医療AIユニコーン、評価額が倍増して$12 billionに

臨床意思決定支援の風景は今週劇的に変化しました。OpenEvidenceは、広く「医師向けChatGPT」と認識されている医療AIスタートアップで、新たな資金調達ラウンドで**$250 millionを確保し、評価額を驚異の$12 billion**に押し上げました。この節目は、同社の以前の評価額が倍増したことを示すだけでなく、実用性が高く重大な価値をもたらす垂直特化型の人工知能に対するベンチャーキャピタル界の大きな需要を浮き彫りにしています。

For the team at Creati.ai, this development signals a pivotal moment in the maturity of 生成型AI（Generative AI）。我々は汎用チャットボットの時代を過ぎ、専門分野の知見を持つモデルが高い評価を受け、広く採用される段階に移行しています。報告によれば現在米国の医師の40%超がこのプラットフォームを利用しており、OpenEvidenceは現代アメリカの医療システムにおける重要なインフラとして事実上の地位を確立しています。

「医師向けChatGPT」の台頭

OpenEvidenceは、医療分野における汎用の大規模言語モデル（Large Language Models、LLMs）が抱える最も致命的な欠陥、すなわち**幻覚（hallucinations）**を解決することで独自の優位性を築きました。GPT-4やClaudeのような汎用モデルは、しばしば信頼性の低いオープンなインターネット全体を学習データとして使用しますが、OpenEvidenceは信頼できる査読済み医学雑誌、臨床ガイドライン、FDAデータベースのみを索引付けし統合するよう設計されています。

この「根拠付け（grounding）」機能により、プラットフォームは言語的に流暢であるだけでなく、臨床的に正確で出典が明示された回答を提供できます。医師が薬物相互作用や稀な疾患プロトコルについて複雑な質問をした場合、OpenEvidenceは基になっているソース本文に直接リンクされた回答を生成します。

採用を促した主な要因

医師の40%到達という急速な普及は、OpenEvidenceを競合他社と差別化するいくつかの要因によるものです：

• 検証可能性（Verifiability）： すべての主張には医療論文への直接リンクで注釈が付けられます。
• 時間効率（Time Efficiency）： 数千本の論文を数秒で解析し、医師の何時間にも及ぶ調査時間を節約します。
• ワークフロー統合（Workflow Integration）： プラットフォームは単独のウェブサイトの枠を超え、EHRシステムに統合されています。

$12 billionの評価額の内訳

$12 billionへの跳ね上がりは、特に2026年の一般的なSaaSスタートアップにとって資本環境が比較的厳しいことを考えると重要です。しかし、ヘルスケア分野のAIは例外的です。投資家はOpenEvidenceを単なる検索ツールではなく、医療の新しいオペレーティングシステムの基盤層と見なして賭けています。

この**$250 million**の注入は、主に以下の3つの施策に資金を投じることが予想されます：

1. 専門領域への拡大（Expansion into Specialized Domains）： 一般診療や内科を超え、腫瘍学やゲノミクスなど高度に複雑な分野へ進出。
2. 国際展開（International Growth）： 欧州やアジアの医療規制と言語に適合させるためのモデル適応。
3. エージェント的ワークフロー（Agentic Workflows）： 質問に答えるだけでなく、自律的に患者ノートを作成したり、保険請求の事前承認を行ったり、リアルタイムで禁忌の可能性をフラグするAIエージェントの開発。

垂直特化型AI対汎用LLMs

OpenEvidenceがOpenAIやAnthropicのモデルをラップした仕組みよりも高い評価を受ける理由を理解するには、アーキテクチャ上の違いを見る必要があります。汎用の大規模言語モデルは妥当性を生む確率的エンジンとして設計されていますが、OpenEvidenceは事実の厳密性に最適化された検索補強型生成（retrieval-augmented generation、RAG）システムです。

以下の表は、医療専門家にとってOpenEvidenceが選ばれる決定的な違いを示しています：

Comparison: General LLMs vs. OpenEvidence

Feature	General LLMs (e.g., ChatGPT, Gemini)	OpenEvidence
Training Data	The entire open internet (Reddit, Wikipedia, Blogs)	Peer-reviewed journals, Guidelines, FDA Labels
Hallucination Rate	Variable (prone to confabulation)	Extremely Low (Strictly grounded in sources)
Citation Style	Often generic or non-existent	Precise, clickable citations for every claim
Regulatory Focus	General consumer safety	HIPAA compliant, medical-grade security
Primary Metric	User engagement and creativity	Clinical accuracy and safety
Target Audience	General Public, Developers	Physicians, Researchers, Students

臨床データにおけるネットワーク効果

OpenEvidenceの成功のあまり語られないが重要な側面の一つは、その作り出したデータのフライホイールです。国内のほぼ半数の医師がシステムに質問を投げかけていることで、同社は「医師が知らないこと」の前例のないデータセットを保有しています。

システムに入力されるすべてのクエリは、医学知識のギャップや臨床上の摩擦点を示す信号です。この集合データは製薬会社、医療機器メーカー、教育機関にとって極めて価値があります。現場の臨床医が直面する課題をリアルタイムで把握できるため、業界はより良い薬、より明確なガイドライン、よりターゲットを絞った教育で応答することが可能になります。

課題と倫理的考慮

資金調達のニュースに伴う熱狂にもかかわらず、課題は残ります。OpenEvidenceがスケールするにつれ、すべてのAIに内在する「ブラックボックス」問題に直面します。引用があっても、医師がAIの統合的判断に過度に依存し、一次資料を検証するステップを省略してしまうリスクがあります。

さらに、$12 billionという評価額は同社に収益化の巨大なプレッシャーをかけます。現状、このツールは個々の医師の採用を促進するために主に無料または低コストで提供されてきました。病院システムや保険支払者を通じた企業向けの収益化への転換が、長期的な存続可能性の真の試金石となるでしょう。

プロフェッショナル向けAIの新しい基準

OpenEvidenceの成功はプロフェッショナルグレードのAIの未来に向けた設計図となります。法律、構造工学、法務会計などの高い責任が伴う分野でも同様の「OpenEvidence的瞬間」が生まれる可能性が高いです。

医療分野にとって示唆するところは明確です：助けのない人間の記憶に頼る時代は終わりつつあります。会計士がスプレッドシートなしでは仕事をしないように、操縦士がレーダーなしでは飛行しないように、医師がAI支援なしに診療を続けることは次第に困難になっています。OpenEvidenceは、当面の間、操縦士の信頼できるコパイロットとしての地位を確保するための資本を確保しました。

この**$250 million**のラウンドは単なる取引ではなく、医療のハイステークスな世界において正確さこそが究極の通貨である、という宣言なのです。