2026年9月25日、医師専用AIサービスを提供するOpenEvidenceは2億5,000万ドルのシリーズD資金調達を完了したと発表した。調達後評価額は150億ドル（約1兆700億円）に達し、今年1月に完了した前回ラウンドの120億ドルから25%上昇した。本ラウンドはAndreessen Horowitz（a16z）とByers Capitalが共同リードし、複数の病院システムが追加出資した。Business Insiderの報道によれば、同社の過去1年間の調達総額は10億ドルを超えており、既存投資家にはThrive Capital、DST Global、GV（Google Ventures）、Kleiner Perkins、Sequoia Capital、NVIDIAが名を連ねる。
同社は2022年にマイアミで設立された。その出発点は意図的に抑制されたものだった。汎用AIアシスタントを目指すことを拒み、医師が診療現場で信頼できる根拠に基づいた臨床検索ツールのみを提供することに徹した。そのシステムは査読済みの医学文献や治療ガイドラインを基盤とし、医師が診断根拠や投薬提案を迅速に検索できるよう支援するもので、追跡不能な「AI見解」を生成するものではない。このポジショニングの保守性こそ、後にトップクラスの医療機関へ参入できた前提条件だった。病院の調達意思決定は専門的信頼に強く依存しており、汎用AIの能力デモンストレーションでは通常不十分だからだ。OpenEvidenceは自社製品を「史上最速で成長した医師向けアプリ」と位置づけており、Business Insiderが引用するデータによれば、現在米国の開業医の3分の2以上が診断・治療提案のために同プラットフォームを利用している。
この普及率という数字の背後には、データの堀が形成されるロジックがある。報道によれば、2026年8月の1か月だけで、米国の臨床医はOpenEvidenceを通じて4,200万回の診療相談を行った。これはOpenEvidenceが単なるツールではなくなったことを意味する。医師がどのように検索するか、どの疾患への問い合わせ頻度が最も高いか、どの希少疾患事例で繰り返し調査するか、こうしたすべてのインタラクションの軌跡が、システムのバックエンドで他社がほぼ再現不可能な臨床医学ナレッジグラフを形成している。そしてまさにこのグラフが、今回の資金調達に伴う最大の戦略的転換を支えている。
Forbesの報道によれば、OpenEvidenceのCEO、Daniel Nadlerは、2026年中に最初の候補薬を臨床試験に進め、2027年にはさらに3〜5の候補分子を続かせる計画を明らかにした。初期段階では、大手製薬会社が「取り組んでいない、あるいは取り組めないかもしれない」希少がん領域に集中する。Nadlerの論理はこうだ。OpenEvidenceの医師ネットワークは、希少疾患の臨床試験で患者を効率的にリクルートする独自の能力を同社に与えており、これこそが希少がん薬剤開発における最大の障壁のひとつだ。この観点から見れば、創薬事業は無から生まれた多角化ではなく、データ資産からパイプラインへの自然な延長線上にある。
この戦略を支える具体的な提携はすでに実現している。資金調達の発表から数日前、OpenEvidenceはMemorial Sloan Kettering Cancer Center（MSK）との深い統合を発表した。OpenEvidenceはMSKのEpic医療システムのワークフローに組み込まれ、MSKの医学教員の70%がすでにこのプラットフォームを利用している。また、MSK傘下の精密腫瘍学データベースOncoKBが、OpenEvidenceを通じて全国の臨床医に開放された。Forbesの報道によれば、OpenEvidenceはNational Comprehensive Cancer Network（NCCN）とも早期合意に達しており、双方が蓄積したデータをもとに独自の創薬パイプラインを構築する予定だ。MSKとNCCNという2大トップ腫瘍機関とのデータ連携を同時に持つことは業界内で極めて稀であり、同社がわずか9か月で2回の大型資金調達を完了できた理由をも説明している。
今回の資金調達のもうひとつの柱は、Anthropicとの技術提携だ。複数のメディアの報道によれば、OpenEvidenceとAnthropicは9月22日に提携を発表し、Anthropicの基盤モデルをもとに専有の医療AIパイプラインを構築し、約100か国の医療機関に無償提供する。重点的にカバーするのはアンゴラ、ハイチ、モンゴル、スーダン、ウガンダなど医療資源が乏しい地域だ。商業的な意義としては、OpenEvidenceが「医療アクセスの普及」という形で世界の医師データネットワークを迅速に拡大しつつ、Anthropicには医療分野でのリアルかつ大規模な展開事例を提供するという、双方の利益が高度に一致した構図となっている。財務条件は非公開だ。
OpenEvidenceは真空の中で単独で成長しているわけではなく、競争環境も加速度的に変化している。老舗医師プラットフォームDoximityの最新データでは、AI検索クエリ数が四半期で25%増加し、傘下のScribe（AI医療文書作成ツール）のユーザー数は前年比10倍に達している。Doximityは20年以上かけて蓄積した医師コミュニティと処方データを武器に、同一レースで加速している。一方、OpenAIはMSKを含む8つの医療機関で企業向けツールのパイロットを開始している。注目すべきは、MSKがOpenEvidenceと深く統合しながら、同時にOpenAIのパイロットにも参加しているという点だ。これはトップクラスの医療機関がAIベンダーを排他的に選ばず、複数に賭けるのが現在の主流姿勢であることを示している。
しかし、OpenEvidenceのデータ資産は構造的に上記の競合他社と本質的な差異がある。汎用AI大手の医療パイロットであれ、Doximityのワークフローツールであれ、OpenEvidenceが持つ規模の臨床検索行動データ——月間4,200万回の相談件数、米国開業医の3分の2をカバーするネットワーク、そこから派生した実際の医療意思決定経路——はまだ蓄積されていない。これは専門特化型AIが堀を構築する典型的なパターンだ。モデル性能で最強を争うのではなく、単一の高付加価値シナリオで代替不可能な存在になり、そこを拠点に外へ拡張するというアプローチだ。
Business Insiderの報道には、思わず考えさせられるある詳細も登場した。事情に詳しい関係者によれば、OpenEvidenceは「会社の売却を検討する意向があるかもしれない」とのことで、売却対象には算力リソースの使用権が含まれる可能性がある。理由は、反AI感情が高まり続けてデータセンターの拡張が妨げられれば、将来的に算力の供給が逼迫するかもしれないという点にある。報道は同時に、現時点では潜在的な買収者が買収への関心を表明しているかどうかを確認する方法がなく、同社が独立路線を続ける可能性もあると注記している。関係者の発言だけでこのシグナルを確定することは難しいが、評価額のロジックを補完するひとつの手がかりにはなる。150億ドルという価格設定には、OpenAI、Google、Anthropic、Microsoft、または大手製薬会社といった戦略的買収者のプレミアムが織り込まれている可能性が十分ある。既存投資家としてNVIDIAが存在していることも、潜在的な買収シナリオにさらなる想像の余地を加えている。
（以下は現時点の情報に基づく分析的判断であり、確認済みの事実ではない。）2026年9月時点でOpenEvidenceが立っているのは、「機会の窓」と「経路の選択」が共存する節目だ。創薬への戦略転換は、同社のリスク範囲を「医師のエンゲージメントを維持できるか」から「臨床試験を通過できるか」へと急激に拡大させる。後者の不確実性は桁違いに高く、タイムラインも通常は年単位となる。年内に最初の候補薬を臨床試験に進めるという約束は、公に追跡可能なマイルストーンだ。この公約が2026年末に果たされれば、同社の医学データ資産が薬剤スクリーニングを実際に導ける能力を持つことが証明される。遅延した場合は、評価額のロジックにおける「創薬プラットフォーム」部分に直接的な圧力がかかり、次回の資金調達や買収交渉における交渉力に影響する。
垂直特化型AI領域で具体的な展開経路を模索している開発者や企業ユーザーにとって、OpenEvidenceの事例は3つのロジックを提示している。第一に、「高参入障壁の専門シナリオ＋代替不可能なデータ」は、垂直特化型AIが汎用AI大手に対抗するための最も有効な堀の構築経路であり、医療はその検証済み領域のひとつに過ぎない。同じロジックは法律、工学、金融など高い専門的障壁が存在するあらゆる業界に当てはまる。第二に、Anthropicと OpenEvidenceの提携モデル——基盤モデル＋垂直特化アプリケーション＋グローバル展開——は参考可能な技術提携のフレームワークを提供しており、すべての垂直特化型AI企業が独自に基盤モデルを訓練する必要はない。汎用基盤を借用し、専門データとワークフロー統合に集中することが、現段階ではより現実的な経路だ。第三に、MSKの事例は、病院システムレベルの企業調達意思決定が依然として「専門的信頼」の長期的蓄積に強く依存していることを示しており、モデル性能の数値で臨床意思決定者を説得することは、技術部門を説得するよりもはるかに難しい。
4年間でゼロから150億ドルの評価額に達した医療AI企業が、今ひとつの問いに答えようとしている。AIが数億回の実際の臨床インタラクションを蓄積したとき、「疾患を理解する」から「薬を作る」への跳躍を独力で完成できるのか。年末前に臨床試験へ進む最初の候補薬が、その問いへの最初の検証可能な回答となるだろう。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接