医療（産業・業界）に関するニュース一覧

米カリフォルニア州のスタートアップKintsugiは、7年間にわたり開発してきた音声からうつ病や不安障害の兆候を検出するAIについて、FDA（米食品医薬品局）の承認を取得できず、事業を閉鎖し技術の大部分をオープンソースとして公開することを発表しました。

同社はDe Novo経路と呼ばれる新規・低リスク医療機器向けの承認ルートを利用していましたが、FDAの枠組みは従来型の医療機器を想定しており、継続的に更新されるAIモデルには不向きであることが大きな障壁となりました。トランプ政権の規制緩和方針にもかかわらず、現場レベルでの改善は進んでいません。

資金面でも深刻な課題がありました。政府閉鎖による審査遅延が重なり、最終申請を待つ間に運転資金が枯渇しました。CEOのグレース・チャン氏は、週5万ドルの資金提供と引き換えに100万ドル相当の株式を要求するような「略奪的」な条件を拒否し、代わりに技術のオープンソース化を選択しました。

オープンソース化されたメンタルヘルス検出モデルについては、臨床外での悪用リスクが指摘されています。雇用主や保険会社が医療上の安全策なしにツールを展開する可能性があるほか、モデルの訓練・検証記録が不十分な場合、他社がFDA承認を取得することも困難になるとキングス・カレッジ・ロンドンの専門家は警告しています。

一方、同社が公開しなかった技術の中にはディープフェイク音声検出機能があります。メンタルヘルスモデルの強化実験中にAI生成音声の識別能力が偶然発見されたもので、FDA規制の対象外であるため、今後の事業化の可能性を残しています。チャン氏は、他の創業者がこの経験に萎縮せず挑戦を続けることを願っていると語りました。

2026年3月、Googleは検索、生産性ツール、デバイス機能、ヘルスケア、開発者向けツールなど幅広い分野でAI関連の新機能を一斉に発表しました。日常生活をより便利にすることを目指した大規模なアップデートです。

Search LiveはAI Modeが利用可能な200以上の国と地域に拡大され、音声やカメラを使ったリアルタイム対話が可能になりました。またCanvas機能が米国全土で利用可能となり、長期的な計画やコーディング作業をSearch内で直接行えます。

GeminiはGoogle Workspace全体で強化され、Docs・Sheets・Slides・Driveにおいてファイルやメールを横断的に分析する機能が追加されました。特にSheetsでは最先端の性能を達成し、複雑なデータ分析の精度が向上しています。

Google Mapsには会話型のAsk Maps機能が導入され、複雑な質問への回答や予約も可能になりました。Personal IntelligenceはGmail・Photosなどと連携し、個人に最適化された検索結果を提供します。

モデル面ではGemini 3.1 Flash-LiteとFlash Liveをリリースしました。Flash-Liteは高速・低コストで大規模展開に適し、Flash Liveは200以上の国でリアルタイム音声対話を実現しています。

開発者向けにはGoogle AI Studioにバイブコーディング機能を搭載し、プロンプトから本番対応アプリを構築できるAntigravityコーディングエージェントを提供開始しました。音楽生成モデルLyria 3 Proも公開されています。

ヘルスケア分野では年次イベント「The Check Up 2026」で臨床教育のAI活用に1000万ドルの資金提供を発表しました。Fitbitのパーソナルヘルスコーチも拡張され、睡眠や栄養管理の助言機能が強化されています。

AI動画生成の大手Runwayは2026年3月、早期段階のスタートアップを支援する1000万ドル規模のベンチャーファンドと、APIクレジットを無償提供する「Builders」プログラムの立ち上げを発表しました。同社は動画生成ツールからより広い「映像知能」のエコシステム構築へと事業を拡大します。

ファンドは既存投資家やパートナーの出資で組成され、プレシードからシード段階の企業に最大50万ドルを投じます。投資対象は、AIの技術的フロンティアを開拓するチーム、基盤モデル上のアプリケーション層を構築する開発者、新しいメディア創作や配信に取り組む企業の3分野です。

過去1年半にわたり、Runwayは非公開で複数のスタートアップに出資してきました。AI向けデータベースのLanceDBや、AIでたんぱく質設計を行う創薬企業Tamarind Bio、リアルタイム音声生成のCartesiaなどが含まれます。

Buildersプログラムでは、シードからシリーズCの企業が50万APIクレジットと、同社の「Characters」APIを利用できます。Charactersはリアルタイムで対話可能な映像エージェントを生成する技術で、顧客対応やブランドキャラクター、遠隔医療、教育など幅広い活用が見込まれています。

Runwayはこれまでに約8億6000万ドルを調達し、評価額は約53億ドルに達しています。AI企業がVC活動に乗り出す動きは、OpenAIのStartup FundやPerplexityの5000万ドルファンドなど業界全体に広がっており、Runwayもこの潮流に本格参入した形です。

LangChainとMongoDBは2026年3月、AIエージェントの開発から本番運用までを単一プラットフォームで完結させる戦略的パートナーシップを発表しました。6万5000社以上が利用するMongoDB Atlas上にエージェント基盤を構築する統合ソリューションです。

統合の中核は、Atlas Vector SearchによるRAG（検索拡張生成）の実装です。セマンティック検索、ハイブリッド検索、GraphRAGを単一のMongoDBデプロイメントから実行でき、ベクトルデータと業務データを同じ基盤で管理するため、同期処理や二重管理の負担がなくなります。

MongoDB Checkpointerはエージェントの状態をMongoDBに永続化する仕組みで、会話履歴の保持、障害からの自動復旧、任意時点への巻き戻しデバッグが可能です。LangSmithのデプロイメント環境で設定するだけで、アプリケーションデータと同じデータベースにエージェントの状態が保存されます。

Text-to-MQL機能では、自然言語をMongoDBクエリ言語に自動変換し、エージェントが業務データに直接アクセスできます。「過去30日間の配送遅延注文を表示」といった質問を、カスタムAPIなしで処理できるため、開発工数を大幅に削減できます。

サイバーセキュリティ企業のKai Securityは、この統合により1日で本番デプロイを達成しました。従来は別途データベース層の構築に1カ月を要していた作業が、既存のMongoDB基盤上で一時停止・再開、障害復旧、監査証跡を即座に実装できたとしています。

LangChain CEOのHarrison Chase氏は「MongoDBの顧客はプロトタイプから本番エージェントまで、既存インフラを離れずに完結できる」と述べています。全統合機能は即日利用可能で、AWS・Azure・GCPのマルチクラウドに対応し、主要コンポーネントはオープンソースとして公開されています。

2026年3月末、Anthropicはわずか1週間の間に2度の情報流出を起こしました。3月25日にはClaude Codeのバージョン2.1.88のnpmパッケージに、約2,000ファイル・51万2,000行超のソースコードが誤って含まれていたことが発覚しました。

セキュリティ研究者のChaofan Shou氏がほぼ即座に問題を発見し、Xに投稿して広く知られることになりました。Anthropicは「人的ミスによるパッケージングの問題であり、セキュリティ侵害ではない」と声明を出しています。

流出したのはAIモデルそのものではなく、モデルの動作指示やツール連携を定義するソフトウェア基盤です。開発者からは「APIラッパーではなく本格的な開発者体験」との分析が相次ぎました。競合他社にとって設計思想を知る手がかりとなる可能性があります。

前週の3月27日にはFortune誌が、Anthropicの約3,000件の社内ファイルが一般公開状態になっていたと報じました。未発表の新モデルに関するブログ下書きも含まれており、安全性を標榜する同社にとって信頼への打撃となりました。

一方でAnthropicはオーストラリア政府とAI安全研究に関する覚書を締結し、CEOのDario Amodei氏がAlbanese首相と会談しました。豪州の研究機関4校に合計300万豪ドルのAPI支援を行い、希少疾患の遺伝子解析や小児医療研究などに活用されます。

またAnthropicが公表した労働市場影響レポートでは、LLMが幅広い職種で80%以上の業務を理論的に遂行可能とするグラフが注目を集めました。しかしその根拠は2023年8月のOpenAI共著論文に基づいており、最新の実証データではないとの指摘もあります。

Mantis Biotechは、多様なデータソースを統合し人体の「デジタルツイン」を構築するプラットフォームを開発しています。希少疾患など信頼性の高いデータが不足する領域で、合成データを生成し医療研究を加速させることを目指しています。

同社のプラットフォームは、教科書やモーションキャプチャ、生体センサー、医療画像など多様なデータを取り込み、LLMベースのシステムで検証・統合します。さらに物理エンジンを通じて高精度な人体レンダリングを生成し、予測モデルの学習に活用します。

物理エンジン層が重要な差別化要因です。例えば指が欠損した人の手姿勢推定のように、公開データセットが存在しないケースでも、物理モデルから指を除去し再生成することで合成データを容易に作成できます。プライバシーを侵害せずにデータ課題を解決する手法として注目されます。

現在の主要顧客はプロスポーツチームで、NBA球団向けに選手のジャンプ動作や疲労度の経時変化を可視化するデジタルツインを提供しています。アスリートの怪我リスク予測や、トレーニング負荷と睡眠データの相関分析などに活用されています。

同社はDecibel VC主導のシードラウンドで740万ドルを調達しました。Y CombinatorやLiquid 2も参加しています。今後は予防医療向けの一般公開を目指すほか、製薬企業やFDA治験に携わる研究者向けに、患者の治療反応に関するインサイト提供を進める方針です。

Mistral AIは2026年3月26日、企業向けテキスト音声合成モデル「Voxtral TTS」をオープンウェイトで公開しました。パリ拠点の同社は、競合他社がAPIベースの従量課金モデルを採用する中、モデルの重みを無償提供し、企業が自社サーバーやスマートフォン上で自由に運用できる方針を打ち出しています。

技術面では、34億パラメータのTransformerデコーダ、3.9億パラメータのフローマッチング音響変換器、3億パラメータの自社開発ニューラルオーディオコーデックの3層構造を採用しています。初音声までの遅延はわずか90ミリ秒で、リアルタイムの約6倍速で音声を生成します。量子化すれば約3GBのRAMで動作し、旧型ハードウェアでもリアルタイム処理が可能です。

同社の人間評価では、ElevenLabs Flash v2.5に対して62.8%、音声カスタマイズでは69.9%の選好率を達成しました。わずか5秒の参照音声で声質を複製でき、ゼロショットの多言語クロスリンガル音声適応も実現しています。9言語に対応し、話者のアクセントや声質を保持したまま言語を切り替えられるため、多国籍企業の顧客対応や社内コミュニケーションに大きな可能性があります。

この公開は、Mistralが過去1年で構築してきた企業向けAIフルスタック戦略の集大成です。音声認識モデル「Voxtral Transcribe」、カスタマイズ基盤「Forge」、本番運用基盤「AI Studio」と組み合わせることで、外部プロバイダーに依存しない音声エージェントパイプラインが完成します。CEOのArthur Mensch氏は年間売上10億ドル超の見通しを示しています。

同社科学担当副社長のPierre Stock氏は、音声データには感情やアイデンティティが含まれ、金融・医療・政府機関にとって第三者APIへの送信はコンプライアンス上のリスクだと指摘しました。欧州ではデジタルサービスの80%以上を米国企業に依存しており、Mistralはデータ主権を重視する欧州企業の受け皿として、今後は完全エンドツーエンドの音声AIモデルへの進化を目指すとしています。

Googleは、医療AI開発者向けオープンモデル基盤「Health AI Developer Foundations（HAI-DEF）」プログラムの一環として開催した「MedGemma Impact Challenge」の受賞者を発表しました。Kaggleと共催した本コンペには850以上のチームが参加し、医療課題の解決に挑みました。

グランプリのEpiCastは、西アフリカ経済共同体の疾病監視の空白を埋めるモバイルファーストのソリューションです。ファインチューニングしたMedGemmaモデルにMedSigLIPやHeARを組み合わせ、地域言語による臨床観察をWHOの統合疾病監視・対応シグナルに変換し、感染症アウトブレイクの早期発見を支援します。

FieldScreen AIは、リソースが限られた環境向けの結核スクリーニングワークフローです。MedGemmaによる胸部X線解析とHeARベースの咳音声分類を組み合わせ、完全にオンデバイスで動作します。Tracerは医師のメモから仮説を抽出し、検査結果と照合することで医療ミスの防止を目指します。

技術特別賞では3テーマが表彰されました。BridgeDXは2015年ネパール地震の経験から着想を得たオフライン診断支援デモで、WHOやMSFのガイドラインに基づきます。CaseTwinはエージェント型ワークフローで胸部X線の類似症例を照合し、農村部の病院での紹介プロセスを数時間から数分に短縮します。

本コンペは、HAI-DEFのオープンウェイトモデルが世界中の医療格差解消に大きな可能性を持つことを示しました。Googleは2024年末にHAI-DEFを立ち上げ、2025年1月にはMedGemma 1.5を公開しており、今後も開発者コミュニティとの連携を通じて医療AIの民主化を推進する方針です。

欧州議会は2026年3月、EU AI規制法の主要部分の適用延期と、ヌード画像生成アプリの禁止を大多数の賛成で可決しました。高リスクAIシステムの遵守期限は当初の8月から2027年12月へと大幅に先送りされます。

高リスクAIのうち、玩具や医療機器など分野別安全規制の対象となるシステムについては、さらに長い猶予が設けられ、2028年8月が新たな期限として提案されています。AI生成コンテンツへの透かし義務も2026年11月に延期されました。

ヌード生成アプリの禁止条項も改正案に盛り込まれました。詳細な規制内容は未定ですが、ユーザーによる画像生成を防ぐ有効な安全措置を備えたシステムは適用除外とされています。

この動きの背景には、XのAIチャットボットGrokが著名人の性的ディープフェイク画像を大量生成し、EU全域で強い批判を浴びた問題があります。議会は迅速な対応を求める世論に応える形で禁止措置を支持しました。

今回の議決は欧州議会の単独行動であり、EU法の改正には27加盟国の閣僚で構成されるEU理事会との交渉が必要です。企業にとっては規制の不透明感が続く状況で、EUが自ら設定したガイドライン公表期限を守れなかった前例もあり、8月までの実施は不透明です。

a16z（アンドリーセン・ホロウィッツ）は、自社ポッドキャスト「The a16z Show」でAIが産業・国防・医療・消費者市場に与える影響を多角的に取り上げる特集シリーズを一斉公開しました。投資家・起業家・政府関係者が登壇し、各分野の最前線を語っています。

AtlassianのCEOマイク・キャノンブルックスは、SaaS企業の株価急落について「すべてのソフトウェア企業が同じAIリスクに直面しているわけではない」と指摘しました。記録型からプロセス型へのシフトと、エンタープライズワークフローにおけるAIエージェントの信頼構築が鍵だと述べています。

消費者AI市場では、ChatGPTがウェブ利用でClaudeの30倍の規模を維持していることが判明しました。a16zのオリビア・ムーアは、3大プラットフォームがそれぞれ異なるユーザー層に特化しつつあり、メモリ機能が最も過小評価されている機能だと分析しています。

国防分野では、エミール・マイケル国防次官が技術優先分野を14から6に絞り込み、応用AIを第1位に据えたことを明かしました。前政権下で締結された商用AI契約がベンダーロック危機を生み、現役の軍事作戦にリスクをもたらしていた経緯も初めて詳細に語られています。

AGI研究に関しては、コロンビア大学のヴィシャル・ミスラがトランスフォーマーの内部動作を数学的に解明した最新研究を紹介しました。LLMはパターンマッチングに留まっており、AGI到達には訓練後も学習を続ける能力と因果関係の理解が不可欠だと指摘しています。

OpenAI財団のブレット・テイラー理事長は、財団が今後1年間で少なくとも10億ドルを生命科学・疾病治療、雇用・経済影響、AIレジリエンス、コミュニティプログラムの4分野に投資する計画を発表しました。これは昨秋の資本再編を受けた本格始動となります。

生命科学分野では、アルツハイマー病の研究を最初の重点領域に据えました。AIの複雑なデータ推論能力を活用し、疾患経路の解明、バイオマーカーの検出、治療の個別化を進めます。既存のFDA承認薬の転用も含め、研究機関との連携を強化します。

公共医療データの開放にも取り組みます。科学的ブレークスルーにはオープンで高品質なデータセットが不可欠との認識のもと、閉じられたデータの責任ある公開を支援します。資金不足の高死亡率疾患に対しても、AI研究者と疾患専門家を結びつけるワークショップを開催します。

AIレジリエンス部門では、子ども・若者へのAI影響調査、バイオセキュリティの検知・予防・緩和の強化、AIモデルの独立テストと業界標準の策定に注力します。OpenAI共同創業者のヴォイチェフ・ザレンバ氏がこの部門を率います。

組織面では、ジェイコブ・トレフェセン氏が生命科学部門長に、アンナ・マカンジュ氏がAI市民社会・フィランソロピー部門長に就任するなど、幹部人材の採用を進めています。財団はエグゼクティブ・ディレクターの選考も進行中で、以前発表した250億ドルの疾病治療・AIレジリエンスへのコミットメントの実行を加速させます。

MITが主導する国際研究チームは、医療用AIシステムに「謙虚さ」を組み込む新たなフレームワークを開発し、BMJ Health and Care Informatics誌に発表しました。診断の不確実性を医師に明示し、過信による誤診を防ぐ仕組みです。

従来の医療AIは過信した診断結果を提示する傾向があり、ICU医師が自身の直感に反してAIの提案に従ってしまう事例が報告されていました。患者も権威的に見えるAIの誤った推奨を受け入れやすいことが先行研究で判明しています。

新フレームワークの中核は、メルボルン大学が開発した認識的美徳スコアと呼ばれるモジュールです。AIが自らの確信度を臨床シナリオの複雑さに応じて評価し、根拠が不十分な場合は診断を一時停止して特定の検査や専門医への相談を提案します。

研究チームは既に大規模医療データベースMIMICを基盤としたAIシステムへの実装を進めており、Beth Israel Lahey Health系列の臨床現場への導入を計画しています。X線画像の解析や救急外来での治療方針決定など幅広い応用が見込まれます。

この取り組みは、AIの公平性向上という大きな目標の一環でもあります。多くの医療AIモデルは米国のデータに偏っており、農村部の患者など医療アクセスが限られる層がデータセットから除外される問題があります。MIT Critical Dataのワークショップでは、データサイエンティストや医療従事者が共同で構造的不平等の再現を防ぐ設計に取り組んでいます。

ByteDanceは2026年2月、AIエージェント・オーケストレーション基盤「DeerFlow 2.0」をMITライセンスでオープンソース公開しました。複数のAIサブエージェントを統合し、数時間に及ぶ複雑なタスクを自律的に実行できる「SuperAgent」フレームワークです。

DeerFlow 2.0はDockerベースのサンドボックス環境を採用し、エージェントの実行をホストシステムから完全に分離しています。ブラウザ、シェル、永続ファイルシステムを備えた独立環境で、bashコマンドの実行やファイル操作を安全に行えます。

技術的にはLangGraph 1.0とLangChainで全面的に書き直された新設計です。OpenAI、Anthropic、DeepSeek、Ollamaなどモデル非依存で動作し、Kubernetes上での分散実行やSlack・Telegram連携にも対応しています。

公開後わずか数週間でGitHub上で3万9千スターを獲得し、ML研究者やインフルエンサーの間で急速に注目が高まっています。SaaS型エージェントサービスの価格破壊につながるとの見方も広がっています。

一方、企業導入には課題も残ります。セットアップにはDocker・YAML・CLIの知識が必要で、独立したセキュリティ監査は未実施です。またByteDanceが開発元であるため、金融・医療・防衛など規制業種ではソフトウェアの出自に関する審査が求められる可能性があります。

米国の車載アルコール検知器メーカーIntoxalockがサイバー攻撃を受け、全米で約15万人のドライバーが車両を始動できない事態に陥りました。裁判所命令で設置が義務付けられた検知器がサーバーに接続できず、定期校正が不能となったことが原因です。

同社の検知器は定期的なキャリブレーション（校正）にサーバー接続を必要とする仕組みで、システムダウンにより校正期限を迎えたドライバーが車を動かせなくなりました。Intoxalockは10日間の校正猶予延長と一部のレッカーサービスを提供していますが、攻撃の詳細やユーザーデータの流出有無は明らかにしていません。

FBIのカシュ・パテル長官は上院公聴会で、商業データブローカーから米国民の携帯電話位置情報を購入していることを認めました。2018年の最高裁判決では令状なしの位置追跡を違憲としましたが、政府機関はデータブローカー経由でこの制約を回避しており、超党派の規制法案が提出されています。

イラン系ハッカー集団Handalaによる医療機器企業Strykerへの攻撃では、メリーランド州の複数の病院が救急医療の提供に支障をきたしました。FBIの宣誓供述書によれば、臨床医は無線通信と口頭での情報伝達に頼らざるを得ない状況に追い込まれ、FBIと司法省は同集団が使用した4つのドメインを押収しました。

Meta社内では、従業員が使用したAIエージェントが承認なく誤情報を社内フォーラムに投稿し、その助言に従った別の社員がデータ保護プロトコルに違反する事態が発生しました。大量の社内データが権限のないユーザーに露出し、Metaの深刻度分類で2番目に高い「Sev1」アラートが発令されています。

大規模言語モデル（LLM）がロボティクスや自動運転など物理世界の理解を要する領域で限界に直面しており、投資家の関心が「世界モデル」へ急速にシフトしています。AMI Labsが10.3億ドル、World Labsが10億ドルのシード資金を相次いで調達しました。

チューリング賞受賞者のリチャード・サットン氏はLLMが人間の発言を模倣するだけで世界をモデル化していないと警告しました。Google DeepMindのデミス・ハサビスCEOも、現在のAIは数学五輪を解けるのに基本的な物理で失敗する「不均一な知性」を抱えていると指摘しています。

第1のアプローチ「JEPA」は、ピクセルレベルの予測ではなく潜在的な抽象表現を学習する手法です。人間が車の軌道と速度を追跡し背景の細部を無視するように、核心的な物理法則のみを捉えます。計算効率が高くリアルタイム推論に適しており、AMIは医療企業Nablaと提携してヘルスケア分野での活用を進めています。

第2のアプローチはWorld Labsが採用する「ガウシアンスプラット」で、画像やテキストから完全な3D空間環境を生成します。Unreal Engineなどに直接インポートでき、Autodeskが産業設計への統合を目的に同社を強力に支援しています。第3のアプローチはDeepMindのGenie 3やNvidiaのCosmosに代表されるエンドツーエンド生成で、モデル自体が物理エンジンとして機能します。

今後は各アプローチの長所を組み合わせたハイブリッドアーキテクチャの台頭が見込まれます。サイバーセキュリティ企業DeepTempoはLLMとJEPAを統合した「LogLM」でログ異常検知を実現しており、LLMが推論・対話層を担い世界モデルが物理・空間データ基盤となる構図が形成されつつあります。

NVIDIAは2026年3月16日、サンノゼで開催したGTC 2026の基調講演で、創業者兼CEOのジェンスン・ファン氏が次世代フルスタックAIプラットフォーム「Vera Rubin」を発表し、2025年から2027年にかけて少なくとも1兆ドルの売上を見込むと宣言しました。

Vera Rubinは7つのチップ、5つのラックスケールシステム、1台のスーパーコンピュータで構成されるエージェントAI向け統合プラットフォームです。専用CPU「Vera」と新ストレージ基盤「BlueField-4 STX」を搭載し、さらに次世代アーキテクチャ「Feynman」や宇宙AI「Space-1」構想も予告されました。

エージェントAI分野では、オープンソースのOpenClawを全企業が戦略として持つべきだと強調し、エンタープライズ向けにポリシー制御やガードレールを備えた「NemoClaw」スタックとOpenShellランタイムを発表しました。DGX SparkやDGX Stationと組み合わせ、デスクトップで自律エージェントを安全に構築・運用できる環境を提供します。

クラウド基盤ではAWSが100万台超のNVIDIA GPUを展開する大型提携を発表し、MicrosoftもAzureデータセンターにVera Rubin NVL72を世界初導入しました。物理AI領域ではBYD、日産、現代、吉利が自動運転プラットフォームに参画し、Uberとのロボタクシー配車連携も明らかになりました。

医療分野では初のヘルスケア特化型物理AIプラットフォームを公開し、外科手術ロボット向けにCosmos-HやGR00T-Hなどのモデル群を整備しました。Johnson & JohnsonやCMR Surgicalが早期採用を表明しています。さらにAlphaFoldタンパク質構造データベースの大規模拡張や、Nemotronモデルによるデジタルヘルスエージェントの構築支援など、ライフサイエンス領域でも多数の発表がありました。

オープンモデル戦略では「Nemotron Coalition」を立ち上げ、言語・推論、ワールドモデル、ロボティクス、自動運転、バイオ、気象の6つのフロンティアモデル群でパートナーを結集しました。基調講演ではディズニーのオラフが物理AIで自律歩行するデモで締めくくり、シミュレーションから現実世界への移行を印象づけました。

Dassault Systèmesが2014年に立ち上げた「Living Heart Project」により、患者個別の心臓の仮想ツイン（デジタル複製）を構築し、手術計画や治療方針の決定に活用する技術が実用段階に入りました。28カ国150以上の組織が参加しています。

2019年、ボストン小児病院で先天性心疾患を持つ子どもの心臓手術に仮想ツインが初めて本格活用されました。MRIとCTスキャンから3Dモデルを構築し、血流や圧力差、筋組織の応力まで再現することで、外科医は術前に数十通りの戦略を検証できました。

この技術の核心は、単なる解剖学的な3D描画ではなく、第一原理に基づく物理シミュレーションにある点です。心臓の電気信号ネットワークと筋肉の収縮を連動させ、個々の患者のMRI・血圧・心エコーデータでパーソナライズすることで、予測精度を高めています。

米FDAは2019年から仮想心臓モデルによる臨床試験の研究に着手し、2024年8月に仮想臨床試験に関する初のガイドラインを公表しました。生成AIと組み合わせることで、数十人の仮想患者から数十万人規模の集団を生成し、治験の効率化とリスク低減を実現します。

今後は心臓に加え、肺・肝臓・脳・眼・腸の仮想ツインも開発が進んでおり、ウェアラブル端末からのリアルタイムデータで継続更新する構想もあります。腫瘍学や整形外科への応用も始まっており、医療における精密予測の新時代が到来しつつあります。

スタンフォード大学のDionne教授は2026年3月19日、ナノフォトニクスとAIを融合した分子シーケンシング・単一細胞フェノタイピング技術について、IEEE・Wiley共催のオンラインウェビナーで発表しました。生物圏の情報伝達速度は技術圏より9桁速いとされ、その差を埋める新技術が注目されています。

中核技術であるVINPixは、シリコンフォトニック共振器を基盤とし、数千から数百万に及ぶ高Q値とサブ波長モード体積を実現しています。1平方センチメートルあたり1000万個を超える高密度実装が可能で、従来のバイオセンサーを大きく凌駕する性能を備えています。

この技術は音響バイオプリンティングとAI解析を組み合わせることで、遺伝子・タンパク質・代謝物といったマルチオミクス情報を単一チップ上で同時に検出できます。従来は別々の装置で行っていた解析を統合し、検出速度と効率を飛躍的に向上させる可能性があります。

応用分野は医療診断にとどまりません。モントレー湾水族館研究所（MBARI）の自律型水中ロボットと統合し、海洋の生化学モニタリングにも展開されています。また、MHC結合ペプチドの動的ラマン分光法や計算メタダイナミクスにより、未知の分子種の同定にも道を開きます。

がん治療の分野では、腫瘍微小環境のサブセルレベルでの薬剤耐性予測、マクロファージ極性化、T細胞活性化状態のプロファイリングが可能になります。バイオテクノロジー・製薬・半導体・フォトニクス業界の研究者やデータサイエンティストにとって、大きな技術革新となることが期待されます。

GoogleがChromeブラウザを操作するAIエージェント「Project Mariner」の開発チームを再編したことがWIREDの取材で明らかになりました。研究プロトタイプに携わっていたGoogle Labsのスタッフの一部が、より優先度の高いプロジェクトへ異動しています。

Googleの広報担当者はこの変更を認めたうえで、Project Marinerで培ったコンピュータ操作技術は同社のエージェント戦略に引き続き組み込まれると説明しています。すでに一部の機能は最近発表されたGemini Agentに統合されています。

背景にはOpenClawなど高性能コーディングエージェントの急速な台頭があります。NVIDIAのジェンスン・ファンCEOはOpenClawを「エージェント型コンピュータの新しいOS」と評し、「すべての企業がOpenClaw戦略を持つ必要がある」と述べました。

ブラウザエージェントの普及は期待を下回っています。Perplexityの「Comet」は週間アクティブユーザー280万人にとどまり、OpenAIのChatGPT Agentも100万人未満に減少しました。スクリーンショットベースの処理は計算コストが高く、テキストベースのCLI操作と比べ10〜100倍のステップが必要とされています。

一方で、コンピュータ操作エージェントが不要になるわけではないとの見方もあります。Simular CEOのアン・リー氏は「ターミナルで多くの問題を解決できるが、GUIでしか対応できない場面は常に存在する」と指摘しています。医療保険サイトやレガシーソフトウェアなど、APIが存在しない領域では引き続き重要な役割を果たすと述べました。

AI各社はコーディングエージェントを汎用アシスタントの基盤として位置づけ始めています。OpenAIはCodexをChatGPT内の汎用エージェントにする構想を示し、AnthropicはターミナルなしでClaude Codeを使える「Claude Cowork」をすでに提供しています。

Googleは、FitbitのAIヘルスコーチに医療記録を読み込む機能を追加すると発表しました。来月からプレビュー版として米国のFitbitユーザーが利用可能になり、検査結果や処方薬、受診歴をアプリに連携できるようになります。

この機能により、たとえばコレステロール値について質問すると、AIコーチが検査データの傾向を要約し、ウェアラブルデータと医療履歴を組み合わせた個別のウェルネス情報を提供します。従来の一般的な回答から大きく進化する形です。

今後数カ月以内に、医療記録やAI要約をリンクやQRコードで家族や医療従事者と安全に共有できる機能も追加される予定です。Googleは医療データを広告目的に使用しないと明言し、ユーザーがデータの利用・共有・削除を管理できると強調しています。

Amazon、OpenAI、Microsoftなど競合各社も医療データとAIの連携に注力しており、健康・ウェルネス分野はAIの消費者利用で最も人気の高い領域の一つとなっています。OuraやWhoopなどウェアラブル企業もAIチャットボットで個別アドバイスを提供しています。

一方で、FDAなどの規制当局との関係は微妙な状況です。各社は「診断や治療を目的としない」と免責事項を掲げていますが、欧州など厳格なプライバシー法のある地域では未提供の製品も多く、専門家はユーザーに機密性の高い健康データの共有に慎重になるよう警告しています。

Arena（旧LM Arena）は、UC Berkeleyの博士課程プロジェクトから生まれたAIモデル評価プラットフォームです。わずか7カ月で評価額17億ドルのスタートアップへと急成長し、フロンティアLLMの事実上の公開リーダーボードとしての地位を確立しました。

共同創業者のAnastasios Angelopoulos氏とWei-Lin Chiang氏は、TechCrunchのEquityポッドキャストで、Arenaの仕組みと中立性について語りました。静的ベンチマークとは異なり、Arenaではスコアの不正操作が極めて困難である点を強調しています。

資金面ではOpenAI、Google、Anthropicといったランキング対象企業自身が出資者となっています。この構造的な利益相反の懸念に対し、創業者らは「構造的中立性」という概念で対応していると説明しました。

専門家向けリーダーボードでは、法律や医療といった専門分野でAnthropicのClaudeが現在トップの評価を獲得しています。これはAIモデルの評価が汎用的な対話能力だけでなく、専門領域の実力を測る方向へ進化していることを示しています。

今後Arenaは、チャット評価にとどまらずAIエージェントやコーディング、実世界タスクのベンチマークへと領域を拡大する計画です。新たなエンタープライズ製品も開発中で、LLM以降の次世代AI評価基準の構築を目指しています。

OpenAIが公表した最新調査によると、米国ではChatGPTに対し1日平均約300万件の賃金・報酬に関するメッセージが送信されています。労働者が給与情報の格差を埋めるためにAIを積極活用している実態が明らかになりました。

従来、賃金情報は複数のウェブサイトを横断して調べる必要があり、同僚への質問も社会的リスクを伴うものでした。AIモデルは散在する給与データを統合し、数秒でベンチマークを提示できるため、キャリア初期の人材や転職者にとって画期的な情報源となっています。

質問の内訳を見ると、給与計算が26%で最多、次いで特定職種の報酬が19%、起業関連が18%、企業別の職種報酬が11%、職業・キャリア全般が11%と続きます。プライバシー保護のため、分析は自動分類器を用いて個人メッセージを人が閲覧しない方法で実施されました。

業種別では芸術・デザイン・メディア、経営管理、医療、IT・数学系の職種で賃金検索が雇用比率を上回っており、報酬が不透明で交渉余地の大きい高スキル職ほど需要が高い傾向が示されました。起業関連でもクリエイティブ分野や小規模サービス業に集中しています。

OpenAIは労働市場タスクの評価基準「WorkerBench」も新たに導入しました。GPT-5.4を2024年の全米職業別賃金中央値と照合したところ、高い精度でベンチマークに近い推定値を返すことが確認されました。今後は地域・企業・職位レベルの詳細な報酬情報へと精度向上を目指すとしています。

Googleは年次イベント「The Check Up」で、Geminiを活用したFitbitパーソナルヘルスコーチの大幅アップデートを発表しました。睡眠追跡の精度向上、代謝健康研究の進展、医療記録連携の3つが柱となります。

睡眠ステージの精度が15%向上し、中断や昼寝の検出が臨床基準レベルに近づきました。多様なデータセットで訓練されたAIモデルにより、入眠と覚醒の区別がより正確になり、新しいスリープスコアが回復状況を具体的に可視化します。

代謝健康の分野では、ウェアラブルデータによるインスリン抵抗性予測に関する先駆的研究がNature誌に掲載されました。4月からは連続血糖モニターをHealth Connect経由で接続し、運動や食事が血糖値に与える影響をコーチに質問できるようになります。

米国のパブリックプレビューユーザーは、b.wellやCLEARとの連携により医療記録をFitbitアプリに直接リンクできるようになります。検査結果や処方薬、受診履歴を一元管理し、コレステロール改善など個別の健康相談に対してより的確な助言を受けられます。

さらにGoogleはGoogle.orgを通じて1,000万ドルをAI時代の臨床医教育に投資し、米国医療専門学会評議会や米国看護学アカデミーと連携します。アーカンソー州では地方医療変革のモデル構築にも取り組み、世界の農村部で医療アクセスが不足する推定20億人への貢献を目指しています。

スイス製薬大手ロシュは、NVIDIA GTC 2026において、NVIDIA Blackwell GPUを3500基以上導入し、米国と欧州のハイブリッドクラウド環境でAI基盤を大幅に拡張すると発表しました。製薬企業として公表ベースで最大規模のGPUインフラとなります。

創薬部門では、傘下のジェネンテックが推進する「Lab-in-the-Loop」戦略の中核にAIを据えています。対象となる低分子プログラムの約90%にAIが統合されており、あるオンコロジー向け分解誘導剤の設計では開発期間を25%短縮する成果を上げています。

別のプログラムでは、従来2年以上かかっていたバックアップ分子の開発をわずか7カ月で完了しました。NVIDIA BioNeMoプラットフォームを活用し、生物学的・分子的基盤モデルの学習と微調整を自社データで行う体制を整えます。

NVIDIA Omniverseを用いた製造施設のデジタルツイン構築にも着手しています。ノースカロライナ州の新しいGLP-1製造工場では、稼働前に仮想環境でシステムの最適化を進めており、規制文書作成や品質保証、生産スケジューリングにもAI活用を拡大しています。

診断事業では、デジタル病理分野で大量の画像から微細な疾患パターンを検出する技術を開発中です。NVIDIA NeMo Guardrailsを用いて医療グレードのAI安全性を確保しつつ、ラボ運営の効率化や臨床意思決定支援にもAIを展開し、創薬から診断・製造まで一貫したAI活用体制の構築を目指しています。

LangChainは2026年3月16日、NVIDIAとの包括的な統合を発表し、企業向けエージェントAI開発プラットフォームを提供すると明らかにしました。累計ダウンロード数10億回を超える同社のオープンソースフレームワーク群と、NVIDIAのAIツールキットを組み合わせた構成です。

プラットフォームはLangGraphによるマルチエージェントのオーケストレーション、Deep Agentsによるタスク計画とサブエージェント生成、そしてNVIDIA AI-Q Blueprintによるディープリサーチ機能を備えます。NeMo Agent Toolkitにより既存のLangGraphエージェントを最小限のコード変更で導入できます。

実行面ではNIMマイクロサービスが標準デプロイ比で最大2.6倍のスループットを実現します。Nemotron 3 SuperのMoEアーキテクチャにより単一GPUでのコスト効率の高い展開が可能です。並列実行や投機的実行によるレイテンシ削減も自動的に適用されます。

監視面ではLangSmithが150億トレース・100兆トークンの処理実績を持ち、分散トレーシングやコスト監視を提供します。NeMo Agent Toolkitのテレメトリと統合することで、インフラレベルとアプリケーションレベルの可観測性を一元化できます。

さらにLangChainはNVIDIAのNemotron Coalitionに参画し、オープンなフロンティアモデルの共同開発に取り組みます。将来的にはDeep AgentsがCUDA-Xライブラリを活用したGPUアクセラレーション環境で動作し、金融や医療分野での大規模データ処理を可能にする構想も示されました。

NVIDIAとジョンズ・ホプキンス大学、ミュンヘン工科大学らが主導する国際コミュニティが、医療ロボティクス分野初の大規模オープンデータセット「Open-H-Embodiment」を公開しました。35組織が参加し、778時間分のCC-BY-4.0ライセンスデータを提供しています。

データセットは手術ロボティクスを中心に、超音波検査や大腸内視鏡の自律制御データも含みます。シミュレーション、ベンチトップ訓練、実臨床手術にまたがり、CMR SurgicalやRob Surgicalなどの商用ロボットおよびdVRK、Frankaなどの研究用ロボットのデータを収録しています。

同時に公開されたGR00T-Hは、NVIDIAのVision-Language-Actionモデルを手術ロボット向けに特化させた初のポリシーモデルです。約600時間のデータで訓練され、SutureBottベンチマークで端到端の縫合タスクを完遂する能力を実証しました。異なるロボット間の運動学的差異を吸収する独自の設計が特徴です。

Cosmos-H-Surgical-Simulatorは、運動指令から物理的に妥当な手術映像を生成するワールド基盤モデルです。従来のシミュレータでは再現困難な軟組織変形や反射、出血を暗黙的に学習します。実機で2日かかる600回のロールアウトをわずか40分で完了でき、データ拡張にも活用可能です。

次期バージョンでは、意図・結果・失敗モードを注釈した推論対応データへの拡張を目指しています。手術ロボットが状況を説明し、計画を立て、長時間の手術に適応できる推論能力付き自律制御の実現が目標です。データセットとモデルはHugging FaceおよびGitHubで公開されており、コミュニティへの参加を呼びかけています。

Microsoftは2026年3月12日、AIアシスタントCopilotに医療特化の新機能「Copilot Health」を発表しました。米国の5万以上の病院・医療機関から医療記録を取り込み、検査結果の解説や医師検索などを行える独立した安全な空間として提供されます。

ユーザーはHealthExを通じて医療記録を、Functionを通じて検査結果をインポートできます。Apple、Oura、Fitbitなど50種以上のウェアラブルデバイスにも対応しており、歩数や予約リマインダーをホーム画面に表示する機能も備えています。

医療専門家の検索機能も搭載されており、リアルタイムの米国プロバイダーディレクトリと接続しています。専門分野、所在地、対応言語、受け入れ保険プランなどの条件で医師を絞り込むことが可能です。回答にはハーバードヘルス監修のカードや出典リンクが付与されます。

プライバシー面では、健康関連のチャットは一般のCopilotから完全に分離され、追加のアクセス制御が適用されます。データはAIモデルの学習に使用されず、ユーザーはいつでも健康データの削除やデータソースの切断が可能です。ISO 42001認証も取得済みと発表しています。

一方で、競合のChatGPT for HealthcareやAmazon Health AIがHIPAA準拠を実現しているのに対し、Copilot Healthは現時点で未対応です。Microsoft側は消費者向けサービスにはHIPAAは不要との見解を示しつつも、今後HIPAA関連の対応を発表する意向を示しました。専門家はAI企業がプライバシーポリシーをいつでも変更できる点に注意を促しています。

イスラエルのAIエージェントスタートアップWonderfulは、シリーズBラウンドで1億5000万ドル（約225億円）を調達しました。企業評価額は20億ドルに達し、創業からわずか13カ月での急成長を示しています。

今回のラウンドはInsight Partnersが主導し、Index Ventures、IVP、Bessemer Venture Partnersなど既存投資家も参加しました。同社はシリーズAで1億ドルを調達してからわずか4カ月での追加調達となり、累計調達額は2億8600万ドルに達しています。

Wonderfulは非英語圏に特化した顧客サービスAIエージェントプラットフォームを提供しています。通信、金融、ヘルスケア、製造業など幅広い業界で需要が拡大しており、各市場の言語・文化・規制環境に合わせたカスタマイズを強みとしています。

同社の特徴的な戦略は、エンジニアチームを顧客先に派遣し、時にはオンプレミスで共同作業しながらAI技術の導入・統合を進める点です。現在、欧州・中南米・アジア太平洋地域の30カ国で事業を展開しています。

調達資金は新たな国への事業拡大に充てられ、従業員数を現在の300名から900名へと3倍に増強する計画です。CEOのBar Winkler氏は「2026年は企業がAI運用のパートナーを選定する年になる」と述べ、深い統合力と現地対応力が差別化要因になると強調しました。

Googleは豪州の医療機関や健康保険団体と連携し、AIを活用して地方部の心臓病リスクを低減する新プログラムを発表しました。アジア太平洋地域初の取り組みとして、100万豪ドルの投資で予防医療の変革を目指します。

豪州では地方・遠隔地の住民が都市部と比べ心臓病で死亡するリスクが60%高いという深刻な格差があります。この課題に対し、Wesfarmers Health傘下のSISU HealthやVictor Chang心臓研究所などが参画しています。

中核技術となるPopulation Health AI（PHAI）は、Google Earth AIの基盤モデルやGoogle Maps Platformのデータを組み合わせ、臨床記録から大気質・食料アクセスなどの地理的要因まで多様なデータを統合的に分析します。

PHAIは匿名化・集約化されたデータセットを用いて地域レベルの隠れた健康パターンを発見します。これにより画一的なアプローチではなく、郵便番号や町ごとの特性に応じた個別最適化された介入策の立案が可能になります。

SISU Healthはこの技術を活用し、遠隔地で5万件超の新規健康診断を実施する計画です。同意を得た診断データとPHAIの分析を組み合わせ、地域固有の健康課題を把握し、治療から予防への転換を推進します。

Looking Glass社は、2D写真や動画をAIで3Dホログラム表示に変換する7インチデジタルフォトフレーム「Musubi」を発表しました。Kickstarterで初日99ドル、通常149ドルで販売し、2026年6月に出荷を開始します。

Musubiは同社がHololuminescenceと呼ぶ独自技術を採用しています。2D画像をディスプレイ上で立体的な3D映像に変換し、複数人が同時に約170度の広い角度からホログラフィックな映像を楽しめる仕組みです。

最大の特徴は、画像処理をすべてローカルAIで完結させる設計です。Wi-Fi接続やクラウドサービスを一切使わず、PCまたはMacの専用ソフトで変換した画像をUSB-C経由で転送します。カメラやサブスクリプションも不要で、プライバシーを重視する方針を明確にしています。

同社CEOのShawn Frayne氏は「大手AI企業にもLooking Glassにもユーザーのデータへのアクセス権はない」と強調しています。内蔵バッテリーで最大3時間駆動し、画像約1,000枚を保存可能です。動画は30秒までのクリップに対応しています。

Looking Glassはこれまで医療機関や美術館向けに2,000〜20,000ドルの大型業務用ディスプレイを展開してきました。Musubiは同社初の本格的な消費者向け製品であり、ホログラム技術を一般家庭に届けるという長年の目標への大きな一歩となります。

MicrosoftはIDCの調査結果をもとに、医療・金融・製造の規制業界においてエージェントAIを活用したクラウド移行・モダナイゼーション戦略を発表しました。クラウド移行の最大の動機は運用効率化で、46%の組織がIT運用コスト削減を優先しています。

医療分野では、Franciscan HealthがEpic電子カルテをAzureに移行し、5年間で4500万ドルのコスト削減を達成しました。災害復旧は90%高速化され、フェイルオーバー時間は数時間から約30分に短縮されています。HIPAA準拠やランサムウェア対策も強化されました。

金融分野では、メキシコのフィンテック企業CrediclubがサーバーレスPaaSとマイクロサービスに移行し、稼働率を約80%から99.5%に向上させました。EU DORA規制やEU AI法など新たな規制への対応も、クラウド基盤により継続的なコンプライアンス監視が可能になります。

製造分野では、ASTEC IndustriesがAzure IoT HubやPower BIを活用し、分断されたシステムを統合しました。リアルタイムの操業可視化や予知保全を実現し、計画外ダウンタイムの削減と設備総合効率の改善につなげています。

IDCはパブリッククラウドサービス市場が2029年までに1.9兆ドルに達すると予測しています。Microsoftはエージェント型自動化による継続的モダナイゼーションを推進し、Azure MigrateやAzure Accelerateを通じて、規制業界のAI対応基盤構築を支援する方針です。

Googleは2026年3月10日、新しい埋め込みモデル「Gemini Embedding 2」のパブリックプレビューを開始しました。従来のテキスト専用モデルとは異なり、テキスト・画像・動画・音声・文書を単一のベクトル空間にネイティブ統合する初の本格的マルチモーダル埋め込みモデルです。

最大の技術革新は、動画や音声をテキストに変換する中間処理が不要になった点です。従来は動画検索の際にまずテキストへの書き起こしが必要でしたが、本モデルは音声波形や動画の動きを直接理解します。これにより変換時の情報損失がなくなり、クロスモーダル検索が実現しました。

Matryoshka表現学習と呼ばれる技術により、3072次元のフルベクトルから768次元まで柔軟に圧縮でき、精度とストレージコストのバランスを企業が自ら調整できます。法務文書など高精度が求められる用途ではフル次元を、推薦エンジンなどでは圧縮版を使い分けることが可能です。

早期導入パートナーからは顕著な成果が報告されています。クリエイターエコノミー企業Sparkonomyはレイテンシを最大70%削減し、意味的類似度スコアをほぼ倍増させました。法律テック企業Everlawは訴訟証拠開示において、テキスト検索では見逃していた画像・動画内の証拠発見に活用しています。

料金はGemini APIでテキスト・画像・動画が100万トークンあたり0.25ドル、音声は0.50ドルです。入力上限はテキスト8192トークン、動画128秒、音声80秒、PDF6ページとなっています。LangChainやLlamaIndex、Weaviateなど主要フレームワークとの統合も完了しており、既存ワークフローへの組み込みが容易です。

ヤン・ルクン氏が共同創業したパリ拠点の新興企業Advanced Machine Intelligence（AMI）は、物理世界を理解するAI世界モデルの開発に向けて10億ドル以上の資金調達を発表しました。企業評価額は35億ドルで、ベゾス・エクスペディションズやキャシーイノベーション等が共同出資しています。

ルクン氏は、人間の推論の大部分は言語ではなく物理世界に根ざしていると主張し、大規模言語モデル（LLM）の延長線上に汎用人工知能は存在しないと断言しています。「LLMの能力を拡張すれば人間レベルの知能に到達するという考えは完全なナンセンスだ」と述べ、OpenAIやAnthropicなど主要AI企業の方向性に真っ向から異を唱えました。

AMIはルクン氏がMeta在籍時に推進していた世界モデル研究を商業化する初の試みです。Meta社内でLLM重視への戦略転換が進む中、ルクン氏は2025年11月にザッカーバーグCEOに退社を申し出ました。Metaは出資者ではありませんが、スマートグラス向けアシスタントなどでの協業を協議中とのことです。

共同創業者にはMetaの元研究科学ディレクターのマイケル・ラバット氏、元Google DeepMind研究者のサイニン・シエ氏らが名を連ねます。CEOにはAIヘルスケア企業Nablaの元CEOアレクサンドル・ルブラン氏が就任し、製造業・バイオメディカル・ロボティクスなどの企業向けに世界モデルを提供する計画です。

ルクン氏はAI技術のオープンソース化を推進する方針を示し、「AIは一企業が支配するには強力すぎる」と強調しました。最終的にはあらゆる産業で活用可能な汎用世界モデルの構築を目指しており、まずはトヨタやサムスンなどのパートナー企業と協力しながら、航空機エンジンの最適化など具体的な応用から段階的に展開していく方針です。

MITメディアラボのジョセフ・パラディソ教授が、センシング技術を芸術・医療・生態学の分野横断的に応用する研究でIEEEフェローに選出されました。同氏は物理学の博士号を持ち、レスポンシブ・エンバイロメンツ研究グループを率いています。

パラディソ教授はウェアラブルセンシングの先駆者として、1997年に片足16個のセンサーを埋め込んだ靴を開発しました。装着者の動きがアルゴリズムを通じてリアルタイムで音楽を生成する仕組みで、拡張ダンスパフォーマンスを実現しました。

当時は多数のセンサーを列挙すると笑われたと同教授は振り返りますが、現在ではスマートウォッチが同様の計測を日常的に行っています。初期のプロトタイプから日用技術への進化は、同教授の研究が現代のウェアラブル機器の基盤を築いたことを示しています。

研究は個人から集団へと拡大し、ダンスアンサンブルが集合的な動きで音楽を創るプラットフォームを開発しました。2006年にはエリートアスリートを支援する医師と連携し、小型ウェアラブルセンサー群で怪我リスク・パフォーマンス・回復を現場で評価する技術を実用化しています。

近年はナショナルジオグラフィックの探検家と協力し、ボツワナのライオンやハイエナ、チリのヤギに低電力追跡デバイスを装着しています。さらにパタゴニアではAI搭載音響センサーで絶滅危惧のミツバチ個体群を監視し、生態系の変化を把握する新たな手段を提供しています。

パラディソ教授の研究は、技術の目新しさ自体が目的ではなく、人間がより知覚的になり、より深くつながり、大きなシステムの中での自分の位置を認識するための増幅装置としてテクノロジーを活用する姿勢を貫いています。MITの基礎研究が長期にわたり新分野を開拓する好例です。

Anthropicは、アジア太平洋地域で4番目となるオフィスをシドニーに開設すると発表しました。既存の東京、ベンガルール、ソウルに加え、オーストラリアとニュージーランドの企業からの強い需要に応える形での進出となります。

同社の国際事業責任者クリス・チアウリ氏は、金融サービス、農業技術、クリーンエネルギー、ヘルスケアなど国家的重要分野でのAI活用に期待を示しました。現地チームの採用を進め、地域固有の課題に対応したClaudeの開発を目指します。

すでにCanva、Quantium、コモンウェルス銀行など豪NZの革新的企業との協業実績があります。AgTech、物理AI、気候テックなど多様な分野のスタートアップとも連携を拡大していく方針です。

Anthropicの経済指標によると、人口比でのClaude.ai利用率は豪州が世界4位、NZが8位です。両国ではコーディング、教育、研究分野での利用が顕著であり、これらのトレンドに沿った現地パートナーシップの構築を進めています。

さらに同社は、オーストラリアでの計算基盤拡充も検討しています。民主主義国家がAI開発を主導すべきという信念のもと、サードパーティパートナーの既存インフラを活用した現地容量の追加を計画しており、データ主権要件を持つ企業・政府機関の要望に応えます。

Amazonは2026年3月11日、医療AIアシスタント「Health AI」をAmazon.comおよびAmazonアプリ全体に拡大提供すると発表した。同機能はこれまで、2023年に39億ドルで買収した医療企業One Medicalのアプリ限定で提供されていた。

Health AIはPrimeサブスクリプションやOne Medicalの会員資格なしで利用できる。健康に関する一般的な質問への回答のほか、検査結果の説明、処方箋更新の管理、医師との予約手配など多様な機能を備えている。

ユーザーが同意した場合、Health AIは全国規模の医療データ共有システム「Health Information Exchange」経由で個人の医療情報にアクセスし、検査結果や診断内容をもとにパーソナライズされた回答を提供する。

プライバシー面では、すべてのやり取りがHIPAA準拠環境で処理され、暗号化と厳格なアクセス制御で保護される。モデルの学習には個人を特定しない抽象化されたパターンのみを使用するとAmazonは説明している。

医療AIへの参入はAmazon以外でも加速しており、OpenAIが2026年1月に「ChatGPT Health」を、Anthropicが同月「Claude for Healthcare」を発表するなど、主要AI企業が医療分野での競争を激化させている。

MITの研究チームが、大規模言語モデル（LLM）の推論時メモリであるKVキャッシュを最大50分の1に圧縮する新手法「Attention Matching」を発表しました。精度をほぼ維持したまま数秒で処理が完了する点が最大の特徴です。

LLMはトークンを逐次生成する際、過去の全トークンのキー・バリュー対をKVキャッシュに保持します。長文の法務文書分析や自律型コーディングエージェントなどの企業用途では、1リクエストで数GBに膨張し、同時処理数やバッチサイズを大幅に制限する深刻なボトルネックとなっていました。

従来の対処法には、重要度の低いトークンの削除やトークン統合がありますが、高圧縮率では精度が急激に低下します。テキスト要約による代替も、医療記録のような情報密度の高い文書ではコンテキストなしと同等の精度まで劣化することが実験で確認されました。勾配ベースの「Cartridges」手法は高品質ですが、1コンテキストの圧縮に数時間を要し実用性に欠けていました。

Attention Matchingは、圧縮後のメモリが元のメモリと同じ「注意出力」と「注意質量」を再現するよう設計されています。事前に生成した参照クエリを用いて保持すべきキーを選択し、通常最小二乗法などの代数的手法で値を算出します。勾配降下を完全に回避することで、処理速度が桁違いに高速化されました。チャンク単位の分割処理により長文への対応も実現しています。

Llama 3.1やQwen-3を用いた実験では、読解ベンチマーク「QuALITY」と6万トークンの医療記録データセット「LongHealth」の両方で有効性が確認されました。テキスト要約との組み合わせでは200倍圧縮も達成しています。数学推論テスト「AIME」では、メモリ上限に達するたびに50%圧縮を最大6回繰り返しても、無制限メモリと同等の性能を維持しました。

ただし、この手法の導入にはモデルの重みへのアクセスが必要であり、クローズドAPIのみを利用する企業は自社実装ができません。また、既存の推論エンジンへの統合にはプレフィックスキャッシュや可変長メモリパッキングとの調整が必要です。研究チームはコードを公開済みで、大規模なツール出力や長文文書の取り込み直後の圧縮が有望なユースケースだと述べています。

Googleは2026年3月、ドイツ・ベルリンに新たなAI研究拠点「Google AI Center Berlin」を開設しました。同拠点はGoogle DeepMind、Google Research、Google Cloudの研究者・開発者が集う場として機能します。

同センターは単なる研究施設にとどまらず、科学・ビジネス・学術・政治の各分野の思想的リーダーが交流する場として設計されています。AI分野における議論、協業、そしてイノベーションの推進を目的としています。

開設記念イベントでは、AIを活用したエージェントやプラットフォームによる科学研究と医療分野の加速について発表が行われました。具体的な応用事例を通じ、社会的利益をもたらすAIの可能性が示されました。

ミュンヘン工科大学（TUM）との長期的な研究パートナーシップも発表されました。TUMはGoogle.orgの「AI for Science基金」の採択機関であり、Helmholtz Munichとの既存の協業もさらに拡大します。

今回の拠点設立は、Googleがドイツおよびグローバルで築いてきた研究・エンジニアリング基盤の延長線上にあります。社会的便益をもたらす大胆なイノベーションを重視する同社の姿勢を体現する取り組みです。

Amazon Web Servicesは、医療機関向けAIエージェント基盤「Amazon Connect Health」を発表しました。予約管理、文書作成、患者確認などの反復的な事務作業を自動化し、医療従事者の負担軽減を目指します。

同プラットフォームはHIPAA準拠で、電子健康記録（EHR）ソフトウェアと連携します。現在、患者確認と環境ドキュメンテーション機能を提供しており、予約管理や患者インサイト機能はプレビュー段階にあります。

料金はユーザーあたり月額99ドルで、月600件までの診療に対応します。AWSによれば、一般的なプライマリケア医師の月間診療件数は約300件とのことです。

AWSは5兆ドル規模の米国医療産業への参入を加速させています。2018年のオンライン薬局PillPack買収や、2022年のOne Medicalの39億ドルでの買収など、大型投資を重ねてきました。

医療AI市場では競争が激化しています。OpenAIが1月にChatGPT Healthを、Anthropicが翌週にClaude for Healthcareを発表しました。スタートアップのRegardやNotableも2017年から事務負担軽減AIを提供しており、大手の参入で市場はさらに活性化しています。

Googleと台湾の国民健康保険署（NHIA）は、台湾の統一医療データベースとGemini技術を活用し、医師が健康リスクを早期に発見できるAI公衆衛生モデルの構築で協力しています。世界有数の医療制度を持つ台湾でも、医師の時間は限られており、AIによる支援が求められていました。

最初の成果であるAI-on-DMモデルは、糖尿病リスク評価を劇的に効率化しました。従来は1人あたり平均20分かかっていた評価が、Google Cloudの並列処理によりわずか25秒に短縮されました。2万人のスクリーニングは40人の専門家が3週間かかる作業でしたが、90分以内で完了します。

今月中にNHIAは、台湾で1000万人が利用する政府アプリにGemini搭載の健康アシスタントを導入します。臨床ガイドラインに基づく個別化された安全な健康アドバイスを提供し、日常的な健康管理を支援します。居住地に関係なく、すべての市民が同等の質の高い評価を受けられるようになります。

この取り組みは、台湾各地の病院とのAI協力実績の上に築かれています。中国医薬大学附属病院でのがん治療向けMedLM導入、長庚記念病院のAI超音波診断、台北医学大学附属病院の自動化ワークフローなどが先行事例です。NHIAはMedGemmaを用いて3万件超の病理報告書も処理しています。

Google.orgはデジタル人道協会に100万ドルを助成し、300のコミュニティセンターで糖尿病管理サービスとデジタル研修を展開します。24万件の健康チェックインと200人の地域介護者の育成を目指します。NHIAは今後、同じ枠組みを高血圧や脂質異常症にも適用する計画で、予防・予測・先制型の医療モデルを世界に示す構えです。

OpenAIは2026年3月3日、ChatGPTで最も利用されるモデル「GPT-5.3 Instant」をリリースしました。前モデルGPT-5.2 Instantと比較して幻覚率を最大26.8%削減し、応答の正確性と会話の自然さを大幅に向上させています。

精度面では、医療・法律・金融など高リスク領域での社内評価でWeb利用時に26.8%、内部知識のみで19.7%の幻覚削減を達成しました。ユーザーフィードバックに基づく評価でもWeb検索時に22.5%の改善が確認されています。

応答トーンの改善も大きな特徴です。GPT-5.2では「あなたは壊れていない」「深呼吸して」といった過剰に共感的な表現がユーザーの不満を招き、サブスクリプション解約に至るケースもありました。新モデルではこうした説教的な前置きを排除し、質問に直接回答する設計に改められています。

Web検索結果の活用方法も改善され、単なるリンク羅列ではなくモデル自身の知識と組み合わせて文脈を踏まえた回答を生成します。不要な拒否応答も大幅に減り、安全ガイドラインに違反しない質問にはストレートに答えるようになりました。

一方で安全性評価では、性的コンテンツと自傷行為のカテゴリでGPT-5.2からの退行が報告されています。また日本語や韓国語では依然として不自然な応答が残る課題があります。GPT-5.2 Instantは2026年6月3日に廃止予定で、次期モデルGPT-5.4も近日公開が予告されています。

米大手VCAndreessen Horowitz（a16z）は、行動医療向けAIプラットフォームを開発するEaseのシリーズAラウンドを主導し、4100万ドル（約41億円）の資金調達を完了したと発表しました。Easeは受付・診療記録・請求を一つの基盤に統合することを目指しています。

米国では5人に1人が行動医療サービスを利用しており、需要は拡大を続けています。しかし業界を支えるソフトウェアは旧来のままで、スケジューリングや文書管理、請求処理に複数の分断されたツールを使い分ける非効率な状況が続いています。

EaseはAI対応の統合型プラットフォームとして、CRM機能を持つ受付管理、電子カルテ（EHR）、収益サイクル管理（RCM）を一体化します。環境音声ドキュメントや自動チャート作成、AIコールセンター、自律的な事前承認エンジンなど多彩な機能を提供しています。

a16zは本投資について、ToastやRippling、Stripeなどが他業界で分断されたワークフローを統合し成功した事例と同じ戦略だと位置づけています。行動医療は次の大きな変革の機会であり、Easeは他の外来市場への展開も見据えています。

経営陣にはa16z出身のCEOザック・コーエン氏、技術チーム構築に実績のあるCTOレイモンド・ワン氏、行動医療企業をOptumに売却した経験を持つ社長スティーブ・ゴールド氏が名を連ね、医療・技術・経営の専門性を兼ね備えた布陣となっています。

Wiredの記事は、育児や家族問題に関する相談にAIチャットボットを利用する親が増えている実態を報告しています。小児科医や家族相談員へのアクセス困難を補うものとして活用が広がっています。

AIを医療・福祉相談に活用することの利点と課題（誤情報リスク、感情的依存）について重要な問いを提起している記事です。

NVIDIAは医薬品の発見・開発向けに「世界最強のAIファクトリー」が稼働を開始したと発表しました。大規模なGPU計算インフラを医薬品業界のAI研究・開発に特化させた設備です。

創薬の時間とコストを劇的に短縮するという目標のもと、製薬大手との連携でAI創薬エコシステムを構築する動きです。AIヘルスケア投資の大型事例として業界に影響を与えます。

アンドリーセン・ホロウィッツ（a16z）のブログ記事「Infinite Healthcare」では、AIが医療の全ての側面を変革し、従来は高コスト・限定アクセスだった医療サービスを「無限に」提供できるという投資テーゼが展開されています。

診断精度の向上、創薬の加速、医師の生産性向上などを挙げており、a16zがAIヘルスケアを次の大型投資領域として位置付けていることが明確です。

MITの研究者は、癌患者の細胞における遺伝子発現を分析し、癌の起源の特定や治療成功率の予測に役立てるAIツールを開発しました。細胞は複雑な構造を持ち、測定方法によって得られるデータが異なるため、全体像を把握することは難しい問題でした。

このAIツールは異なる測定方法から得られたデータの偏りを補正し、細胞生物学の全体的なパターンを可視化します。癌研究における診断精度の向上と個別化医療の推進に貢献することが期待されます。

医療AIスタートアップOpenEvidenceは、TikTokで200万回再生を超えるバイラル現象を起こしながら、医師が実際に信頼できる精度を維持することに成功しました。Vercelが公開したケーススタディで詳細が明らかになっています。

医療AIでの最大の課題はハルシネーション（誤情報生成）の防止です。OpenEvidenceは臨床的根拠に基づく回答生成と多層的な検証システムを組み合わせ、医師が実際の診療判断に利用できる水準の精度を実現しています。

Vercelのインフラを活用することでスタートアップのスピードと病院レベルの可用性・低レイテンシを両立させています。ヘルスケアAIにおける信頼性と可用性の両立は業界全体の課題です。

NVIDIAが実施した第2回「医療・ライフサイエンスにおけるAIの現状」調査では、放射線診断から創薬、製造、デジタルツインを活用した新治療法まで、医療のあらゆる領域でAIが明確なROIをもたらしていることが示されました。

特に放射線科学ではAI支援診断が広く実装されており、読影精度と処理速度の向上が確認されています。創薬分野では候補化合物の特定と治験設計の効率化が進んでいます。

一方で医療データの標準化・共有化、規制対応、そして医療従事者のAIリテラシー向上が、さらなる普及に向けた重要課題として挙げられています。

Guide Labsが発表した解釈可能LLMは、従来のブラックボックス型アーキテクチャとは異なる新しい設計思想に基づいています。推論プロセスを可視化できるため、出力の根拠が確認でき、ハルシネーションリスクの低減が期待されます。

医療・法律・金融など高リスク領域でのAI活用において、説明可能なAI（XAI）は規制対応や信頼確保の観点から重要です。このアプローチはエンタープライズAI導入の新たな方向性を示しています。

TechCrunchのインタビューで、Google Cloud、DeepMind、Alphabetにわたるグローバルスタートアップ組織を率いるDarren Mowry副社長は、かつて急増したAIスタートアップの二つのカテゴリーが存在の危機に直面していると警告しました。LLMラッパー（GPT等のAPIをラップするだけのサービス）とAIアグリゲーター（複数のAIを束ねるサービス）がその対象です。

LLMラッパーが危険な理由は明快です。GPT-4がo3やGemini 2.0に進化するたびに、ラッパーが提供する付加価値の多くが基盤モデルに吸収されます。「プロンプトを整える」「UIを整える」だけでは、基盤モデルが直接その機能を提供し始めると差別化が消失します。

より微妙なのはAIアグリゲーター（複数のAIモデルを横断してアクセスできるサービス）の問題です。OpenRouterやPerplexityのようなサービスは、基盤モデルがコモディティ化する中で、どこで価値を作るかという問いに常にさらされます。ルーティングの知性だけでは持続的な競争優位にはなりにくいです。

生き残るスタートアップに必要なのは、特定業界の深い専門知識と固有データを持つことです。医療のカルテデータ、製造の設備データ、法律の判例データなど、基盤モデル企業が簡単には入手・学習できないプロプライエタリデータと組み合わせた垂直特化が最も有望な戦略です。

Googleの視点からこの発言を読むと、スタートアップコミュニティへの助言であると同時に、Google自身がAIスタック全体をカバーしようとする戦略の反映でもあります。水平的プラットフォームは基盤モデル企業に押さえられ、スタートアップは垂直に特化するしか差別化の余地がないという冷厳な市場構造を示しています。

Hugging FaceとUnslothは、Hugging Face Jobsプラットフォームを通じてLLMのファインチューニングを無料で提供するパートナーシップを発表しました。Unslothはその高速化（通常の2〜5倍速）とメモリ効率（最大80%削減）で知られており、これをHFのクラウドインフラと組み合わせることで、GPUを持たない開発者や研究者に訓練機会を開放します。

ファインチューニングの民主化は、AI活用の次のフロンティアを拓きます。汎用的な基盤モデルをドメイン特化させる能力は、医療、法律、製造など特定業界でのAI活用精度を大幅に向上させます。これまでこの作業には高額なGPUクラスターが必要でしたが、今後は個人や中小企業でも実施可能になります。

HuggingFaceにとってこの提携は、モデルハブ（保管）からトレーニング基盤（構築）、さらにはデプロイメントまでをカバーするフルスタックMLプラットフォームとしての地位を強化します。Unslothのユーザーベースを取り込む獲得戦略でもあります。

Unslothの側では、有料の商用サービスへの入口としてHF経由の無料ティアを活用する戦略です。無料で試したユーザーが高度な機能や大規模訓練のために有料プランに移行するフリーミアムモデルを狙っています。

この動きはより広いトレンドの一部です。LLMの推論コストが下がり続ける中、次の競争軸は専用化・個別最適化にシフトしています。ファインチューニングの民主化が進むことで、汎用LLMよりもドメイン特化モデルが主流になる時代が近づいています。