Medical AI for Japan
日本の人々の健康を、
医療AIの中心に。
Mozu の使命は、日本の人々が医療AIの恩恵を最大限に受けられるようにすることです。
01 — なぜ、いま必要なのか
医療AIの精度は、
「どんな患者を学習したか」で決まる。
いま、医療AIの開発を支えるデータの大半は米国のものです。日本の人々のデータはほとんど含まれていません。
その影響は、すでに現れています。
-
診断AIが、特定の患者を見逃す
皮膚がんの検出AIは、学習データに多い肌色では高い精度を出す一方、それ以外では精度が大きく落ちることが報告されています。胸部X線のAIでも、学習データに少ない集団ほど疾患の見逃し率が高まります。AIは、学習していない患者を正しく診ることができません。
-
治療の判断が、データの偏りに左右される
170万件以上のAI応答を分析した研究で、同じ症状でも患者の属性によって治療推奨が変わることが示されています。AIの判断は学習データに反映された集団に最適化されるため、そこに含まれない集団には不利に働きます。
-
薬の効き方の違いが、反映されていない
薬理ゲノミクスの学習データの80%以上が欧州系に偏っています。薬物代謝は集団によって大きく異なりますが、その違いがAIモデルに十分反映されていません。日本の人々に特有の代謝パターンも、例外ではありません。
02 — Mozuがすること
医療AIが日本の人々のために
働く土台をつくる。
医療AIの能力は、どんなデータで学んだかで決まります。日本の人々の症例が学習に含まれなければ、そのモデルは日本の患者に対して力を発揮できません。
Mozu は、日本の人々の医療データをAIが学べる形に構造化し、モデルの学習・評価・検証を支える基盤に変えます。単にデータを集めて渡すのではなく、医療AIが日本の患者のために正しく機能するための土台そのものをつくっています。
-
医師による評価
自動評価やベンチマークだけでは、医療AIの実力は測れません。Mozu は、日本の臨床を知る医師による評価体制を構築し、AIの出力が日本の現場で通用するかを人の目で検証します。
-
医療という専門領域
医療は、汎用的なデータでは扱えない専門領域です。Mozu は、日本の臨床現場の知見を持つ医療専門家と連携し、疾患パターン・治療判断・薬物代謝といった領域固有の知識をAIに届けます。
-
多様な医療データ
医療データはテキストだけではありません。画像、検査値、カルテ記録、病理スライド。Mozu は、日本の人々の多様な医療データを横断的に構造化し、AIが複合的に学べる形にします。
03 — 医療データが患者に返った実例
医療データからAIが生まれ、
臨床に還る。
医療データを集積し、AIに学習させ、その成果を臨床現場に戻す——この循環は、すでに世界の最前線で動いています。
-
医療の基盤モデルは、実臨床データそのものでできている
米国・Google Med-Gemini / MedGemma →Google の医療基盤モデル Med-Gemini／MedGemma は、胸部X線・病理・皮膚科・眼底画像・CT・MR・医療文書・電子カルテ（EHR）といった、非識別化された実際の医療データで学習されています。その結果、米国医師国家試験形式のベンチマーク（MedQA）で91.1%を記録し、GPT-4を上回りました。
重要なのは、こうしたモデルの「医学的な能力」は、与えられた医療データそのものから生まれるという点です。学習データが米国・英語圏に偏れば、モデルの強みもそこに偏ります。
-
病院は、自院のカルテで基盤モデルを学習させ、現場に実装している
米国・NYUTron →NYU Langone Health は、NVIDIA と共同で、自院の10年分の電子カルテ——約40万人・40億語を超える臨床記録——から大規模言語モデル NYUTron を学習させました。院内死亡を85%の精度で検出（従来法より7%改善）、在院日数の予測も従来比12%改善しました。
モデルは、学習した集団を映すのです。裏を返せば——日本の患者で正しく機能するモデルは、日本の臨床データからしか生まれません。
-
病理スライドの基盤モデルも、実際の患者データから生まれている
米国・Prov-GigaPath →Microsoft・ワシントン大学・Providence が共同開発した Prov-GigaPath は、28のがんセンター・3万人を超える患者から得られた約17万枚の全スライド病理画像（13億枚の画像タイル）で学習した、デジタル病理の基盤モデルです。がんの分類など26タスク中25タスクで当時の最高性能を達成しました。
-
医療ビデオの基盤モデルも登場している
手術ビデオ・SurgVISTA →SurgVISTA は、3,650本の手術ビデオ・約355万フレーム、20種類以上の術式にわたる大規模な手術映像で学習した基盤モデルです。開発チームは、「データの偏りと不足」を最大の課題として明確に挙げています。
これらに共通するのは、医療データがAIの能力に変わり、それが患者と医療現場に返ってくるという構造です。そして基盤モデルの時代には、どんなデータで学んだかが、モデルが誰のために働くかを決めます。Mozu は、この構造を日本の人々のために作ります。
04 — ガバナンス
Mozu Health は Public Benefit Corporation（PBC）です。日本の人々の健康を向上するという公益目的を定款に掲げ、すべての経営判断の軸に据えています。
PBC は、利益の追求と公益の実現を両立させるために設計された米国の企業形態です。取締役会は、株主の利益だけでなく、定款に掲げた公益目的と、事業が影響を与える人々の利益を考慮する裁量を法的に持ちます。
05 — 代表メッセージ
東京大学医学部を卒業後、渡米。ハーバード大学院でポスドク研究員を経て、米国で救急医学と医療情報学の二つの専門医資格を取得。INSEAD MBA を修了。現在は東北大学客員教授を兼任。ニューヨークとカリフォルニアの臨床現場の最前線で数千人の患者を診る中で、医療AIの可能性と限界を実感しました。その後、医療情報学の専門医として医療AIプロダクトの開発に携わり、日本の人々のデータが世界の医療AI開発からほとんど抜け落ちている現実を目の当たりにしました。Mozu はその課題に取り組むために設立しました。
島田 舞 Mai Shimada, M.D., M.B.A.
06 — お問い合わせ
お問い合わせはこちらから。
ご質問やご相談など、何でもお気軽にご連絡ください。
- info@mozuhealth.com