※本記事は、国連ITU（国際電気通信連合）主催のAI for Goodプラットフォームによるピッチセッション「Meet the startups advancing accessible and affordable healthcare solutions」の内容を基に作成されています。AI for Goodは、ヘルスケア分野の課題に対しAIを活用した最も有望なソリューションを見出すために開催されているグローバルなスタートアップピッチセッションで、AI、機械学習、先進的アルゴリズムを用いて世界中の医療アクセスとアフォーダビリティを改善する革新的スタートアップが参加しています。AI for Goodは、革新的なAIアプリケーションの発掘、スキルと標準の構築、パートナーシップの推進を通じて、地球規模の課題解決を目指す取り組みであり、ITUが50以上の国連機関およびスイス政府との共催で運営しています。動画の詳細情報は https://www.youtube.com/watch?v=y0yGaVc5HDU でご覧いただけます。本記事では、動画の内容を要約しております。なお、本記事の内容は原著作者の見解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、オリジナルの動画をご視聴いただくことをお勧めいたします。
登壇者
司会・モデレーター：Pascal氏
審査員：
- Vera Forjanski氏（Veritus Ventures 創業者兼CEO）
- Sally Ann Frank氏（Microsoft for Startups ヘルス&ライフサイエンス グローバルリード）
- Josine Hurlas氏（Luna Healthcare Consulting GmbH 創業者兼プレジデント、共同創業者）
- Jesus Dev氏（Bayer Business Disruption担当）
登壇スタートアップ：
- Paul氏（Medbrain Global）— オフラインAI臨床コパイロット
- Arman氏（Althia Bio）— HLAペプチド創薬AIプラットフォーム
- Dr. Shantanu Pathak氏（Doto Health by Caremother、本コンテスト優勝企業）— 母子保健AIプラットフォーム
- Bernard氏、Phelix Davis氏（Mary Health）— AIネイティブプライマリケアインフラ
- Ayman氏（Raresome）— 希少疾患診断AI
第1章 セッション概要とピッチコンテストの枠組み
1-1 AI for GoodプラットフォームのE趣旨とInnovation Factory企画の位置づけ
Narrator： AI for Goodへようこそ。これは、国連デジタル技術機関であるITU（国際電気通信連合）が主催し、50以上のUN姉妹機関とパートナーシップを結び、スイス政府と共催で運営している、AIに関する世界をリードする行動志向・グローバル・包摂的な国連プラットフォームです。AI for Goodの目標は、AIの潜在力を解き放ち、人類に役立てることにあります。本日のAI for Goodイベントでは、皆様にライブビデオウォール機能を使って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くことを期待しています。最後までご視聴いただき、ニューラルネットワーク上で、当セッションに登壇する著名なファシリテーターや世界クラスのAI専門家たちとチャット、つながり、質問、ネットワーキングをお楽しみください。それでは、セッションを開始し、最初のスピーカーをお迎えします。
Pascal： こんにちは。本日午後、あるいは皆様がお住まいの世界中のどこからご参加いただいた方も、本当にありがとうございます。AI for Good Innovation Factoryへようこそ。本日は「アクセシブルかつ手頃な価格のヘルスケアソリューションを推進するトップスタートアップ」と題したセッションをお届けします。今日は本当に素晴らしいスタートアップたちが集まっていて、私自身もこの領域は非常に重要だと考えています。AIとヘルスケアについては、多くの可能性が語られている一方で、実際に何が起こっているのかを見られる機会はそう多くありません。だからこそ、本日のスタートアップたちのピッチを楽しみにしています。
このセッションでは、5社のスタートアップが順番に登壇し、それぞれが自社のソリューションをプレゼンテーションします。そして、本日のピッチコンテストの勝者を決定するのは、お招きしている審査員の皆様です。
1-2 審査員紹介とピッチ規則・優勝者特典
Pascal： それでは、まず審査員の皆様をご紹介します。最初にお迎えするのは、Veritus Venturesの創業者兼CEOであるVera Forjanskiさんです。続いて、Microsoft for Startupsでヘルス＆ライフサイエンスのグローバルリードを務めているSally Ann Frankさん。そして、Luna Healthcare Consulting GmbHの創業者兼プレジデントであるJosine Hurlasさん。最後に、BayerでBusiness Disruptionを担当しているJesus Devさんです。皆様、ようこそお越しくださいました。
それでは、ピッチを始める前にルールを簡単にお伝えします。各スタートアップにはまず5分間のピッチをしていただきます。残り1分になりましたら私から合図をお送りします。ピッチが終わりましたら、審査員の皆様に5分間の質疑応答時間をお渡しします。スタートアップの皆様には、その質疑応答時間内で審査員からの質問にお答えいただく形となります。
本日の優勝者には非常に豪華な特典が用意されています。優勝されたスタートアップは、まず2026年に開催されるAI for Good Global SummitのInnovation Factoryグランドフィナーレへのチケットを獲得します。さらに、同サミットでのスピーカーパス、スタートアップポッドの利用権、そしてフロンティアステージでのピッチ機会も提供されます。加えて、AI for Good Innovation Factoryスタートアップアクセラレータプログラムへの独占的なアクセス権も付与されます。そして何よりも、国連や他の潜在的なビジネスパートナーとのネットワーキング機会が得られるため、これはスタートアップの将来を大きく変える可能性のあるチャンスとなります。
それでは、最初のスタートアップとしてMedbrain Globalをお迎えします。フロアはあなたのものです。5分のピッチタイマーを今から開始します。
第2章 Medbrain Global：オフラインAI臨床コパイロット
2-1 問題認識・現地経験・ソリューション概要
Paul： Pascalさん、ありがとうございます。スライドは皆様にご覧いただけていますでしょうか。問題なく表示されているようですね。それでは始めさせていただきます。
全人類の50％が、正確な医療診断にアクセスできていません。その理由は実にシンプルです。専門医や診断機器へのアクセスが十分に存在せず、そしてこれは残念ながら今後も解決されません。なぜなら、アフリカの農村地域のあらゆる村に、あらゆる専門分野の専門医を派遣したり、あらゆる専門分野の機械を配備したりすることは、経済的に成り立たないからです。世界は、残念ながらこの厳しい現実をいつの間にか受け入れてしまっています。しかし私たちMedbrainは、これを受け入れないことを決意しました。誤診は不適切な患者管理につながり、合併症を引き起こし、まったく不必要な人間の苦しみと死亡をもたらします。私たちは4年前に、この厳しい真実を受け入れないと決めたのです。
私たちは実際に現地に出向き、エチオピアやナイジェリアの農村地域で生活し始めました。そこで私は、現在チーフメディカルオフィサーを務めるDr. Iñakiと出会いました。彼はアフリカで20年近く病院を率いてきた経験を持っています。私たちは数百人のステークホルダーにインタビューを行い、数千人の患者を診断することで、その地域のニーズが実際にどのようなものなのか、自らの肌で理解していきました。そうした経験を経て、Medbrainが生まれたのです。
Medbrainは、オフラインで動作する臨床コパイロットです。医療従事者を臨床プロセスのすべてのステップにわたって導きます。具体的には、臨床面接、既往歴聴取（anamnesis）、身体診察を通じて、専門医、特にシニアの専門医と同等の精度と安全性で患者を診断し管理できるよう、医療従事者を支援します。それでは、Medbrain自身に挨拶させたいと思います。
Medbrain（デモ音声）： こんにちは、私はMedbrain、あなたのオフラインAI臨床コパイロットです。Medbrainが臨床面接をリードします。患者さんのケースを詳しく説明してください。
Paul： ここからは、医療従事者が自分の言葉で患者の症状を語ります。
ユーザー（デモ）： 28歳の男性です。約6週間にわたって咳が続いていて、茶色がかった痰を出しています。ほとんどの日に疲労感と倦怠感を訴えています。
Medbrain（デモ）： 28歳男性、6週間の増悪する咳の病歴、茶褐色の錆色の喀痰、倦怠感ですね。次の質問に進みます。生の食品や川の水への曝露はありますか。
ユーザー（デモ）： はい、彼は実際に農村地域に住んでいて、時々川蟹を食べると確認しています。
Medbrain（デモ）： 生の蟹や川の水の摂取が確認されました。
Paul： このように、屋外で動作している場合でも、面接は約5分から7分で完了します。そして、
Medbrain（デモ）： ありがとう、Paul。必要な情報はすべて揃いました。
Paul： Medbrainは、低所得国で罹患率の高い1,000以上の疾患について、症状、身体所見、リスク因子をフィルタリングすることで、正確な医療診断を提供できます。さらに、臨床診療ガイドラインに基づいて、何をすべきかをステップバイステップで詳細かつパーソナライズされた管理計画として提示します。
2-2 政府主導検証・展開実績・国際的評価
Paul： ナイジェリアおよびエチオピアの政府は、私たちのソリューションを科学的に検証してくれました。エチオピア連邦保健省主導の臨床試験において、私たちは85％の診断精度を達成し、その結果は政府によって公表されています。しかしそれ以上に重要なのは、ナイジェリア政府が、Medbrainを使用する看護師と専門医との間に、診断精度において統計的に有意な差がないことを発見した点です。これは潜在的に革命的なエビデンスと言えます。
昨年初め、私たちはシステム登録における診断件数が10万件を超え、さらにその先へと進みました。私たちは昨年のWorld Health Assemblyの公式サイドイベントで発表を行い、当時WHOの代行事務局長を務めていたDr. Chu、そしてエチオピア保健大臣のDr. Mdesabaとも仕事を始めることができました。Geneva Health Forumでも発表を行っています。
現時点で、私たちはエチオピア政府およびナイジェリア政府と1,300の医療施設での展開について合意しており、今後6か月かけて展開を進めていきます。政府チームとともに試算したところ、2026年末までに300万件以上の診断の実施を支援できると見込んでいます。しかし、これは終わりではありません。始まりにすぎません。私たちにはまだ非常に長い道のりがあり、世界全体に影響を与えていく必要があります。皆様、本当にありがとうございました。
Pascal： 時間より早く終わりましたね。簡潔にまとめていただきありがとうございます。素晴らしいプレゼンテーションでした。技術がどのように機能するかを見ることができて良かったです。それでは、審査員の皆様に5分間の質疑応答時間をお渡しします。
2-3 質疑応答：モデルアーキテクチャと既存LLMとの差別化
Jesus： はい、素晴らしいプレゼンテーションでした、ありがとうございます。素晴らしいユースケースですね。お使いになっているモデルについて少し説明していただけますか。これは一般的なLLMの単なるラッパーなのでしょうか、それともどのように医療診断の安全性をモデルに組み込まれたのでしょうか。
Paul： もちろんです。これは決してラッパーではありません。私たちはこのAIベースのソリューションを提供する方法を革新してきました。まず、私たちが行ったプロセスをステップバイステップでご紹介させてください。
最初に、数百のLLMによって生成される医療コンテンツの品質について実験を行いました。具体的には、それらのLLMに対して、1万疾患それぞれの症状、身体所見、リスク因子について臨床的知識を抽出するようプロンプトを与え、その品質をブラインドテストによって評価しました。その後、LLM-as-a-Judgeによる継続的改善ループのシステムを構築しました。そして私たちは独自の内部実験を行い、特定のLLMが審判役として医療コンテンツの品質を採点する際、シニアの人間評価者と比較して統計的に有意な差がないことを発見しました。
この発見によって、私たちはシステムを文字通り数十万回実行し、医療コンテンツライブラリを数十万回改善することが可能になりました。その結果、現在では1,000疾患、25,000の臨床タグ、そして数百万のNLP単語の組み合わせを持つ医療ライブラリを構築することができ、しかもそれをダウンロードして完全にオフラインで使用することが可能になっています。オフラインの環境ではAIが動作せず、臨床判断に対する完全なトレーサビリティが確保されているのです。
Jesus： 素晴らしいですね。それはピッチで強調しても良かった内容だと思います。とても素敵なアプローチですね、気に入りました。ありがとうございます。
2-4 質疑応答：データ蓄積による精度向上戦略と医療特化LLMとの比較検証
Sally： ありがとうございます、非常に興味深いお話でした。素晴らしい仕事ですね。もしこれがオフラインツールであるなら、データポイントが増えるにつれて精度を向上させるプロセスはどうなっているのでしょうか。AIはデータポイントが増えるほど良くなるということは皆が知っている事実ですので、そこをお伺いしたいです。それから、Jesusの質問に加えてもう一つ。現在、ChatGPTやAnthropicがそれぞれヘルスケア版のLLMを発表していますが、これらはあなた方の長期的なアプローチにどう関わってくるのでしょうか。二つの質問になってしまい申し訳ありません。
Paul： 素晴らしいご質問、ありがとうございます。私たちはこの1年近くこれらの問いに取り組んできたので、非常に馴染みのあるテーマです。
まず最初のご質問についてですが、これは完璧なソリューションではありません。それはつまり、現時点では患者データの集約に基づく改善は行っていないということです。もちろん、将来的には必ず行います。強化学習のアプローチも、教師あり機械学習のアプローチも、すでにパイプライン上に存在します。しかし、現在のMedbrainの動作はそうではありません。現状のMedbrainは、LLMから抽出した知識によって訓練されており、その内容をすべてアプリにパッケージ化しているのです。フィールドではAIを使わず、しかしAIによって構築・評価・改善されたものを使うという設計になっています。
私たちはフィールドでAIを使いたくない、というのが基本姿勢です。これは2つ目のご質問にもつながります。なぜなら、今日時点でフィールドでAIを使うことは文字通り不可能だからです。
代替アプローチがどのような壁に直面しているか説明させてください。例えば、Googleの人道支援用Med-Gemma 4Bや、Meditron 7Bなど、40億〜70億パラメータの中規模LLMがあります。これらをDeepSeek、Grok、Medbrainと頭から頭で比較したところ、診断精度が不十分であることが分かりました。それらの診断精度は約50％台にとどまっています。しかし、それ以上に重要なのは、それらを使うためには接続が必要、つまりアクセシビリティが必要になるか、もしくは各医療施設に小型サーバを実際に配備する必要があるという点です。考えてみてください。私たちは現在1,300の医療施設での展開合意を持っています。これは1,300台の小型サーバを必要とすることを意味します。これはアクセシビリティの面でも、手頃な価格性（アフォーダビリティ）の面でも、完全に実現不可能です。
つまり結論として、プランA、プランB、プランCがすべて機能しないことを私たちは発見しました。信頼できるインターネット接続が存在しないため、中央集権型のサーバは機能しません。そしてスマートフォンベースの10億パラメータLLMは、実際の専門医と比較できるほどの精度には到底達していません。長い話を短くまとめると、私たちのアプローチは、私たちの知る限り現時点で唯一実現可能なアプローチなのです。ありがとうございました。
Pascal： ご質問されたい審査員の方がもうお一人いらっしゃるようですが、残念ながらお時間切れになってしまいましたので、次のピッチに進ませていただきます。Paulさん、素晴らしいピッチをありがとうございました。
第3章 Althia Bio：HLAペプチドAI創薬プラットフォーム
3-1 ビジョン・問題提起・ソリューション概要
Pascal： 次にお迎えするスタートアップは、HLAペプチド発見を専門とするAIドリブンのバイオテクノロジープラットフォームであるAlthia Bioです。それでは、5分間のピッチを今から開始します。
Arman： 皆様こんにちは。音声と画面は問題なくお届けできていますでしょうか。完璧ですね。それでは始めさせていただきます。
私たちはAlthia Bioです。私たちのビジョンは「免疫システムの言語を解読すること」であり、ミッションはAIを通じて免疫腫瘍学（immunooncology）をより安全に、より効果的に、そして率直に申し上げて、すべての人にとってアクセシブルなものにすることです。
現在の業界のアプローチは、「予測の上の予測の上の予測」というものです。具体的には、DNAシーケンシングに基づいて免疫療法が効果的かどうかを予測しようとするやり方です。これは建築でいえば設計図（ブループリント）を使うようなものですが、私たちが扱っているのはHLAペプチド複合体、つまり実際の構成要素であり、実際のグラウンドトゥルース（真の事実）なのです。これは業界でほとんど誰も扱っていない領域です。
このグラウンドトゥルースを直接見ることができないと、極めて大きな結果を招きます。まず第一に、現在、免疫療法を受ける患者の80％は反応しません。そして、ターゲット毒性、つまり副作用が生じる確率は60％にも上ります。これは免疫腫瘍学が抱える巨大な問題であり、この分野は巨大な期待と巨大な可能性を持っているにもかかわらず、これらの障壁を乗り越えなければなりません。特に、パーソナライズドメディシンを考えるのであれば、なおさら克服すべき課題です。
私たちのソリューションはHLA Compassと呼ばれるものです。私たちは自社内に独自のラボを持ち、極めて感度の高いアプローチによって、人間の組織サンプルからHLA複合体を、従来比40％から80％も高い収率で取得することができます。そして私たちは、世界最大のHLAペプチドデータベースを保有しており、150万のユニークなペプチドを含んでいます。これがベースラインとなり、ターゲット提示尤度、HLA集団カバレッジ、そしてスクリーニング用のオフターゲット毒性を扱うAIツールを構築できるようになりました。
私たちはAIシステムを設計し、特定のタスクに対応する複数のモジュールを、GDPRおよびHIPAA準拠のプラットフォーム上で運用しています。バイアスについては、多様なパートナーとの協業によってデータセットを継続的に拡張することで、可能な限り低減しています。グローバルなパートナーシップを通じて、私たちのモデルは、先ほど申し上げた「予測の上の予測の上の予測」ではなく、測定可能なグラウンドトゥルースに基づいています。つまり、私たちは免疫システムが見ているものを正確に把握しており、DNAから副作用を予測するというアプローチを取っていません。
市場機会についてですが、まずTAM（獲得可能市場）に直接踏み込む前に、市場機会の全体像をご紹介したいと思います。先月時点で、市場機会は266億ドルでした。これにはサービス、ソフトウェア、試薬が含まれます。私たちはこのうちソフトウェアおよびサービス部分をターゲットとしており、この市場は年率12％で成長しています。
この市場機会は、別の角度からも捉えることができます。現在、さまざまな企業によって約7,000の免疫腫瘍学薬が開発中です。これらの開発それぞれに、ご存じの通り数十億ドルがかかり、しかも失敗率は非常に高いのです。この7,000の開発の少なくとも一部をターゲットとすることが、現在の私たちの目標です。
私たちの目的は、私たちが直面している課題を回避することにあります。免疫腫瘍学のimmunopeptidomicsは、通常、非常にキャッシュ集約的であり、しかも富裕国出身のサブ集団に偏ったデータが多いという特徴があります。だからこそ、私たちのビジョンは、データそのものを収集することで免疫腫瘍学全体を民主化することです。これを実現するための2つの主要ソリューションが、SaaS型のHLA Compassと、どの研究室でも展開可能な標準化キットです。
現在、私たちは複数のクリニックや業界パートナーと提携しており、すでに多くの国内外の賞を受賞しています。チームは15名で、ジェンダー平等を実現しており、11カ国の出身者で構成されています。ぜひ私たちに加わって、「免疫システムのGoogleマップ」を構築し、精密腫瘍学を皆のためにアクセシブルにしていきましょう。ありがとうございました。
Pascal： Armanさん、非常に簡潔で素晴らしいプレゼンテーションでした。それでは審査員の皆様に5分間の質疑応答時間をお渡しします。Veraさん、先に始められますか。
3-2 質疑応答：パートナーシップ・差別化・データプライバシー・精度・ビジネスモデル
Vera： はい、ありがとうございます。Armanさん、非常に興味深いお話でした。スライドが画面に表示されているのを見ながらお話を伺っていて思ったのですが、戦略的パートナーは誰になるのでしょうか。どのようなパートナーを探していて、理想的なシナリオはどのようなものなのか、お聞かせいただけますか。
Arman： はい。私たちには2つの側面のパートナーシップがあります。一つは、クリニックとの協業で、研究を行ったり実験を行ったりして、データを充実させ、データベースを拡張し、研究者がそのデータで作業できるよう支援するというものです。同時に、創薬企業や治療法開発企業とも連携しており、彼らの用途に合わせたカスタマイズツールを作成しています。また、私たちは自社のクライアントに対して再販も行っています。AIを開発しているバイオテクノロジー企業が、私たちのプラットフォーム上で私たちと一緒に公開する、という形もあります。
Vera： これまでに資金調達はされていますか。
Arman： いえ、私たちはブートストラップで運営しています。
Jesus： では次は私からよろしいですか。素晴らしいプレゼンテーションをありがとうございました。競合や競合技術と比較して、あなた方の主な利点は何かを少し教えていただけますか。スピードが速いのか、それともより正確なのか、テーブルにもたらす価値は具体的に何でしょうか。
Arman： 競合との比較にはいくつかの見方があります。まず、現在の業界標準で競っているという観点では、他にも免疫腫瘍学や免疫療法のデータベースは存在しますが、私たちはその中で最大のものです。そして、私たちはセルフサービス型のプラットフォームを持っており、基本的にワンクリックで動作します。通常、競合他社は導入時にカスタマイズを伴う展開を行い、実際に研究を進めるまでに数週間かかります。これに対して私たちは、毒性スクリーニングの結果を、7日間ではなく7分間で提供できる体制にあります。
Pascal： Sallyさん、ご質問はありますか。
Sally： はい、患者データの保護について、まだ説明されていなければお伺いしたいと思います。
Arman： 非常に良いご質問です。私たちは実際の患者データを持っていません。私たちが扱っているのは、バイオプシーから採取された組織サンプル、あるいはバイオバンクから購入した組織サンプルです。健康な組織と不健康な組織のセット、臓器に関する記述、そしてその分析を扱っているのです。個人を特定できる特定の人物のデータを扱っているわけではありません。むしろこれは、なぜ私たちが他のデータを見にいかないのかという理由でもあります。毒性スクリーニングや予測を行うのに、これだけの情報で十分であり、極めてセンシティブな情報を扱う必要がないからです。だから私たちは、そうしたデータを直接取り扱ってはいません。
Sally： つまり、データは事前にすべて除去されているということですね。
Arman： はい、その通りです。
Sally： 分かりました、ありがとうございます。
Pascal： まだ時間がありますので、他にご質問があれば。
Josine： こんにちは、聞こえていますでしょうか。ノートパソコンに大きな問題があって申し訳ありません。私は、千年も前の話のように感じますが、これに関連する分野で働いていたことがありまして、少なくとも当時は、私たちが使っていたどんなアルゴリズムでも、どんな予測でも、率直に言って非常に頻繁に失敗していました。3人にはうまくいって、次の4人にはうまくいかない、というような状況でした。あなた方の精度や、何らかのデータについて指標はお持ちでしょうか。お話から、ライブラリをお持ちで、それが教えるのだということは理解しました。
Arman： 素晴らしいご質問、ありがとうございます。完璧な質問です。これは私たちもしっかり把握している点です。なぜ機能すると言えるかというと、以前は難しかった、それは問題がデータ量にあったからです。私たちはついに十分な量のデータを集めることができ、測定可能なインパクトを実現できるようになりました。そして、私たちのレポートが正しいと信じるに足る理由の一つが、私たちのレポートがFDAの承認手続きで使用されているという事実です。私たちのレポートから得られる結果は、FDA向けに適用可能な形になっています。つまりFDAが、私たちの測定や予測が正しいと信頼できるに十分な精度を持っているということです。
Pascal： 残り1分ほどありますので、追加のご質問があれば。
Josine： いえ、大丈夫です。
Vera： ビジネスモデルについて簡単に質問させてください。製薬企業に直接販売しているのでしょうか。あるいは誰に販売しているのか、私には少し不明確だったので教えてください。
Arman： はい、私たちは中小規模から中規模・大規模までのバイオテック企業および製薬企業に販売しています。
Vera： ありがとうございます、よく分かりました。
Pascal： 素晴らしい、ありがとうございました。とても興味深いピッチでした。聴衆の皆様からのご質問はチャットに残しておいてください。後ほどお答えする時間を設けます。
第4章 Caremother by Doto Health：母子保健AIプラットフォーム
4-1 問題認識・疫学的発見・ソリューション設計
Pascal： 次にご紹介するスタートアップは、Doto HealthによるCaremotherです。妊娠と母子ケアのためのデジタルヘルスプラットフォームとなります。それでは、5分間のピッチをお願いします。
Dr. Shantanu Pathak： はい、ありがとうございます。少々お待ちください、画面を共有します。皆様にご覧いただけているでしょうか。こんにちは、私はDr. Shantanu Pathakで、Doto Health by Caremotherを代表してプレゼンを行います。私たちは「より健康な次世代のためのAI」を掲げており、何世代にもわたって母子・新生児ケアの問題に取り組んできたと信じています。それでも今なお、私たちは持続可能な開発目標（SDGs）を達成すべき重要な岐路に立っており、母体・新生児死亡が最も多く発生している場所に焦点を当て、それを理解する必要があります。
私たちが分娩、出産、そして出産後24時間という期間を見ると、母体および新生児死亡の約50％がこの時期に発生しています。しかしこれは突然起こるわけではなく、一つの旅路として捉える必要があります。これは妊娠初期から第3三半期に検出可能な高リスク妊娠と関連しており、最終的にこれらの管理が陣痛中に適切に行われない場合、あるいはアラートを見逃した場合に、産後出血、仮死、早産といった母体・新生児の死亡や合併症が発生してしまうのです。
現在のモニタリングと理解の状況を見ると、多くの場所でリスクを早期に特定する能力が失われています。これは重要な問題提起です。さらに、分娩室で母親が陣痛を起こしている際の観察、つまり intrapartum においても、看護師や医師がアラートを予測したり特定したりする能力には限界があります。これは、観察者間変動と主観性が存在するためです。加えて、陣痛は非常に長い時間に及びます。少なくとも初産婦の場合は8時間から24時間ほどかかり、その間に疲労が蓄積していきます。これらのプロセスはすべて継続的なもので、リスクを特定する妊娠前期から、陣痛中の8時間から12時間にわたる長時間モニタリングまで、継続的な注意を必要とします。これはまさにAIで解決すべき良い問題であり、デジタル面での解決余地もあるのです。
そこでCaremotherでは、妊娠前ケアから産後ケアまでの継続的なケアを提供する、デジタルファースト・AI駆動のプラットフォームを提供しています。私たちは最終マイル（last mile）でのポイント・オブ・ケア機器を提供し、胎児・陣痛モニタリング、新生児ケアも行っています。私たちのソリューションはISO、IEC、そしてインドのCDSCO（中央医薬品標準管理機構）の認証に準拠しています。
ここで、最終マイルにおいてAIが早期段階でリスクを特定するのに役立つ2つの具体的なユースケースについてお話しします。まず、母親が最終マイルでケアを受ける場合、リスクの特定が遅れることが多く、それに伴ってトリアージも遅れます。そこで私たちの「Small and Vulnerable Newborn（小型・脆弱新生児）」予測モデル、つまり早産予測モデルが、リスクを抱える母親を特定し、焦点を当てるのに役立ちます。
4-2 AIモデル・実証データ・市場戦略
Dr. Shantanu Pathak： このモデルは約30,000のデータセットでテストし、多層パーセプトロン（MLP）モデルを用いて構築しました。検証データセットおよびホールドアウトデータセット（Hidden）の両方で許容できる精度を実証しています。現時点では、私たち自身のダッシュボードと政府のダッシュボードを通じてパイロット運用を行っており、モデルが展開されたうえで、トリアージとエンゲージメントのプラットフォームを通じて、最前線の医療従事者が高リスクの母親に対して行動を起こせるよう教育されています。
ここで重要なのは、私たちはこれを臨床判断支援ツール（Clinical Decision Support Tool）として直接位置づけているわけではなく、患者のトリアージと効果的なエンゲージメントのためのツールとして提供しているという点です。
もう一つのユースケースは陣痛と胎児のモニタリングです。デバイスからのデータを処理し、パターン解析を行うことで、陣痛と出産期におけるリスクやアラートを特定します。これにより、観察者間変動を克服します。既存ソリューションと比較すると、解釈性が40％高いことを示しています。パターン解析にはLSTM（Long Short-Term Memory）を使用しています。モニタリングから臨床判断までのユースケースとして、手動運用の場合、約20％のケースで異常が見逃されていた可能性があることが分かっています。つまり、私たちはまずドキュメンテーションの時間を節約し、見逃される異常を減らし、結果として入院時間とコストの削減、そして死亡率の削減に貢献しているのです。
私たちはこの成果をグローバルな機関でも実証してきました。本日までに、約50万件以上の妊娠に対して100万件以上の検査が実施されており、私たちのユーザーには民間病院、企業、そして公衆衛生施設の両方が含まれます。女性のヘルスケアにおけるグローバル市場規模は約25億ドルと、決して小さくない市場です。私たちの主な提供形態は、B2GとB2Bですが、SaaSモデルもテストしています。これは政府のダッシュボードが私たちのモデルを使用し、患者と医療従事者のトリアージとエンゲージメントのサービスとして対価を支払っていただくモデルです。
私たちは、インドおよび他7カ国で各種ソリューションのパイロットを実施してきました。今後の計画は、インドを超えてこれらの取り組みを拡大することです。データ戦略はとてもシンプルで、デジタル公共財（Digital Public Good）を構築し、さまざまな学術パートナーと連携して、インド、そして最終的には世界のためのデータレポジトリを作成することにあります。チームは業界経験豊富なメンバーで構成され、AIの実現のために専門家を確保し、関連領域のアドバイザーも迎え入れて、計画どおりに実行できる体制を整えています。
すでに実証してきたインパクトを、インドだけでなく世界に広げるために、ぜひ私たちに加わってください。ありがとうございました。
Pascal： ありがとうございます、非常に重要な仕事で、興味深いピッチでした。このコンテストで母子保健を扱うスタートアップが見られたのも素晴らしいことです。それでは、審査員の皆様、5分間の質疑応答を始めます。Jesusさんからお願いします。質問は一つに絞ってお願いします。
4-3 質疑応答：EHR統合・グローバル市場・展開モデル・スケーリング障壁
Jesus： ありがとうございます。診断系のこうしたソリューションでよくある問題は、支払いだけでなく、病院や医療機関の既存のEHR（電子カルテ）システムへの統合です。この点で経験はおありでしょうか。実際に統合されている病院で試されたことはありますか。素晴らしい仕事ですね、ありがとうございます。
Dr. Shantanu Pathak： ありがとうございます。これは本当に重要な質問です。確かに統合は時に課題となりますが、私たちのシステムは独立したモニタリングシステムとして動作する設計になっています。AIはエッジで動作し、モニタリング全体もエッジで完結します。そして、結果はレポートとしてデータをプッシュする形で送られます。つまりアラートなどはすべてエッジとデバイス自体で発生する仕組みです。これにより、即時の統合の必要性と、システムへの依存性という問題に対応しています。
Jesus： 分かりました、ありがとうございます。
Pascal： 次はVeraさんお願いします。
Vera： Shantanuさん、素晴らしいピッチでした。実は、ほんの数か月前であれば、これほど関連性のある話題だとは思わなかったかもしれません。最近、私は叔母になったばかりなのです。兄夫婦に赤ちゃんが生まれました。だからこそ、私が今いるドイツのような先進国でも、これほど多くの赤ちゃんが亡くなっているという事実を聞いてショックを受けたのです。最大の問題はどこにあると思われますか。B2Gとおっしゃいましたが、政府との協業を進めることで、必ずしも資金調達をする必要はなく、政府の支援を得ようとされているのでしょうか。そして、最も大きな問題はどこにあるとお考えでしょうか。
Dr. Shantanu Pathak： まず市場についての質問にお答えすると、私たちは政府と民間施設の両方に提供しています。正直に申し上げると、私たちの理解では、当初この問題は発展途上国にのみ存在するものだと考えていました。インドとアフリカで仕事を始めたためです。しかし、世界中のいくつかの大学や病院と関わり連携してから、私たちは2つの問題があることに気づきました。
一つは、陣痛のモニタリングと進行の理解における主観性で、これは世界中に存在しています。イギリスは昨年、産科過失（maternal negligence）に対して35億ポンドを支出しました。もう一つは、リスクを特定し予測する能力で、これによって早期に介入できるようになります。リスク要因は国によって異なりますが、私個人としては、モニタリングと妊娠前ケアの質、そしてリスクの早期特定こそが、最大の母体・新生児死亡を引き起こしている主な原因だと信じています。
Pascal： 次はJosineさん、お願いします。
Josine： はい、ありがとうございます。先進国でも同様の問題が起きるというのは、確かにその通りで、これはグローバルな機会だと思います。私の質問はJesusさんに少し近いものです。現場で必要となる接続性が高いデバイスが多くあるとのことですが、通常それにはトレーニングも伴いますよね。現場にどのように展開しているのか、そして今の運用と比べてどの程度コストがかかるのかを少し詳しく教えてください。
Dr. Shantanu Pathak： はい、ご覧いただいているのはポータブルな箱型のデバイスで、ある場所から別の場所へ持ち運ぶことができます。胎児モニタリング用にせよ、最終マイルでのケアモニタリング用にせよ、現場の医療従事者が持ち運ぶ箱型のデバイスとなります。これらのソリューションは過去5年間にわたって市場で展開されテストされてきました。ピッチでも触れたとおり、ナイジェリア、シエラレオネ、ケニアでもパイロットを実施してきました。
私たちが理解していることは、デバイスの要件は当然のものであるということです。なぜなら、リスクを予測し特定するには質の高いデータが必要だからです。だからデバイスは重要な役割を果たします。パッケージ全体を作り上げることによって、優れたユーティリティを提供し、リスクの特定に役立てることができるのです。
ただし、標準的なデバイスをすでに持っている場合、データを私たちのエンジンに送るだけで結果が生成される、というプラットフォーム型のモデルも作っています。両方のモデルが利用可能ですが、私たちの理解では、低中所得国（LMIC）ではパッケージモデルの方が、単なるソフトウェアプラットフォームよりも歓迎されています。一方、先進国市場ではソフトウェアへの関心が高くなっています。これらが典型的なメカニズムです。お答えできたでしょうか。
Pascal： あと一問、時間があります。Sallyさん、いかがでしょうか。
Sally： はい、まず先ほどのご回答は、私が考えていた質問への素晴らしい答えでもありました。そのうえでお聞きしたいのは、これをスケールしていく際、最も大きな課題、つまり大きな岩はどこにあるか、ということです。展開における障壁は何でしょうか。
Dr. Shantanu Pathak： はい。良い面としては、私たちは複数の国でパイロットを実施し、先進国市場でも研究関連の連携を進めてきました。これら2つの理解を組み合わせて分かったことは、規制パスがスケールを遅らせる要因だということです。各国ごとに承認を取得する必要があり、しかも国レベルでのランドスケープの変化が非常に多いのです。これは私たちを少し遅らせます。
しかし、それを別にすれば、ニーズは普遍的だということが私たちが理解した点です。高リスクの分類であれ、モニタリングの優先順位付けであれ、先進国市場では現場の医療従事者の時間を節約することにつながります。何らかの形でテクノロジーは貢献しているのです。だから私たちはその点については心配していません。ただ、ステップバイステップの受容が必要だ、というのが唯一の点です。
Pascal： 残念ながらお時間切れとなりました。ありがとうございました、Shantanuさん。素晴らしいプレゼンテーションでした。本当に重要な仕事をされていますね。
第5章 Mary Health：AIネイティブプライマリケアインフラ
5-1 問題提起・PATコンセプト・市場戦略
Pascal： あと2社のスタートアップが残っています。次にお迎えするのはMary Healthです。AIネイティブなプライマリケアインフラを提供しています。それでは5分間のピッチを始めてください。
Bernard： 皆様、こんにちは。私はBernardです。Mary Healthからまいりました。私はChief of Global Research Validationを務めており、私たちのフロンティアクラスの臨床グレードデータを、臨床的信頼性のあるエビデンスベースのモデルへと変換する役割を担っています。
私たちMary Healthが構築しているのは、安定したインターネットや電力がない地域においても、AIソフトウェアとハードウェアを使って、十分なケアを受けられない患者に質の高いプライマリケアを提供するためのインフラ系スタートアップです。
先進国においても、人々は具合が悪くなるとまずGoogleで検索して助けを求めます。あるいは従来型のテレヘルス、つまり患者とプロバイダーの間で同期的にビデオ通話を行うサービスを利用することもあります。しかし、これは患者ニーズのわずか15〜20％しか満たしていません。そして、より悲しいのは、世界で約20億人以上の人々が、最も必要なときに医師と話す機会すら持っていないということです。私たちはここに切り込んでいきます。
この壊れたプライマリケアシステムは、地理と帯域幅に縛られ、人員不足とも相まって、アクセスが困難で一貫性に欠け、見えない場所に閉じ込められたままになっています。私たちのソリューションは、私たちが「PAT（Patient Access Terminal）」と呼ぶものです。PATは、銀行に対するATMのような存在を、病院やヘルスケアシステムに対して提供するものだとお考えください。ただし、PATはより賢く、AIを動作させ、臨床グレードのデータを取得し、適切な臨床医にケアをルーティングする機能を持っています。
現在、私たちはガーナの複数のサイトに15台のPATを展開しています。PATは血圧、体温、人体計測値などを測定する機能を持っています。最終マイルの患者、特に慢性疾患を抱える患者にとって、PATは命を救うものであり、奇跡と呼べる存在になっています。
ここで明確にしておきたいのは、PATは臨床医を置き換えるものではないということです。私たちは依然として臨床医を業務の中心に据えています。PATは、既存の臨床医が「5倍多くの患者に、5倍の効率で、5倍低いコストで、5倍以上のケア」を提供できるようにするためのものなのです。
私たちのGo-to-Market戦略には、コミュニティ活性化（community activation）が含まれます。これは、私たちのスタッフ、臨床医、研究者がコミュニティに入り込み、人々をオンボーディングし、私たちのテクノロジーを紹介し、信頼を築くという取り組みです。これは非常に重要です。私たちのソリューションは机上の理論ではなく、コミュニティ活性化を通じて実際に進めている活動です。ご覧いただいているのは、ガーナのChop Praasoというコミュニティで先日実施したコミュニティ活性化プログラムの写真です。
サステナビリティモデルとしては、D2CモデルとB2B2Cモデルを持っています。D2Cモデルでは、ガーナの政府出資の保険であるNational Health Insurance Schemeと提携し、ガーナのすべてのコミュニティでプライマリケアが提供されるようにしています。患者は受診ごとの支払い（pay-per-visit）も選択できます。
現在のトラクションとしては、4つのコミュニティ活性化を完了しており、今年中にさらに49か所での実施を予定しています。私たちはAsk Mary OSをすべてのガーナ国民に無料で提供しており、WhatsAppを通じてアクセスできるようにしています。さらに42名の臨床医がDoc Maryソフトウェアにオンボーディングされています。政府承認のローンチ地区を持ち、現在はAga大学などの機関と戦略的に提携してモデルを検証し、倫理的に展開可能であることを確認しています。
このピッチでは、約2万ドルの資金を募り、ガーナの4つのコミュニティの30万人以上の最終マイル患者にテクノロジーを届けることを目指しています。コミュニティ活性化を通じて、私たちは単なる初期ケアやアセスメント以上のものを届けます。臨床医とボランティアが数日間そのコミュニティに滞在し、ケアと治療、そして私たちのテクノロジーの実地での導入を行います。
私たちの仕事は、臨床医、エンジニア、研究者からなる、卓越したオペレーションを持つチームによって遂行されています。彼らは、ヘルスケアは人権であり、状況や出自に関わらず、すべての人がアクセスできるべきだ、という共通の信念を共有しています。さらに、強力な臨床機械学習の専門家やグローバルヘルスのエグゼクティブを含む、優れたアドバイザーチームに支えられており、彼らは最も困難なヘルスケアの課題に取り組んできた経験を持っています。
ありがとうございました。質疑応答については、創業者兼CEOであるPhelix Davisにバトンを渡したいと思います。
5-2 質疑応答：機能詳細・スマートフォン代替との比較・ロードマップ・資金状況
Pascal： ありがとうございました。最初に手を挙げたのはJesusさんですね。それでは5分間の質疑応答を始めます。
Jesus： はい、PATが実際に何をするのかが、私にはよく理解できませんでした。これは打ち込み式のデバイスで、症状や質問への回答を打ち込むものなのでしょうか。数年前、私はガーナのスタートアップを知っていました。素敵な方々でして、Randor Fusuさんという友人もいました。彼らはVisa Health Appのようなアプリを持っていて、患者と医師をつなぎ、本質的には事前診断のようなことを行っていました。あなた方のPATが行っているのも似たようなことなのか、どのように構築されているのかを教えてください。
Phelix Davis： 素晴らしい質問ですね。まず、医師にとって、患者の身体バイタルや生理学的データは診断プロセスにおいて極めて重要であるという点が、まず大前提となります。例えば、高血圧の患者や慢性疾患を抱えた患者については、血圧を継続的に測定し、経時的にモニタリングする必要があります。
PATは、コミュニティ規模で関連する身体バイタルを取得するために私たちが提供する、ハードウェアレイヤーなのです。私たちのAI臨床トリアージあるいは臨床アシスタントである「Ask Mary」が患者とやり取りして背景となる病歴情報を収集する際、その何千マイルも離れた場所にいる医師が、必要な生理学的データなしに臨床判断や診断を行うことがないようにする、というのが私たちが解決している中核的な問題です。
つまり、テレコンサルテーションのプロセスにおいて、医師が適切で十分な情報に基づいた判断を下せるよう、質の高い身体バイタルが組み込まれるようにする、ということです。ガーナのような地域では、これは最終マイルの患者にとってリアルタイムのゲームチェンジャーとなります。ガーナのインターネット普及率やデジタルリテラシースキルは現在約54％ですので、私たちはコミュニティ規模でPATを展開し、インターネットアクセスや電気の有無に関わらず、患者が質の高いケアにアクセスできるようにしています。
Pascal： 次の質問に進みましょう。Sallyさん、お願いします。
Sally： まず、とてもクールなアイデアですね。これは間違いなく必要なものです。世界中の十分なケアが届いていない地域で機能することは想像できます。ただ私の質問は、「なぜターミナル方式なのか」ということです。今日、すでに携帯電話上でバイオメトリクスをすべて取得し、テレヘルスを実施できる組織が存在しているからです。それなのに、患者にどこかに行ってもらうようなアプローチを取ろうとしているように見えます。もちろん、すべての人が常時接続性を持っているわけではないと理解しています。それでも、PATでも提供しつつ、スマートフォンのアプリとしても提供して、アクセス可能な人がわざわざ別の場所に行かなくて済むようにする、という道はないのでしょうか。
Phelix Davis： 素晴らしい質問です。実は、私たちの消費者向け製品はAsk Maryと呼ばれ、現在モバイルフォンを持つ誰にでも利用可能です。WhatsApp経由で提供しています。
Sally： それはバイオメトリクスも対応していますか。
Phelix Davis： いえ、それは対応していません。
Sally： まさに私が言いたかったのは、バイオメトリクスも電話でできるという点なのです。
Phelix Davis： これは非常に重要な点です。スマートフォンでは、ISOグレードのセンサーが取得できるような重要な身体バイタルを取得することができません。例えばPATでは体温も取得できますが、モバイルフォンではほとんど不可能です。
Sally： いえ、今日それを行っている企業があるんです。Bina AI（B-I-N-A）と、Healthy AI（H-E-L-F-I-E）を見てみてください。時間を取りすぎたくないので、次の質問に進んで構いませんが、見落とさないようにお伝えしておきたかったのです。
Phelix Davis： いえ、大丈夫です。後ほどそれにお答えする機会があると願っています。
Pascal： あと1問だけ時間があります。Veraさん、お願いします。
Vera： Johanさんに譲ろうかと思いましたが、彼の質問が私の質問と非常に似ていたのでそうします。私もとても重要なことを解決していると思います。先ほどおっしゃっていたこと、つまりパンデミック期間中にテレヘルスがどれほど多くの命を救ったか、特に新興市場で重要だったということについては、私自身も当時新興市場にいたので強く実感しています。先進国よりも医師が少ない場所だからこそ、本当に必要とされていました。
しかし、Sallyさんも示唆されたように、これをどう拡張していくのでしょうか。ターミナルだけだと、医師の所まで行くのと同じように、なんとなく難しさがあります。電話やドクターを選べる中で、なぜわざわざターミナルに行く必要があるのか。あなた方のロードマップが何なのか、まだ共有されていないかもしれません。なぜなら今回は資金提供のお願いだけだったので。ちなみに、Call to Actionとしてはとても良かったです。「お金が欲しい」と明確に言えるピッチは多くありません。皆、自分が何を求めているのかをはっきり言わない場合が多いので、それは素晴らしかったです。2万ドルを調達したいとのことでしたが、何を構築する予定なのでしょうか。
Phelix Davis： まず申し上げると、すでにプレシードで65万ドルを調達済みで、現在シードラウンドを実施中です。それに対して1,000万ドルのコミットメントをすでに得ています。私たちのPATは、6種類以上の必須身体バイタルを臨床グレードで取得します。ウェアラブル技術で取得されるタイプのバイタルもありますが、臨床判断プロセスにおいて医師が依拠しなければならない、より重要なタイプのバイタルもあります。これらは医療承認を受けたデバイスです。ロードマップについてですが、私たちはPATを基本的に「小型病院のミニチュア版」として構築しています。これは、質の高いヘルスケアへのアクセスがない最終マイルのコミュニティに容易に展開できるもので、これが発展途上国出身の大多数の人々の現実なのです。私たちはそのために、医療グレードのテクノロジーを構築しているのです。
Pascal： 申し訳ありませんが、完全に時間切れとなりました。次のスタートアップのために時間を確保したいので、ここで区切らせていただきます。
第6章 Raresome：希少疾患診断AI
6-1 問題認識・ソリューション概要・差別化要素
Pascal： それでは次のスタートアップ、Raresomeをお迎えしましょう。5分間のピッチを始めてください。
Ayman： こんにちは、私はAymanです。Raresomeの3人の共同創業者の1人です。Raresomeで私たちが目指しているのは、持続可能な開発目標（SDGs）の3番、9番、10番、17番に貢献することです。私たちのビジョンは、世界中のすべての人々に、あらゆる年齢、あらゆる地域において、タイムリーで正確な診断を提供することです。それを実現する方法は、医師とヘルスケアシステムを支援する信頼できるAIを開発することです。
ヘルスケアシステムを見ると、世界中のほぼすべての国で、高齢化と患者数の増加が進行しています。さらに、EHR（電子カルテ）システムが調和されておらず、医師にとって非常にナビゲートしにくいという非効率も存在しています。患者数の多さと非効率なシステムに加えて、医師は時間的プレッシャーと過負荷に直面しています。最終的にこれは、患者に対するケアの質の低下を招きます。
そこで私たちは、「最大の課題」に取り組もうと考えました。世界には7,000の希少疾患があり、3億人の希少疾患患者が存在します。しかし残念ながら、そのうち50％は一度も診断されません。運良く診断される人でも、診断にたどり着くまでに30人の医師を訪れ、5年もの歳月を要します。
これらの問題の根本原因を深掘りすると、第一には複雑な医療記録の問題、そして第二には7,000もの希少疾患に対する本来的な認知度の低さがあります。Raresomeでは、まず複雑なEHRデータを医療向けNLPモデルでキュレーションし、そのキュレーション済みデータを独自のアルゴリズムに通します。現在、私たちは医師の診断を支援できる希少疾患を多数保有しています。
私たちの目的は、医師の「最初の疑い」を増やし、さらなる診断検査を実施できるようにすることです。今日Claude、Gemini、ChatGPTといったモデルの話題が議論に挙がりましたが、私たちはこれを主に「製品レベル」で見るべきだと考えています。私たちのコンテキストハンドリングは非常に強力で、ハルシネーションはほぼゼロに近く、Raresomeは決定論的（deterministic）なプラットフォームです。さらに、私たちは医師に対して、なぜその患者が希少疾患を持っている可能性があるのかを、患者の電子カルテから抽出されたデータに基づいて明確に説明します。これはEU AI Actとの準拠の追加レイヤーにもなっています。
加えて、現在私たちはインターネット接続を必要とせずに病院システムに統合できる自社モデルを開発中で、これによりGDPRおよびHIPAA準拠もさらに向上します。病院が何を求めているかを考えると、彼らは効率性を求め、単一疾患だけでなく包括的なソリューションを求め、データプライバシーとセキュリティを求めています。
Raresomeを使うことで、希少疾患患者を早期に診断することで、患者一人あたり50万ドルの医療コスト削減をヘルスケアシステムにもたらしていることが分かっています。現時点で対応している希少疾患は100以上で、年末までに300に拡大予定です。シームレスなAPI統合によって病院に提供しており、データセキュリティのISO認証をはじめとする各種認証も取得済みです。
6-2 検証実績・市場戦略・規制承認状況・質疑応答
Ayman： 認証について申し上げると、昨年11月にトルコ保健省からヘルスケア向け意思決定支援ツールとしての承認を取得しました。現在はスペイン、EU MDR、FDAなどの手続きを進めています。市場を見ると、希少疾患はどこでも発生しえます。ただし、より顕在化している市場もあります。市場価値で見ると、希少疾患市場はヨーロッパとアメリカが主導しており、人口の概ね10％程度に影響を及ぼしています。
Pascal： 残り1分です。
Ayman： 競合についてですが、私たちは医療グレードAIとコンプライアンスにおいて、ほぼパイオニア的な立ち位置にあります。ヨーロッパとアメリカでは異なるモデルを採用しており、ヨーロッパではまず病院をターゲットにし、ネットワークを通じて成長していきます。アメリカでは保険会社をターゲットにしています。料金体系としては、B2CとB2Bでのライセンス料モデルと、その後の従量課金（pay-as-you-go）モデルを採用しています。
私たちは2024年に設立されました。複数のアクセラレータプログラムに参加し、最初の資金調達を完了しました。EIT Healthで第1位を獲得し、現在は4社のクライアントがいます。年末までには、共に取り組んでくださっている素晴らしいチームとパートナーの支援を受けて、スペインの32病院との統合を目指しています。
最後に申し上げたいのは、「私たちが団結すれば、希少疾患は決して希少ではない」ということです。ありがとうございました。
Pascal： ありがとうございました。それでは早速質疑応答に入りましょう。5分間スタートです。
Jesus： ありがとうございます。素晴らしい問題、というか、大きな問題ですね。データアクセスについて質問があります。素晴らしいことのように聞こえますが、実際にどれくらいのケースで対応できるのでしょうか。一つの病院に行ったときと、より多くのデータが必要になるとき、データアクセスの問題にどう取り組んでいるのでしょうか。
Ayman： まず、私たちはいくつかの病院でプルーフ・オブ・コンセプト（PoC）を実施しました。例えば、アンカラ大学では3,000人の患者プロファイルを受け取り、すべてをスキャンしました。その結果、すでに確定診断されていた8名の患者を確認することができ、さらに同じコホート内で医師が新たに3名の患者を診断するのを支援できました。これらの数字は、実は驚異的なものです。なぜなら、希少疾患の発生率は通常10万人に1人だからです。
そして、病院に統合されれば、病院の規模に関わらず、来院するすべての患者をスキャンできるようになります。医師に対しては「先生、この患者は希少疾患の可能性があります、さらなる診断検査を行ってください」というポップアップシステムを提供します。
Jesus： なるほど、ありがとうございます。
Pascal： 次の質問は誰が行いますか。Sallyさん、お願いします。
Sally： はい、B2Cモデルとは何かを説明していただけますか。よく理解できなかったので。
Ayman： 完璧な質問です。私たちが企業として、すべての病院に統合できるわけではありません。医師の中には、例えば500ページのPDFのデータを持つ患者を分析する必要があるが、シンプルに診断できない、という方々もいます。私たちのB2Cプラットフォームの「C」は、実は医師を指しています。患者やその家族向けには開いていません。医師がRaresomeに来て、GDPRに準拠する形で自分のファイルをアップロードし、ウェブサイト上で地理に関わらず患者プロファイルをスクリーニングできる、というモデルです。たとえ自分の病院にRaresomeが導入されていなくても利用できます。具体的な例として、2026年にはトルコの1万人の小児科医にRaresomeを提供することを目指しています。たとえ病院システム内に入っていなくてもです。
Sally： つまり、これは「Business to Doctor」、つまりB2Physicianということですね。
Ayman： その通りです。
Sally： 明確にしてくださりありがとうございます。
Pascal： 次の質問お願いします。
Josine： 希少疾患の少なくとも大部分は、遺伝的原因を持っています。それが希少疾患を予測する最大の要素であり、1〜2個の遺伝子の何らかの遺伝子配列やスニペットによるものです。あなた方の大規模言語モデルにおいて、遺伝子配列を考慮に入れているのでしょうか。もし患者の遺伝子配列やそのスニペットが必要だとすると、根本原因に到達するためにここでも課題があるのではないでしょうか。
Ayman： その通りです。今まさに、私たちは5つのヨーロッパの大学病院とコンソーシアムを構築しているところです。Raresomeがこのコンソーシアムにもたらす価値は、表現型データ、症状、患者の訴え、そして診断を分析・生成することです。このデータは遺伝学者にとって非常に価値があります。なぜなら、通常、遺伝学者は依頼医師から多くのデータを得られないからです。
第二に、私たちはマルチオミクスデータを用いた臨床知識グラフを構築しています。遺伝データはその主要な領域の一つで、表現型とマルチオミクスのマッチングに統合されます。これによって、おそらく1〜2年後には、表現型とマルチオミクスデータの組み合わせから、新しい遺伝子標的や新しい診断バイオマーカーを見つける支援ができるようになると期待しています。お答えになっていれば良いのですが。
Pascal： 最後にもう一問だけ時間があります。審査員の方、いかがでしょうか。
Jesus： はい、ビジネス面についてお聞きします。病院に導入する労力がかなりあると思いますが、ペイオフはどうなっているのでしょうか。病院はどのくらいの規模である必要があるのでしょうか。5人の患者を見つけることでコスト全体をカバーできなければならない、というような点について教えてください。
Ayman： はい、まず基本的なサブスクリプションモデルは5,000ドルから始まりますので、病院にとってかなりリーズナブルです。例えばベッド数200の病院なら、おそらくその数を超えることはありません。お金を稼ぎたくないというわけではありません。1日に10万人の患者が来るような大きな病院もあり、そうした規模に応じて病院ごとの価格設定を引き上げていきます。
それから、スライドでは触れませんでしたが、副次的な利点もあります。例えば、Raresomeの言語モデルは医師の患者退院サマリーの作成も支援でき、Raresomeが導入されていない場合と比較して、その時間を80％削減できます。
Pascal： 残念ながら時間切れとなりました。私たちは少し時間オーバーしていますので、急がなければなりません。これですべてのスタートアップのピッチが終了しました。素晴らしいピッチをありがとうございました。
第7章 優勝者選定までのパネル討論
7-1 受賞意義・AIによる技術加速に関する各社見解
Pascal： 皆様、そのままお待ちください。審査員の方々は別のリンクにログオンしていただき、決定を下していただきますので、数分お時間をいただきます。決定したら戻ってきてお知らせください。その間、私はスタートアップの皆様とお話を続けたいと思います。
まず、このピッチセッションの優勝者が何を得られるかを改めてご紹介します。2026年のAI for Good Global SummitにおけるInnovation Factoryグランドフィナーレへのチケット、同サミットのスピーカーパス、スタートアップポッド、フロンティアステージでのピッチ機会、そしてAI for Good Innovation Factoryスタートアップアクセラレータプログラムへの独占アクセスなどが提供されます。さらには、国連や他の潜在的なビジネスパートナーとのネットワーキング機会も得られます。これは本当にスタートアップを大きく変える可能性を持っています。
それでは、まずShantanuさんからお伺いします。本日のピッチコンテストで優勝された場合、あなた方にとって何が変わるでしょうか。
Dr. Shantanu Pathak： こうしたソリューションが存在し、グローバルなニーズに役立つことを示すプラットフォームの可視性こそが、重要な意味を持つと思います。これによって、さまざまな政府や、国連ネットワーク内の関連ステークホルダーに一度にアプローチできるようになります。これは通常、非常に困難な作業です。
第二に、メンタリングネットワークを通じて、ステークホルダーへとどのように到達するかという道筋の理解が深まります。これは時間とエネルギーを大幅に節約してくれます。最後になりますが、少額の資金でも、パイロットを検証し、エンゲージし、デモンストレーションを行うことに使えますので、受容性を高めることができます。つまり、おっしゃっていただいたように「すべてが揃ったパッケージ」だと考えています。結果を楽しみにしています。
Pascal： ありがとうございます。同じ質問をAymanさんにお聞きします。今回お話しいただいたばかりですが、AI for Goodサミットに参加することで、あなた方にとって何が変わるでしょうか。
Ayman： ステークホルダーへの露出は、私たちにとって極めて重要です。私たちは地理に関わらず、すべての国でパートナーを必要としています。なぜなら希少疾患は、どこでも起こりうるからです。このプラットフォームは国連によって支援されているという点で素晴らしく、すべての国の複数のパートナーとつながることができます。もし優勝したらLinkedInに大きな投稿をするというジョークを言いたかったのですが、こうしてトップ5として皆様の前でプレゼンできていること自体、すでに私たちにとって大きな成功です。
Pascal： ありがとうございます。次にMedbrainのBazarさんにお伺いします。
Bazar： こんにちは、Pascalさん。審査員の方からClaudeやGeminiについて質問があったLLMの位置づけについて、世界に示せることは本当に意義深いと考えています。私たちが解決しているのは、オフラインでも精度を保ったアクセシビリティです。アルゴリズムと、エチオピアとナイジェリアで蓄積したチームの臨床経験を組み合わせることで、人類の最も初歩的で根本的な問題を解決できるということを世界に示せたら素晴らしいと思います。
Pascal： 素晴らしいですね、皆さんが頷いておられるのが見えます。私は唯一カメラがオンになっている人間なのですが、頷きが見えています。AIの発展に伴って、皆さんの技術がどのように加速されたのか、お伺いしたいと思います。Bernardさん、お願いできますか。
Bernard： はい、私が答えますね。AIは現在のテクノロジー領域で本当に良い仕事をしています。ヘルスケアに適切に組み込むことで、医師や臨床医の負担を軽減し、待ち時間も短縮できます。例えばアメリカのような先進国であっても、プライマリケア医師に診てもらうまでの待ち時間は、ボストン地域やニューイングランドのような需要の高い地域でも、30日から3か月もかかります。AIが入り込んで臨床医のワークフローを合理化できれば、患者は医師に間に合うようにアクセスでき、必要なケアを受け、必要なソリューションをより短い時間でより少ない労力で得られるようになります。
Pascal： ありがとうございます、Shantanuさん、AIはあなたのテクノロジーをどのように加速していますか。
Dr. Shantanu Pathak： 3つのポイントに絞って手短にお話しします。AIによって私たちが解決できるようになった主要な課題があります。一つ目は、施設における助産師と看護師の業務負荷です。フィールドからも分娩室からもモニタリングが行われる中、AIは「機械やアルゴリズムはリスク特定において疲れることがない」という安心を彼らに与え、しかもそれが確実に運用されていることを保証します。
二つ目は、ドキュメンテーション部分です。AIのもう一つの側面は、主観性を取り除くことです。結局のところ、私たちは人間であり、概念の学び方や理解の仕方には個人差があります。AIはそのスキルギャップを橋渡しし、臨床判断の観点では、母子の合併症を防ぐための非常に重要な要素となります。
三つ目は、ドキュメンテーションについてはすでに触れましたが、引き継ぎサマリー（handover summarization）に関する課題です。看護師や助産師がシフトを交代する際に、コミュニケーションギャップが存在します。私たちはそうしたギャップも削減していこうとしています。本当にワークロードと、スキルのギャップを防ぐのに役立っているのです。
Pascal： ありがとうございます。Aymanさんにも同じ質問をします。
Ayman： 私は元々企業勤めの頃から起業家になりたいと思っていました。当時はファイザーでヨーロッパマーケティングを担当しており、53カ国を見ていたのですが、すべての国で同じ希少疾患診断の問題を抱えていることに気づきました。これは8〜10年前のことです。そして2020年から2022年頃には、既存のデータを活用して医師を支援できるかもしれないと考えるようになりました。それ以前は、ほぼ不可能でした。人為的エラーや時間に左右されるものだったからです。
しかし今では、スケールでも実現できます。これが最大の貢献の一つだと思います。「AI」という言葉が出ると、皆ファウンデーションモデルのことを思い浮かべますが、ここにいる人々は、現実の人々の生活を変える製品を生み出している、特にヘルスケアにおいてそうだと言えます。
Pascal： 面白いですね。私はAIの悲観的な面についてもよく執筆しているのですが、ヘルスケア領域で見られる可能性は本当に興味深いものです。皆様一人ひとりからお話を伺い、何をしているのか、どちらの方向に向かっているのかが分かるのは大変刺激的です。
7-2 ヘルスケアAIにおけるデータ規制・スタートアップ課題に関する討論
Pascal： お伺いしたかったのはデータについてです。AIモデルを良くするのはデータですが、ヘルスケアには国によって特定の規制があり、データを扱うことができない場合もあります。これは課題でしょうか。どなたかお答えいただけますか。
Ayman： 申し訳ありません、私が答えてもよろしいですか。もし他の方が話されたいのであれば、その後でコメントします。データへのアクセスについては、アメリカではヨーロッパに比べてやや保護が緩いと思いますが、欧州委員会が支援している、あるいは推進しているデータ調和（data harmonization）プロジェクトの助けを借りて、今後はモデルの訓練などに使えるデータが増えていくでしょう。しかし現時点では、データアクセスはまるで超高セキュリティの刑務所のようなものです。これはヨーロッパで私たちが直面している、いわば挑戦的なポイントの一つです。
Pascal： Shantanuさん、あなたはインドを拠点にされていますよね。そちらでは問題になっていますか。
Dr. Shantanu Pathak： 私たちの規制とデータプライバシーのランドスケープは、これらのリスクを考慮して過去5年間で急速に進化してきました。これらの要件を満たし、管理することは私たちにとって課題でした。しかし、良い面としては、これがグローバルなニーズへの準備にも役立ちました。例えば、現在オックスフォード大学と進めているいくつかの研究については、私たちはすでに準備が整っていたため、限られた時間の中で連携を開始し、共同作業を進めることができました。
ですから、規制ランドスケープを理解することは重要です。それが急速に進化することで、私たちのナビゲーションにも役立っています。同時に、こうした連携をインドを超えて広げていく場合、特に他国に製品を導入する際には、現地の規制要件やプライバシー・データ関連の法律を特定し、すべて遵守していることを確認するのに時間がかかるという制約があります。
Pascal： ありがとうございます。Bernardさん、アフリカではいかがですか。
Bernard： はい、データに関して、特にアフリカの環境では、データプライバシーや利用に関する課題はそれほど多くありません。ただし、私たちはアメリカの機関とパートナーシップを結んでモデルを検証しており、そこではどのデータをパートナーに送れるかという課題に直面します。患者情報があれば当然、デ・アイデンティフィケーション（個人情報の除去）を行い、IRB（Institutional Review Board、施設内倫理委員会）の倫理審査プロセスを経て、適切に進める必要があります。アフリカの環境では比較的問題は少ないのですが、私たちは国際市場へのスケールアップも目指しています。その際にはデータ関連の問題がもう少し時間を要するようになります。
Pascal： Armanさん、今まで静かでしたが、同じ質問をさせてください。ヘルスケアにおけるデータの扱いはどれくらい難しいと感じていますか。聞こえていますか。
Pascal： 聞こえていないようですね。それでは次の質問に進みます。現時点でヘルスケアAIスタートアップであることの主な課題は何だと感じていますか。どなたかお答えいただけますか。
Ayman： 私が答えます。規制面については、確かに前進しています。これはこれまでは無法地帯（wild west）のようなものでした。そして医師の信頼はまだ十分には得られていません。これは私もきわめて正当なことだと感じています。AIツールに関する規制と管理について、明確な道筋を作る必要があります。最近、アメリカでは510(k)に加えてDe Novoという別のプロセスが開始されたと記憶しています。これはヨーロッパのMDRよりやや簡単です。それでも、こうしたプロセスは病院とのパートナーシップを開始するためだけでも非常に時間がかかります。これが私たちが見てきた最大の問題の一つです。もちろん、先ほどおっしゃっていたデータアクセスも別の課題です。
Pascal： 素晴らしいですね、ありがとうございます。皆様の取り組みについてさらに詳しく学ぶことができて良かったです。それでは、審査員の皆様が戻ってきたようです。発表に移りましょう。
第8章 優勝者発表と審査員フィードバック・クロージング
8-1 Doto Health（Caremother）の優勝発表と審査員フィードバック
Pascal： 審査員の皆様、お戻りになりましたね。お知らせがあるとのことですが、どなたが優勝者を発表されますか。
Josine： 実は、誰が優勝者を発表するか決めていなかったのですが。
Pascal： あら、そうでしたか。それでは、Veraさんお願いします。
Vera： Josineさん、お願いしてもいいですか。
Josine： 大丈夫ですよ。簡単な決定ではありませんでした。皆様、本当に素晴らしかったです。すべてのソリューションを心から気に入っていますし、それらがどれほどインパクトのあるものか、そして私たちがこれを行う上で重要であるかを理解しています。ご覧の通り、私たちはしばらく不在にしていましたが、それは本当に真剣に議論し、考え、しっかりと一通りの検討作業を行っていたからです。しかし最終的に、私たち全員が一つの企業について合意しました。Doto HealthのShantanuさん、おめでとうございます。私たちはあなたを優勝者として選びました。
Dr. Shantanu Pathak： ありがとうございます。本当に感謝しています。私たち全員がファイナリストですので、皆様と一緒にいる気持ちです。皆様、ありがとうございました。
Pascal： 健闘を祈ります。本当にありがとうございました。最後に審査員の皆様にお伺いしたいのですが、優勝されたこの企業の特に良かった点、そして他のスタートアップに対するアドバイスを、セッションを締めくくる前にいただけますでしょうか。
Josine： いくつかお話しできます。私たちが議論した一つの点は、ピッチそのものでした。もう少し情熱を、もっと熱意を見たいと感じることが時々あったのです。これは皆様の人生の仕事であり、そのために戦い、これを成し遂げたいと願っているはずです。だからこそ、ピッチ、ピッチ、ピッチが常に最も重要なのです。私は製薬企業に勤めていますが、売上の15％はR&Dに使われ、40％はマーケティングに使われます。これは常にそうなのです。皆様一人ひとりが、自分のメッセージを可能な限り良い形で世に出す必要があります。これはあらゆる細部、つまりスライド、使う言葉、明確なケースの提示に関わります。「私はA、B、Cの理由でこれを行っており、世界を変えていくつもりだ」という、それくらいシンプルなものです。こうしたポイントが何社かで欠けていたと感じました。
Pascal： ありがとうございます。Sallyさん、お願いします。
Sally： はい、Doto Healthについて特に申し上げたかったのは、Go-to-Market戦略を見ることができたという点と、世界の十分なケアが届いていない地域に焦点を当てつつも、先進地域でもソリューションが活用できるという事実です。あなた方のソリューションが持ちうる広範な拡張性とインパクトこそ、私たちが本当に価値あるものとして見出した点だと思います。
Dr. Shantanu Pathak： ありがとうございます、Sallyさん。実は、グローバルな価値も提供しうるものだと私たちが学んだのは、かなり後になってからのことでした。
Pascal： おめでとうございます。そして、本日ここまで進んだすべてのスタートアップの皆様にもおめでとうございます。この本当に重要でエキサイティングな領域で皆様が取り組まれていることをお聞きできて素晴らしかったです。今年のITU AI for Good Summitで皆様にお会いできることを願っています。もし参加されない場合でも、審査員の皆様が引き続き連絡を取られると思います。どうぞ疎遠にならず、本日のピッチに参加していただき、本当にありがとうございました。
Dr. Shantanu Pathak： 皆様、ありがとうございました。
参加者一同： ご成功を祈ります。ありがとうございました。
Narrator： 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。本日のイベントで、新しく、革新的で、有意義な何かを学んでいただけたことを願っています。それでは、ライブビデオウォールおよびニューラルネットワーク上で会話を続けてください。ここでは、質問を投げかけたり、コメントしたりリンクを共有したり、アンケートに回答したり、興味深いプロフィールを持つ人々とつながったり、チャットとビデオ機能で一対一で対話したりすることができます。ロビーを探索し、スマートマッチングクイズを試し、バーチャル展示、ポスターボード、eShopを訪れ、ご自身に合わせたAI for Goodプログラムを構築してみてください。共にAI for Goodの未来を形作っていきましょう。