動物実験を人組織・ロボット・AIで置き換える　Vivodyneが目指す「創薬のOS」

皆さん、こんにちは。FoundXのマ田です。

FoundXのトミターです。では、冒頭の雑談ですが、最近出たワーキングペーパーを紹介したいと思います。「ジェネレーティブAI&アントレプレナーシップ」というタイトルで、生成AIがアメリカのスタートアップにどういう影響があったかを見たような研究があります。

その結論としては、ちょっとイメージしやすいんですけど、スタートアップを少人数で早く進む会社に近づけたという話みたいです。ChatGPTが出る前から仕事の中身が生成AIの影響を受けやすかったスタートアップほど、どういう風に変わるかというのを分析したみたいなんですけど、影響を受けやすい会社だと2四半期以内、半年以内に雇用が減ったらしくて、特に減ったのがジュニア層とか、実装とか実務も担うような職種だったそうです。

なので、人を多く雇って実務を積み上げるというような成長ではなくなってきたんじゃないかということが可能性として示されています。ただ、会社が弱くなったかというとそういうわけではなくて、せが高くなって、より早く事業拡大して、資金の調達ラウンドも進みやすくなったそうなんですね。なので、少ない人数でより多くのアウトプットを出せるようになった可能性があります。

というところで、面白いところとしては、AIで仕事がなくなるかという話ではなくて、スタートアップの人材構成とか成長の仕方が変わっているという点にあるかなと思います。ただですね、ChatGPTで特にコーディングとかができるようになってきた頃から言われているところではあるんですが、あとコンサルとかもジュニア層の雇用が減るというところから考えると、若手が経験を積む入り口が細くなっている可能性があるという論点があるのが、ちょっと懸念というか、これから直面するかもしれない点だなと思います。

そうですね。こんな早く出ているものなんですね。

そうですね。出てましたね。はい。でも、どういう業種？ 業種というか領域としては、IT系とかB2B向けのビジネス製品とかが割と対象に多かったそうなんですけど、具体的にどういう風なのかというのはそんなに出てないので、ミクロで見るともう少し違ったものが見えるかもしれないですね。

ちょうど最近もアンドリーセン・ホロウィッツがそれを否定するような記事を出してましたが、まだまだこの辺は色々と出てきそうですね。

そうですね。状況とかにもよるでしょうしって感じはしますね。ただ、職を失った労働者の方がより長い失業期間を経験するというところと、あとはAIの影響を受けにくいけど賃金は低いような仕事に移る傾向もあったそうなので、なんというか、賃金が高いようにするのがいい状況だと考えると、AIはそういう意味だとネガティブに働く可能性もあるかもしれないとは思います。

ありそうですね、そこは。

はい。なかなかこの辺りはまだまだ議論があると思いますし、違うエビデンスとかもこれからどんどん出てくるとは思うんですけど、そういう研究というか、ワーキングペーパーが出てましたという紹介でした。では、ここからアイデアキャストのコーナーです。FoundX Review Startup IdeaCastですが、海外のスタートアップのアイデアをAIを使って分析している番組になります。

これからアイデアを考えていく方たちの参考になればという風に思います。最初にディスクレーマーですが、AIを活用して情報を整理しているので、一部の情報は古かったり間違ったりしている場合もあります。ファクトを重視される場合は必ずご自身で調べていただくようお願いいたします。本ポッドキャストはあくまでそこからアイデアの参考情報や考え方を引き出すことを主な目的としています。

そしてですね、今日紹介するスタートアップですが、ビボダインというものになります。

これ、ポッドキャストで聞いている人にはどういう綴りか言っていただいてもいいですか？

確かに。VIVODYNEですかね。インビボというのがバイオ系の話で、細胞のかな？ ちょっと違ったらすいません。そのような意味で、それとダインというのを合わせているような感じなのかなと思っています。

今回、なぜこれを選んだんでしょうか？

そうですね。私が免疫の持病があって、治らない病気なんですけど、こういうスタートアップが出て治るといいなという風に思って選びました。

では、早速ご紹介していきたいと思います。このビボダインですが、アメリカのペンシルベニア大学発のスタートアップになります。ちょっと事業が難しいのでうまくご紹介できるか自信がないんですけど、バイオベンチャーではなくて、ハードウェアとソフトウェアと、それからバイオの、もちろん専門的な技術を使ったような企業になります。彼らが言っているところとしては、生物学のAWSになるというようなところを考えていると言われているのかなというような、壮大な基準を持つ企業になります。

では、早速全体像をお話ししていきたいと思います。まず一言で言うとというところですが、最終的には、ラボで培養された人組織とロボティクス、AIを融合して動物実験をなくす、そして人間に最適化された創薬インフラを作るというところを目指している会社になります。

なぜ今この事業が必要かというところですが、ちょうどまたお話しするんですが、動物実験をクリアした新薬の候補の95%が人の臨床試験で失敗しているというので、大変に歩留まりが悪いそうです。というのがまず1点あります。また2点目として、規制が2022年に変わって、新薬を申請する際に、前は動物実験の義務があったそうなんですが、それが撤廃されたというところで、少しこの事業に追い風になっているというところになります。

そうですね。動物実験で成功して、なんで人で95%も失敗するのかというところなんですが、当たり前ではあるんですけど、マウスは人ではないというところで、根本的に生物学的な、また入れてきなさいというのがすごく大きいらしくて、特に最新の細胞治療とかだと、マウスで通用しても人間には例えば毒になったりとか、うまく働かなかったりというところがあると考えられるそうです。

このFDAの規制の変化は、このビボダインに対してどういった影響を与えるんでしょうか？

そうですね。法的な義務だから動物実験しますとやっていたようなものが、より精度の高い代替手段に置き換えるようなインセンティブが生じたというところですね。では、その今のお話の続きで、課題についてお話ししていきたいと思います。

先ほど言っているように、動物実験で成功しても臨床試験では95%ドロップアウトとか失敗してしまいます。そうすると、臨床で失敗すると損失がとても大きいそうでして、数百億円から数千億規模の損失に直結してしまうそうなんです。なので、製薬企業の支払い意思がとても高い課題になっています。そして顧客としては、大手の製薬企業の安全性・有効性評価および前臨床R&Dチームというところになるそうです。

既存の代替手段ですね、平面での細胞の培養とか単純なオルガノイド、ちょっとした細胞の集まりで、ミニ臓器みたいなところらしいんですけど、それについては血管というのがないらしくて、あとは細胞間の相互作用がないんですけど、これがないことによって人の体を再現しきれていないそうで、その薬がどういう風に働くかとか、どういう風に時間的に影響し合っていくかというところは見切れていないことになるそうです。

オルガノイド、ミニ臓器でダメな理由というのはもう少し聞いてもいいですか？

そうですね。あとはですね、従来の手法だと手作業が中心だったそうなんです。なのでスケールしないという点もあったそうです。元々オルガノイドというのが生体の環境に近づけるために登場したんですけど、これが幹細胞とかを使って自己組織化するようなところなので、それでちっちゃいミニ臓器の3D構造を作れるそうなんですね。ただ、これが血管網がないので、実際の臓器のように栄養を運ぶとか老廃物を排出するというところが動きとしては見えなかったそうなんですね。

ビボダインとかが開発しているような生体模倣チップというものが、これをさらに発展させた、オルガノイドを発展させたようなものになっていて、血管とか細胞間の相互作用が見られるというところが特徴というか、ダメだったところを克服できるということになるようです。

そして、ちょっと話してもいるんですけれども、解決策になります。そうですね、これうまく説明できるか自信がないんですが、まずトラクションからいきます。トラクションとしては、世界のトップ10の製薬企業の過半数がすでに提携したり利用したりというところになります。提供しているものとしては、データ・アズ・ア・サービス、あるいはプラットフォーム・アズ・ア・サービスというところになりまして、顧客は基本的にテストしたい薬の候補とか、あるいは検証したい具体的な疑問をビボダインに送る。それをビボダインがロボットとかを働かせて、それから得た臨床の予測データとAIによる最適化されたインサイトを受け取るというようなサービスになっています。

ここでビボダインの解決策というか要素としては3点あります。1点目が人組織というところです。先ほどもお伝えしているような、血管網を持つリアルな3Dの人組織を彼らは培養できます。これが20万から50万の細胞を持っているそうです。これは平面の培養された細胞の先売の細胞になっているそうでして、血管も持っているというところから、時間的なダイナミクスでこの薬が働くプロセスを再現できることになるそうです。

解決策の技術の2点目としてのロボティクスですが、これはロボットによって1回の稼働で1万個以上の独立した組織を、人間の手を介さずに同時に培養、投薬、それから観察ができるというので、スループットがとても大きくなっているということですね。

人が入ってしまうと、既存の競合のサービスとかだと人が入るそうなんですけど、ピペットの押し方とかがノイズになってしまって、AIのノイズになってしまうというところがあるそうです。ロボティクスによって、短い時間で膨大かつ高品質なデータを獲得することができます。

彼らの解決策の技術の3点目がAIの解析になります。ロボティクスのところで取得した複数のデータ、画像とか単一細胞RNAとか、あとタンパク質とかをAIに分析させて、これを人に試験したらこうなるんじゃないですかというような結果を予測するものを計算して、それをデータとして提供することになっているそうです。

ウェット、ハード、ドライを全て組み合わせてやっているという感じなんですね。

そうです。なので、要素が集まって、顧客としてはデータとかAI的なコンサルの要素を受け取ることができるということのようですね。

ちなみに、このハードのロボティクスが言っている1万以上の組織みたいなところの同時培養って、競合と比べてどれぐらいすごいんでしょうか？

そうですね。手作業のベースだと、数十から数百が限界だったそうです。確かに手でやるからそうだろうなと思うんですけど、そうすると、それから1万個ってなると桁がいくつも変わってくるので、スループットと再現性が担保できるところからすごさがあるということのようですね。

このAIとマルチオミクス解析、このマルチオミクス解析というのは具体的にどういうことをやっているのか、もう少し詳しく説明してもらっていいですか？

そうですね。マルチというところから想像できるように複数というところなんですが、何がどう複数かと言うと、細胞の形を画像解析するというだけではなくて、遺伝子の発現状況とか、分泌されるようなタンパク質とか、複数の生体情報を統合して解析するということのようです。なので、見た目の変化、細胞がどういう風に見た目が変わるかというのと、細胞の中の設計図がどう変わるか、設計図の結果出てくるものがどう変わるか、遺伝子という設計図と、出てくるものであるタンパク質がどう変わるかというのを取って、それをAIで結びつけて人体の反応を再現するというようなことをやっているということのようです。

そして、この市場ですね、ビボダインが直面している市場になりますが、数字の大きさがちょっとTAMとSAMが逆転していたりするんですけれども、ごめんなさい。TAMとしては、まず動物実験市場です。これが26.8億ドルで、これを直接奪いに行くというのがまず大前提になっているそうです。SAMとしては人オルガノイド市場で、これが36.1億ドルなんですが、成長率がとても高くて、急拡大しているような市場になっているそうです。

この成長ドライバーの背景としては、抗体医薬とか細胞治療といった、より人特有の反応を見る必要があって、この市場が伸びているということのようですね。ごめんなさい。そうですね。この市場全体が伸びているということのようですね。

ちなみに、この規制緩和というものは、米国の外でも起きてきているような流れなんでしょうか？

そうですね。欧州の方でも推進されているそうです。また日本のPMDAも前向きだそうなんですが、ただ現在最もルール形成と資金の流れが早いのはアメリカになっているそうです。

では、先ほどもご紹介してはいるんですけど、ビジネスモデルについてです。そうですね。彼らがやっていることとしては、細胞を培養して、たくさん培養してその結果をAIで解析するということをやっているんですが、彼らがやっているのはそういったバイオデバイスといったハードウェアを売るのではなくて、テストの実行、それからデータの提供、そしてAIの解析といったサービスとかインサイトを売るようなデータサービスのモデルを取っています。

営業というか、顧客が製薬企業になるので、エンタープライズ営業になります。なので、顧客獲得コストも高いんですが、ただ顧客にとっても臨床での失敗を1つでも防げれば数億ドル単位の経済効果があるので、製薬企業からのLTV（顧客生涯価値）はとても大きくなるような構造になっているそうです。

一方で、ロボットで自動化をしているので限界費用がどんどん小さくなっていく。そして一件あたりのコストが下がっていくというのも狙っているところです。

ちなみに、この具体的なマネタイズのタイミングはどういったタイミングになるんでしょう？

そうですね。エンタープライズということもあって、多分個別の案件になっていると思いますが、共同研究を行った時の一時金というか、そこで生じるところと、マイルストーンが達成された時の報酬とか、あとはデータへのアクセス料金といったような組み合わせで、おそらくマネタイズをしているのかなと思います。

あとはですね、基本的には先ほど言っているようにデータ・アズ・ア・サービスというモデルなんですが、そうではなくて、製薬企業の自社ラボに装置を販売、導入するというところについても、そういったケースもあるそうで、柔軟に対応してはいるようですね。

そして、彼らの取った戦略です。まずコア技術、先ほども言っているようにコア技術が多くあるというか、全部やっているんですけど、ロボティクスと、それから組織の培養、そしてAIのアルゴリズムですね。こちらについては完全に内製して垂直統合している一方で、薬剤の候補物質自体は外部の製薬企業のものを活用するといったようなエコシステムの戦略を取っています。ですので、彼らとしては自社で製薬を行うのではなくて、今は業界全体のR&Dのインフラになる形を取ることで、あらゆる新薬の成功から恩恵を受けるような創薬のOSを目指しているそうです。

あとは個人的に納得したところで、確かにいいなと思ったのは、大義があるというのも面白いポイントだと思っていて、10年から20年後の最終形態として動物実験の完全根絶といったような、倫理的にも強力なパーパスを持っているというところから、PRにも効いているということのようですね。

将来的には自分たちで創薬を直接やっていくみたいなことは考えているんですかね？

そうですね。2023年の資金調達時にですね、自社で創薬していくという可能性にも言及しておりまして、なので利益率を高めることを狙って、自社での創薬と、それからプラットフォームを提供していくというようなハイブリッドになる可能性もあると思います。

あとは、このウェット、ハード、ドライ全てやるというのは、なかなかバーンレートの観点から行くと難しいところもあるのかなと思いましたが、ここはどうなんでしょうね。

いやあ、本当にそうだなと思います。とても重たいです。なので、そうではあるんですが、その重たさゆえに、それが他社が参入できないようなモートにもつながっているというところで、今は多分モートとして使っているというところかなと思います。

彼らのロードマップですね、どういう風な時間軸で事業を展開していったかというところですが、順番としてはウェット、ハード、ドライという風に進めていっているようです。まずフェーズ1として、ウェットですね、複雑な人組織の培養を成功させて、ロボット化の概念を実証したそうです。この時に、シードで3800万ドルを調達したというところになります。

次にフェーズ2、ここが今の現在地というところになるそうなんですが、ここでは4000万ドルのシリーズAの調達によって、サンフランシスコに2万3000平方フィートの完全自動化ラボを作って、キャパシティを力技で広げているというフェーズになるそうです。

フェーズ3としては拡張とか海外展開を狙っているところですが、最終的にはですね、実空間の実験すら不要になるようなコンピューター予測への移行を見据えているということのようです。

最初にドライから始めないというのは面白いですね。

そうですね。そこはAIから始めなかったのは面白いなと思います。理由としては、今世の中にあるような既存のデータだと、動物実験とか、また細胞の2D培養のデータになってしまって、それをAIに学習させてもノイズが多かったそうで、そうすると、本当に欲しいような人の臨床での予測ができないという風に気づいたそうで、それでウェットからだったという風に説明されてはいるんですが、ただ、元々教授が臓器チップの専門家だったそうなので、そこからだったのかもなとも思います。

このロードマップの中で完全なインシリコ、実験不要な状況になったとしたら、今投資している巨大ラボとかが不要になるかもしれないなとも思うんですが、その辺はどうなんでしょうね。

確かに、それはそうだなとは思うんですけれども、ただ病気も、これから未知の病気が出る可能性もありますし、なんというか、製薬企業が取り組む病気というのが広がっていくと、まだAIのモデル自体もアップデートする必要があるので、実験施設というのは、どこまでか分からないですけど、ある程度は必要になってくるかなと思います。

そして、彼らのモートと、それから競合についてです。まずモートですが、技術的なところになります。5点挙げられるんですが、まず1点目が細胞レベルを超えた生体模倣というところです。血管網と、それから免疫の応答の観察ができるところ。2点目が圧倒的なスケールがあるというところです。1万個を1回で同時に実験することができることですね。それが3点目で、先ほど申し上げたようなマルチオミクスAIの解析。そして4点目で、手作業を完全に排して、ミリ単位で再現性が担保されるということのようです。そして5点目ですが、データの蓄積ですね。自分たちが解析するので、データが蓄積していくというところがあるかなと思います。

一方で弱点もあります。それが、キャペックスがとても重たくなってくるというところにはなります。ロボット施設の構築にとても大きな初期投資が必要になってくるので、そこの資本集約性のリスクというのは、投資家の視点でも議論になるポイントになっているそうです。

競合とのポジショニングですが、スループットが自動化で、かつ生体の再現性が高いというところになります。

ちなみに、このエミュレート、手作業のところとか、先行する臓器チップ企業が自動化に追従できないのは何なんでしょう？

そうですね。それ私もちょっと気になったんですけど、従来のチップだと、人間が手作業でピペットを操作することを前提にチップ自体が設計されているそうなんですね。そうすると、ロボットアームで自動化するためにはデバイス自体を再設計することが必要になってきて、ちょっと入りづらいということみたいです。

ちなみに、この企業の最大のモートはどれなんでしょうね。

なんというか、単体も多分1つ1つ強いんですけれども、すいません、全部というか組み合わせというところになるんですが、複雑な組織を作れて、かつロボットでミリ単位で制御できて、AIでマルチオミクス解析ができるという、その統合されたオペレーション体制そのものがモートになってくるかと思います。

そして、彼らの参入戦略ですね、最初の突破口についてお話ししたいと思います。これはディープテック系スタートアップあるあるみたいな感じではあるんですけれども、最初に学術的な証明を得ています。特定臓器の臓器チップをPoCとして、サイエンス等の一流の論文誌で査読付き論文を発表して、科学的にお墨付きをまず得たというところになります。

そして初期には、ニッチ課題を解決したというところのようで、動物実験では効果とかそれから毒性とかが測れない抗体薬とか、それから抗体薬物複合体とか、人間特有の生物学的なメカニズムに依存して設計されているようなモダリティを開発するようなチームの、そのニッチなニーズを解消するというところで、最初のターゲットに選んだそうです。

エンタープライズの導入では、後ほどお伝えするんですけれども、創業者の研究者の先生が臓器チップ分野の世界的な権威だそうで、そういった方と組んで共同研究しませんかというようなところで営業していくということのようですね。

サイエンスにも論文が出ているんですね。

そうみたいです。臓器チップ分野では本当に強いような研究室なんだろうなと思います。

ちなみに、そうした論文の発表って、逆に特許が取れなくなるとか、技術流出のリスクにもなると思うんですが、この辺りはどうしているんでしょうか？

そうですね。まあゼロではないとは思うんですけど、まず査読付き論文がありますよというエビデンスがないと、業界の保守的な顧客とはちょっと話しづらいというか、話を始めづらいというところがあるので、まずは必要です。技術流出というところでは、具体的なノウハウとかを特許で保護しているという形になるかと思います。

彼らの起業プロセスになりますが、そうですね、ペンシルベニア大学のダンハー教授、この方が臓器チップの世界的な権威になるそうで、その方のラボで博士課程にいらしたアンドレ・ジョルジェスク氏、彼が今のCEOなんですが、ここで手作業でスケールしないというところのペインに気づいて、そしてビボダインを創業しようという風に至ったそうです。なので、元々師弟関係があって、そこからスピンアウトしたという、大学発スタートアップのよく見られるようなチーム構成になります。

チーム内には、ウェットの生物学の専門家、それからハードウェアの専門家、そしてソフトウェアの専門家がいらっしゃる。お互いに共通言語を持てるようなエンジニアリングの視点を持っていたそうです。

アンドレさんという方が学生だったということですよね。

そうですね。学生だったんですが、その後博士も取られて、なのでバイオエンジニアリングの博士も持っているような方で、かつロボティクスにも詳しいということのようですね。

はい。なかなか珍しい。

そう。マルチですね。

そうですね。こうやって始まった彼らなんですが、初期に迷いもあったということのようです。当初はですね、手作業で作る精巧な組織モデル、つまりデバイスですね、臓器チップそのものですが、それを売ろうとしていたそうです。ただですね、製薬企業が本当に欲しいのは結果のデータと、それから数万スケールの再現性だというところに気づいたそうで、そこでチップを売るのではなくて、サービスを提供するというモデルに転換していったそうです。

なので、「ドリルを売るな、穴を売れ」というのがマーケティングであるんですけど、それのバイオ版で、実験器具を売るんじゃなくてデータを売れというところでピボットしたということのようです。

あとはですね、CEOの言葉がインタビューで紹介されていて、それがちょっと面白いのでご紹介すると、あえて信じられないほど難しい技術課題に取り組んだことで誰も真似できなくなり、結果的にそれが優秀な人材とか投資家を引きつけるようなレバレッジになったという風に言っているそうです。なので、技術系の人はめちゃくちゃ難しい技術課題に取り組みなさいよというのがメッセージとして、彼は言っているということのようです。

なんか昔Yコンビネーターが言っていた、難しい課題ほど簡単になるみたいな話を思い出すエピソードですね。

そうですね。

ちなみに、このサービスを売るという形ですが、納品物はレポートになるのか、何を納品しているという感じなんでしょうか？

そうですね。AIの解析のレポートとかに加えて、あとは生データへのアクセス、そして、こういうようなターゲットを選ぶといいんじゃないですかというようなコンサル的なレポート、そういう価値もあるんじゃないかという風に考えられています。

では、彼らの資金調達とKPIの推移ですが、そうですね、シードで3800万ドル、約50億円ですね。シリーズAで4000万ドル、約60億円を調達しています。なので、アーリーステージとしてはかなり大きな金額をKhosla Venturesなどから集めているというところになります。

稼働規模なんですが、1回動かすと1万以上の実験を処理できるような段階に、もう今到達しているそうです。なので巨額調達ですけど、これが成功した要因としては、キャペックスがとてもかさむような重厚長大な事業ではあるんですけれども、動物実験の撤廃というような倫理的な後押しがあって、支持を得られたことにつながっているそうです。

Khoslaがこれほどの巨額をシードから、なかなか大きいですね。

そうですね。なので、彼らとしても、AI創薬のボトルネックがアルゴリズムではなくて質の高い大量の生体データだということを、多分共感したというか、見抜いたというところもあるのかなと思います。

あとはですね、今の従業員は450名ほどというところではあるんですが、手作業でやっていたらきっと回らなかったと思うんですが、ロボティクスで完全自動化ができて、少人数で大きなスループットを実現できるというところにつながっているみたいです。

では、日本で同じようなアイデアで起業するならというところで、AIに考えてもらったようなところになりますが、まず案AとしてはiPS細胞特化型というところで、ノーベル賞技術の蓄積を生かして、患者固有の遺伝子疾患とか、アジア人とか日本人に特有の疾患モデルのデータを作るということができるんじゃないかというのを、AIは1点目として言っています。

案Bとしては、ファクトリーオートメーションの強みがあるような日本の、そういった会社さんと組んで、生体培養のハードウェアオペレーションで世界を支配できるんじゃないかというところも、考え方としては言っています。

案Cとして、高齢化ですね、に着目するのはどうだろうということで、日本の超高齢社会の医療データを生かして、老化モデルとか加齢性疾患に特化したような組織チップとデータセットの販売もできるんじゃないかというところも、AIが言っているところですね。ロンジェビティとかにつながるかもしれないということだと思います。

ただですね、アメリカと日本でちょっとやっぱり状況が違っていて、日本の規制当局ですが、これがアメリカに比べて、動物実験から代替するようなやり方への移行が遅れるリスクはあるので、日本で起業しても最初からグローバルを見据えて展開していくことが必要だろうという風に言っています。

逆に、日本のスタートアップがグローバルでビボダインとかに勝たなきゃいけないということですよね。

そうですね。なので正面突破は多分難しいのかなとは思うんですけれども、顧客とか対象が変わってくるというところはあるのかもしれないですね。アジア人とか、あとロボットアームの制御がめちゃくちゃ技術として尖っているので、この疾患なら勝てますみたいなのはあるかもしれないです。

もし大学発ベンチャーでこうしたものをやっていく場合に、どういう人を集めればいいでしょうね。

そうですよね。ウェットとハードとドライというのが全てないといけないというところが、難しい、かつそれを解決しないといけないポイントだなと思います。彼らが面白いのは、ロボティクスのエンジニアを採るにしても、車とかのような機械系の人ではなくて、バイオに関係したようなロボティクスの方を採用されたそうで、そうすると最初から、細胞って壊れやすいから力の強さもすごく小さいレベルで制御しなきゃいけないとかいうような前提が共有できたというのがあるみたいなので、何かしら共通の言語とか共通の考え方を持つような人たちを集めるというのが大事なポイントになってくるかなと思います。

あとはAIを使って、それぞれの領域を早く学べるといいですよね。

そうですね。確かにそうですね。ものすごく早く学ぶというのは確かに可能になってくるところではあると思うので、興味があればやってみるというか、勉強してみるということはできるかなと思います。では、最後にまとめになります。

そうですね、重要なポイントとしてまず1点目ですが、既存の限界、動物実験の不正確さを、動物実験が不正確なのが悪いというよりは、人のデータが不足している問題という風に定義して、ちょっと戦い方を変えたというところですね。それから2点目として、ウェットとドライとハードを組み合わせて、そして統合するという難しさが、自社にとっても大変難しいんですが、結果的に最強の参入戦略にもつながっている点です。そして、これは今後変わるかもしれないんですが、ビジネスモデルを機器の売り切りからデータとインサイトの提供に変えたという点も面白いポイントかなと思います。

なので、今から考えられる点としては、自分の業界で非効率だけど当たり前になっているような職人技を探して、それを別分野の技術で自動化できないかとか、データ化できないかというところを考えてみると、もしかしたら何かしらアイデアにつながるかもしれませんといったところになります。すいません。

そうですね。以上で今日はビボダインをご紹介したんですけれども、ちょっと難しかったな。自分としてもとても難しくて、うまく説明ができた自信もないんですが、どうでしたでしょうか？

そうですね。でも、難しいことに挑戦しているというスタートアップでしょうし、難しいから簡単になっていくみたいな話が途中でありましたけれど、難しいことに取り組むことが実は最大のモートなんだというところは、確かになという風に思いました。ぜひAI時代だからこそ、こうした複数の領域を早く学んで、早く組み合わせて、大きな難しい課題に取り組んでくれるスタートアップが増えるといいですよね。

そうですね。大きなパーパスとかもありますし、そういったところも見据えて、難しいところに正面から取り組むような方が増えるといいなという風に思います。それでは、こちらで今日は終了となります。

FoundX Review Startup IdeaCastでは、今後も皆さんのアイデアのために最新のスタートアップを紹介していきたいと思います。ですので、ご興味のある方はぜひチャンネル登録、それからいいねをお願いいたします。またFoundXの各種プログラムでは応募者を募集しています。もし周りに起業を考えている方がいらっしゃったら、ぜひFoundXを紹介していただけると大変嬉しいです。では、また次回よろしくお願いいたします。ありがとうございました。

ありがとうございました。