモデルについて、もう少し詳しく教えていただけますか。
Zula： Kazakhstan と私たちの地域全体で起きていることをご説明します。エンタープライズが従業員に対して、指定のクリニックを与える形が一般的です。つまり、まず患者が支払って後で還付される、という構造ではなく、指定されたクリニックにそのまま行くか、指定されたテレヘルスを利用するか、という形です。私たちはこれを優位性として活かしておりまして、クリニックとパートナーシップを結び、保険会社ともパートナーシップを結び、その間にテレヘルスとして入っています。そうすることで、母親たちは、子供の顔に変な斑点が出たといった軽微な事象でいちいち小児科医に駆け込まなくても、私たちの AI コンサルタント経由で対応できるようになります。これは保険会社にとってコスト削減になります。同時に、たとえば「赤ちゃんが砂糖や肉を食べていない」といったケースについては、AI が「これは赤旗なので医師に行きましょう」と促します。母親にとっては問題の予防に役立ちますし、安心して小児科に駆け込まなくて済むという心理的メリットも得られて、結果として保険会社のコストも削減される、というモデルです。
Alexandra Hitzel： もう少し確認させてください。私は実際にアプリをダウンロードしようとしたのですが、ダウンロード時に支払いを求められたように見えました。母親はダウンロード時に支払う必要があるのでしょうか。
Zula： いえ、ダウンロード自体は無料で、支払いは不要です。プレミアム機能を購入したい場合のみ課金が発生する形でして、現状ほとんどの機能は無料でご利用いただけます。
LJ Rich： 残り2分37秒です。観客からの質問が届いておりまして、Naru Mudafa さんから素敵なご質問です。「ユーザーとのインタラクションでアプリが変化していくとのことですが、その変化が改善であって有害でないことを、どのように担保していますか」というご質問です。
Zula： これは非常に深い質問ですね。私たちがどう害を防いでいるかをお話しします。母親たちが頻繁に質問する内容については、データベース化されておりまして、自社スペシャリストによって高度に訓練されています。一方、AI がどう回答すべきか分からないユニークな質問が来た場合は、「私にはお答えできませんが、こちらの専門家に相談してみてください」と案内する仕組みになっています。こうすることで、ハルシネーションを起こすことなく、また害を及ぼすこともなく、少なくとも親がどのスペシャリストに行けばよいかの方向性を示せるようにしています。
LJ Rich： 1分30秒です。Samir さん、まだご質問ありますか。
Samir Pujari： はい、コンテンツについてもう一度伺いたいです。生成される健康関連メッセージはどう検証されていますか。そしてそのソースは何ですか。
Zula： 医療コンテンツの主なソースは MedSearch で、Y Combinator 支援のスタートアップとして数年間運営されています。彼らのデータはさまざまな組織の医療研究をもとにしていまして、500人規模の研究などではなく、5,000人規模の研究などが含まれた、非常にしっかりした裏付けのある情報です。これを医療データのベースとして活用しています。判断に自信が持てない部分については、リアルなスペシャリストへの誘導が行われます。それ以外のメディカルデータについても、すべて中央アジア各地のスペシャリストがレビューして通しています。カザフ語、ロシア語、英語の3言語で対応しており、内容の正確性を担保しています。私たちは何を、どう伝えるかについて非常に慎重でありたいと考えております。だからこそ、製薬企業とは取引していません。ビタミンや iHerb のような商品プロモーションには関わらず、医師主導のエビデンスベースの医療情報に徹しております。誰にも害を及ぼさないよう、本当に細心の注意を払っています。
LJ Rich： 残り7秒で、もう次の質問は実質的に難しいですね。Take Care Mom さん、審査員の皆さま、本当にありがとうございました。スタートアップの皆さまも審査員の皆さまも本当に素晴らしかったです。それでは審査員の方々には別室に移動していただいて、誰が次のステージへ進むかを審議していただきます。ご検討、よろしくお願いします。
6. 審査員審議中のディスカッションと結果発表
6.1 ピッチ振り返り・視聴者への支援要請・各社の今後の計画
LJ Rich： 時間も来ましたので、これにて質疑応答はすべて終了とさせていただきます。それでは審査員の皆さま、別室——いわゆる「秘密の洞窟」——にお移りいただいて、誰が次のステージに進むのかをご審議ください。ご検討よろしくお願いします。スタートアップの皆さんは、待っていただいている間、こちらに戻ってきてください。少しおしゃべりしましょう。Take Care Mom さんはすでに戻ってきておられますね。Revolutionize さんと、最初のスタートアップの Doro さんもお願いします。ちょっとした音楽も流しながらお待ちいただきましょう……はい、皆さんお揃いになりました。さて、ご自身のピッチを終えてみていかがでしたか。審査員には聞かれませんが、もし「これだけは伝えたかった」というものがあれば共有していただけますか。まずは Doro さん、いかがでしたか。
Daro： はい、全体的に質問は的を射ていて、簡潔でした。特に技術面の質問が来たことに感激しています。普通はビジネス面ばかり聞かれて、技術部分はあまり深掘りされないんです。だから、技術の深いところまで聞いていただけたのは本当にありがたかったです。
LJ Rich： ありがとうございます。私たちも結構オタクなので、技術の話は大歓迎ですよ。Revolutionize さんはいかがでしたか。
Rita： 私が嬉しかったのは、審査員の方々がデッキだけで私たちが解決しようとしている課題の本質を、すぐに理解してくださったことです。5分のピッチとデッキだけで意図を伝えるのは本当に難しいんです。5分は短すぎますね。
LJ Rich： そうなんです、5分というのはとても長くも感じるし、ほとんど時間がないようにも感じる、不思議な長さですよね。私もプレゼンの指導をしますが、自分のビジネスをぎゅっと5分に詰めて、しかも観客に「お金を出したい」と思ってもらわなければならない——本当に難しいことです。Repro Plan の Rahanna さんはいかがでしたか。
Rahanna Kuku： 大好きでした、本当に。もう少し時間があればよかったなと思います。最後の質問に答えられなかったのが残念で、答えはもう用意できていたんです。質問を聞いている時点で、すでに何を言いたいか分かっているのに、というもどかしさがありました。
LJ Rich： お気持ち、分かります。皆さんおそらく同じことを感じていらっしゃると思いますし、私もモデレーターをしていて「あと30秒あれば」と何度も思います。Take Care Mom の Zula さんはいかがでしたか。思っていたよりうまくいきましたか。
Zula： はい、実際そうでした。プレゼンの内容を80%ほど、直前10分前に修正していたんです。本当に緊張していて、つっかえたり言葉を忘れたりするのではないかと怖かったです。でもなんとか乗り切れました。質問では特に AI に関するものが嬉しかったです。私たちは AI が何を、どう伝えるかについて本当に慎重に作り込んできていまして、私たちのアドバイザリーボードのトップ医師たちからは「これは絶対に言ってはいけない」「これは表現を変えなさい」と非常に厳しく指導されているんです。だから、私たちの AI がいかに慎重で、いかに本当に役に立つかをお話しできて、本当に嬉しかったです。
LJ Rich： 素晴らしいです、皆さんのストーリーを聞いていて私も興奮します。AI for Good のオンラインイベントの特徴のひとつは、視聴者の中にも非常に影響力のある方や、皆さんの活動を支援できる立場にいる方が大勢いらっしゃるということです。せっかくの機会なので、皆さんが具体的にどんな支援を求めているのか、視聴者に向けて発信していただきたいと思います。Doro さん、どんな方とつながりたいですか。
Daro： クライアントベースとしては、ソフトウェア統合に関心のあるクリニックや MedTech 企業を探しています。それから資金調達も進めておりますので、投資家の方ともぜひ対話したいです。最後に、セールスとマーケティングの人材も探しております。これらの領域に関心がある方は、ぜひお話しさせてください。
LJ Rich： Revolutionize さんはどうですか。
Rita： 私たちは、DeepTech、HealthTech、MedTech の投資家、加えて機械学習・AI・栄養学に取り組むアカデミック・非アカデミックの研究者・科学者とつながりたいです。特に、栄養素と認知発達の相関を、統計や数理モデルの観点から探究したいと考えています。私自身の研究を通じて、決定的に重要な栄養素やキーとなる要素があることは分かっているのですが、脳に関する研究はまだ非常に少ないのです。この領域で一緒に研究してくださる方を求めています。
LJ Rich： わあ、ヘルスケアとバイオテックのクロスオーバーですね。素敵です。Take Care Mom の Zula さん、いかがですか。
Zula： まずグローバル展開の機会を探しています。母親や子育て家庭を対象とした組織、NGO、コミュニティを運営されている方がいらっしゃれば、ぜひパートナーシップの相談をしたいです。それから専門家も探しています。子供の健康、母親の健康、メンタルヘルスに情熱を持つ方、特に英語、そしてそれ以外の言語をお話しになる方とお話ししたいです。展開する地域でのローカリゼーションには多言語対応が必要だからです。そして、投資家・助成金・NGO の支援者も探しています。私たちはもともと、たった600ドルの社会プロジェクト助成金からスタートしまして、それがスタートアップへと成長したんです。ですから、ぜひ気軽にご連絡をいただきたいです。
LJ Rich： Rahanna さん、Repro Plan はどんな支援を求めていますか。
Rahanna Kuku： 投資家、AI とソフトウェアエンジニアリングの専門知識、そして性と生殖に関する保健の専門知識を持つ方々を求めています。メンターシップも必要ですし、NGO や政府機関との戦略的パートナーシップも探しています。さらに、私たちのプロジェクトをご自身のネットワーク内で広めてくださる、いわゆるアンバサダーのような方も大歓迎です。
LJ Rich： ありがとうございます。少し別の角度から、皆さんに共通する問いを投げかけたいのですが、AI for Good という取り組みで難しいのは、安全性とイノベーションのバランスです。皆さんはヘルスケアという、特にセンシティブなデータを扱っていらっしゃいます。AI とデータを共有することに、人々が安心できるような世界に向けて、どこへ進んでいくべきだと思いますか——これは大きな問いなので、お答えいただかなくても大丈夫です。さて、審査員の進捗を裏でこっそり確認している間に、もう一つ皆さんに伺いたいと思います。もし今日、資金調達もメンターシップも、認知の拡大も、すべてが手に入ったとしたら——その知らせを受けて最初に何をしますか。順番を逆にして、まずは Take Care Mom の Zula さんから30秒程度でお答えください。
Zula： まずやりたいのは、私たちのコミュニティマネージャーをフルタイムで雇用することです。彼女は今、ボランティアとして週20〜30時間も働いてくれているんです。彼女はこの仕事に本当に情熱を注いでいて、私たちは「自分たちの給与は当面取らない」と約束していますが、彼女からは先に給与をお支払いしたいです。そしてもう一つは、コミュニティで盛大なお祝いをすることです。私たちのコミュニティには Kazakhstan をはじめ、世界各地の母親たちがいるので、オンラインでお祝いしたいです。私たちの成果だからではなく、彼女たちのサポートと拡大への協力があったからこそ、お祝いをしたいのです。
LJ Rich： 子育てって本当に複雑で、しんどくて、でも素晴らしくて、難しいですよね。コミュニティを支えることは本当に大切です。次は Revolutionize さん——あ、これ「リヴォリューションアイズ」とお読みするんですね、失礼しました。最初の目標は何ですか。
Rita： はい、私たちは50万人の子供たちをスクリーニングしたいです。そしてそれが実現できたら、そのうち栄養失調のある10万人の子供たちを追跡して、健康になるようサポートしたいです。さらに、私たちのアルゴリズムを中央政府のポータルに統合できれば、私たちにとって大きなブレイクスルーになります。
LJ Rich： ものすごく大きなゴールですね、簡潔にお話しいただきありがとうございます。Doro さん、すべての支援が整い、必要なメンターに即電話できる、そんな状態になったら、朝コーヒーを飲む前に最初に何をしますか。
Daro： たぶん、家族に電話します。特に母にです。母自身も医師でして、私たちの活動を陰でずっと積極的にサポートしてくれていました。彼女は、人を病気で失うことがどれほど辛いか、当事者として誰よりも知っています。だから個人的には、母に電話して「やったよ」と伝えたいです。祖母には間に合わなかったけれど、ほかの人々のために実現していくんだ、と伝えたいです。
LJ Rich： お母さまも泣いて喜ばれるでしょうね。素晴らしいです。Rahanna さん、まだお聞こえになっていらっしゃるか分かりませんが、同じ質問です。すべてが整ったら、最初に何をしますか。
Rahanna Kuku： はい、まずは MVP を完成させます。それから AI チャットボットを改善します。そしてローンチして、プロダクトをマーケティングしていきます。
LJ Rich： 素晴らしいです、ありがとうございました。皆さん本当によく頑張ってくださっています。結果発表を待つ時間は少しドキドキしますね。これからの未来を変えるかもしれない瞬間ですから。さて、審査員の皆さまが戻ってこられたようです。
6.2 審査員総評・優勝者発表(Revolutionize)・クロージング
LJ Rich： 大事な瞬間です。審査員を代表してどなたかが発表してくださるんですよね。Thomas さん、手を挙げていらっしゃいますね、それでは結果発表をお願いします……あ、お声が聞こえません。マイクの上に何かかかっていらっしゃるのかもしれません。ずいぶん不明瞭です。Alexandra さん、その間にフィードバックを先にいただいてもよろしいですか。
Alexandra Hitzel： 失礼しました、お声が聞こえなくて。まず申し上げたいのは、本日皆さん全員が素晴らしいプレゼンをしてくださいました。簡潔でありながら、知識の深さが伝わる内容でした。皆さん全員が、AI をヘルスケアの改善のために見事に活用してくださっていて、私たちはここに参加でき、フィードバックをお伝えできることを大変嬉しく思っています。皆さんがイノベーションを前に進めてくださっていることに、改めて祝意を表します。
Samir Pujari： もしよろしければ、もう少し踏み込んでフィードバックさせてください。改めて、これほど重要な課題に取り組む努力に皆さんに敬意を表します。皆さんは個人的なストーリーを通じてシステムのペインポイントを見つめておられました。そしてこれは大きな公衆衛生への影響でもあります。4社すべてに賛辞を贈ります。母子保健、発育阻害、そして栄養失調——いずれも極めて重要な領域です。私は審査員一同を代表して、結果がどうであれ、皆さんがこの活動を継続されるよう励ましたいですし、私たちは今後どのような形でもお手伝いする立場にあるとお伝えしたいです。これは1時間で終わるセッションではなく、私たち審査員はこの先も皆さんの成長を支援していきたい。これらすべてのイノベーションが共存できる十分な市場規模があります。それでは Thomas さん、お声が戻ったところで結果発表をお願いします。
Thomas Wiegand： 聞こえますか……。
LJ Rich： あ、まだ少しこもっています。
Thomas Wiegand： ……聞こえますか、いまは?
LJ Rich： いまは聞こえます。
Thomas Wiegand： 私の音声が出なかったのは、ある意味よかったかもしれません。Alexandra と Samir が話す機会を持てましたから。結果発表の前に、Cedric さんにもひとことお話しいただきたいです。
Cedric Steinbecker： ありがとうございます、Thomas。Samir と Alexandra がすでに伝えてくださったことに重ねる形になりますが、優勝者を選ぶのは本当に難しかったです。実は私たちは「2社選んでもよいですか」と運営に尋ねたのですが、1社に絞らなければなりませんでした。それほどに、4社全員が素晴らしい仕事をされています。Samir も言った通り、皆さんとはぜひフォローアップさせていただきたいですし、私の立場としても、テクノロジー面で皆さんがどのように構築されているか、私たちがどうサポート・協力できるか、強い関心を持っています。運営から後でおつなぎいただけるはずです。皆さんは本当に素晴らしい仕事をされています。それでは Thomas さん、優勝者の発表をお願いします。
Thomas Wiegand： ありがとうございます。長い議論を経て、私たちは最終的に決定しました。優勝は Revolutionize です、おめでとうございます。そして、ほかの皆さんにも改めてお祝いを申し上げます。皆さんはすでに、強いフィルタリングを経て最終4社にまで残られた——その時点で、皆さんは全員が勝者です。ただ、Revolutionize の皆さんは Geneva の7月でまたお会いすることになります。
Rita： 本当にありがとうございます。審査員の皆さま、ホストの ITU、そしてすべての国連機関の皆さまに心より感謝申し上げます。皆さんに誇りに思っていただけるよう、これからも頑張ります。
LJ Rich： Revolutionize さん、おめでとうございます。そしてすべてのコンテスタントの皆さんへ。審査員の方々は皆さんとぜひ継続的に対話されたいご様子ですので、それも素晴らしいことだと思います。皆さん本当に並外れた素晴らしい働きをされましたし、技術トラブルという、なかなかの困難——審査員の方々まで含めて——を乗り越えてくださいました。本当にお疲れさまでした。優勝者は2025年の AI for Good Global Summit でピッチをしていただけますし、それ以外にも多くの機会が用意されています。それでは続きを Gilan さんにお返しします。私は LJ Rich でした、また皆さんにお会いできる日を楽しみにしています。
Gilan Martinez-Rora（ITU）： LJ さん、素晴らしいモデレーションをありがとうございました。優勝者の皆さん、改めておめでとうございます。7月の Geneva でお会いできるのを楽しみにしております。本日のセッションに参加してくださった審査員、参加者、そしてスタートアップの皆さま、ありがとうございました。優勝者の皆さんとは、これから個別のクローズドセッションを設定して、ビジネスプランの詳細を伺い、さらなるビジネス機会の探索をサポートさせていただきます。視聴者の皆さまにも、AI for Good プログラムをオンラインでぜひチェックしていただきたいです。ご興味に合うセッションが他にも数多くございます。私たちは来週 Barcelona で開催される次回の AI for Good Innovation Factory、そしてもちろん7月9日に Geneva で開催される AI for Good Innovation Factory Grand Finale をとても楽しみにしております。引き続きどうぞよろしくお願いいたします、皆さま、よい一日をお過ごしください。
司会（クロージング）： 本日の AI for Good セッションにご参加いただきありがとうございました。新しく、革新的で、興味深い内容を学んでいただけていれば幸いです。ニューラルネットワーク上のライブビデオウォールで会話を続けていただけます。質問や「いいね」、コメント、リンクの共有、ポール回答、興味のあるプロフィールとの接続、チャットおよびビデオ機能を通じた1対1の対話など、さまざまな形でご参加いただけます。ロビーを探索したり、スマートマッチングクイズを試したり、バーチャル展示やポスターボード、ESOP を訪問したり、皆さま自身の AI for Good プログラムを構築したりすることもできます。AI for Good の未来を、ともに形作っていきましょう。