医療分野へのAI実装が資金調達の規模感を一変させている。PitchBookの年次レポートによると、2024年のヘルスケアAIスタートアップ投資額は前年比で47パーセント増加し、総額は148億ドルに達した。この数字を牽引したのは診断支援、創薬、臨床ワークフローの3領域である。単独ラウンドで10億ドルを超えるメガディールが複数成立した点が、金融市場におけるAIヘルスケアの位置づけが「実験段階」から「基幹投資」へ移行した明白な証拠となっている。

なぜ医療AIに資金が集中するのか

米国医療費はGDPの約18パーセントを占め、そのうち管理業務だけで年間1兆ドルが費やされている。AIによる事務効率化の余地は他の業種よりも大きい。放射線科では読影医の不足が慢性化しており、世界保健機関によると世界の人口の3分の2がいまだに画像診断へのアクセスを欠く。こうした需要の硬直性が、モデル精度の向上と相まって投資家の判断を後押しした。さらにFDAが2024年10月までにAI医療機器として承認した数は累計950件を超え、規制側の許容速度が高まっていることも資金流入の根拠となっている。

構造

この産業を支える供給網は4層に分解できる。最上流はNVIDIAのGPUクラスタとAWS、Microsoft Azure、Google Cloudが提供するHIPAA準拠の専用クラウド基盤である。第2層はGoogle DeepMindのMed-PaLMやOpenAIと提携する医療特化LLM開発企業で、ここがモデル競争の主戦場だ。第3層は電子カルテベンダーであるEpic SystemsやCernerが握る臨床データのAPI接続層で、このアクセス権が医療AIの事業化における最大の関門となっている。第4層には診断支援のViz.ai、創薬のInsilico Medicine、事務自動化のOliveといったアプリケーション企業が並び、病院や製薬会社にサービスを提供する。投資の約60パーセントは第4層のアプリケーションに集中し、残りは第2層の基盤モデル開発に配分される構図だ。

影響

この資金構造はAI産業全体に3つの波及効果をもたらす。第一に、医療用の大規模言語モデル開発がGPU需要をさらに高める。医療画像の3Dボリュームデータやゲノム配列を扱うモデルは、テキストのみのGPT-4よりも推論時の計算負荷が格段に重い。NVIDIAはClaraプラットフォームを通じて医療機関への直接販売を強化しており、GPUメーカーがエンドユーザーである病院を囲い込む垂直統合が加速する。第二に、電子カルテに蓄積された非構造化データのAPI化が進むことで、ファインチューニング用データセットの流通市場が形成される。これはモデル開発企業の競争力を左右する新たな要素となる。第三に、日本市場においては富士フイルムやキヤノンメディカルシステムズといった画像機器メーカーが、自社装置にAI診断モジュールを組み込む戦略を打ち出している。PACS市場で培った設置基盤を活かし、欧米のクラウド依存モデルとは異なる「エッジ推論型」の供給網が形成される可能性が高い。

制度設計が決める次の一手

今後の焦点は、FDAの承認速度と医療保険の償還価格設定に移る。AI診断に対する保険点数が低ければ、病院の導入意欲は減退する。CMS（米国医療保険福祉センター）は2024年にAI支援診断への償還コードを新設したが、金額は従来の対面診療の枠内にとどまる。一方で欧州のAI法は医療AIを高リスク分類とし、誤診時の開発者責任を問う枠組みを導入する見込みだ。日本では薬機法におけるプログラム医療機器の審査体制が依然として手薄であり、PMDAの審査官増員の遅れが国内スタートアップの市場参入時期を左右する。技術より制度の変化が産業の成長勾配を決める局面に入っている。