バイオテクノロジーと人工知能が交錯している。しかし、それは必ずしも熱狂的な支持者が期待する形ではない。がん細胞へ抗がん剤を直接届ける高度な手法である抗体薬物複合体（ADC）を追うステープルのようなステルス企業が存在する一方で、主要なヘルスケア企業は大規模なデータインフラへと軸足を移している。

ユナイテッドヘルス・グループによる30億ドルの投資は、この戦略的分断を象徴するものだ。業界の注目はしばしばハイリスクな創薬に集まるが、機関投資家の資金はAIの包括的な統合へと向かっている。これは単なる創薬プロセスの加速ではなく、医療機関が保有する断片的な膨大な患者データを最適化するための動きである。

学生がこのトレンドを観察する上で注目すべきは、根底にある緊張関係だ。医療におけるAIは単一の「成功モデル」を指すものではない。それはインフラの構築を指す。新しいがん治療のための生物学的経路の解明であれ、保険手続きや診断プロセスの自動化であれ、本質的な課題は「複雑なデータセットからいかに価値を抽出するか」という一点に集約される。

小規模なスタートアップが資金繰りの悪化に直面する中、「AI」というラベルは諸刃の剣となっている。それは資本を惹きつけると同時に、業界の誇大広告を超えて実効性を証明する厳格なエビデンスを要求しているからだ。

最近の医療業界では、新しい薬を作るバイオテクノロジーと、データを賢く扱うAIのどちらにお金をかけるべきかという議論が起きています。例えば、がん細胞だけをピンポイントで攻撃する高度な薬（抗体薬物複合体：ADCs）の開発に挑む会社がある一方で、巨大な医療グループは別の場所に目を向けています。アメリカの大手ユナイテッドヘルス社が約30億ドル（約4500億円）を投資した先は、薬そのものではなく、AIを医療現場でスムーズに動かすためのシステム基盤でした。

なぜ薬の開発よりシステムの構築にお金が流れるのでしょうか。それは、今の医療業界が抱えるバラバラな情報を整理することが、何よりも重要だからです。料理に例えるなら、高級な食材を買うことよりも、冷蔵庫の中に何がどれだけ入っているかを正確に把握するシステムを整える方が、結果として店全体の効率が上がるのと同じです。大量の患者データを整理できれば、診断のスピードが上がり、事務処理も自動化されるため、結果として患者さんへの対応が早くなります。

もちろん、AIを使えば魔法のように新しい治療法が見つかるという夢のような話ばかりではありません。実際、小さめのベンチャー企業は、規制が厳しくなったことで資金が集まらず、事業を畳むケースも出てきています。今後は、AIという言葉だけで期待を集めるのではなく、実際に現場でどう役立つのかという確かな証拠を示せる企業だけが生き残る時代になるでしょう。AIは単なる流行りではなく、医療を支える土台として本格的に活用されようとしています。