.svg)
注目ベンチャー紹介：Bioptimus
Written by Yuhei Yano
今回の注目ベンチャーの紹介はBioptimusです。
同社は、「生物学のためのFoundation Model（基盤モデル）」の構築を目指すスタートアップです。
Bioptimus
サービス／プロダクト概要
遺伝子・タンパク質・細胞・組織・患者といった異なるスケール・モダリティのデータを統合し、「生物の世界モデル（World Model of Biology）」を構築を目指す
現在のプロダクトは主に以下の2つで構成される：
- H-Optimus：病理画像（H&E染色）に特化した大規模基盤モデル
- M-Optimus：病理画像・トランスクリプトミクス・空間オミクスなどを統合したマルチモーダルモデル
特にH-Optimusは、数十億規模の病理画像で事前学習された「ユニバーサルエンコーダ」として、様々な下流タスク（バイオマーカー予測、予後予測など）に適用可能であり、研究コミュニティでも広く利用されている。
一方M-Optimusは、より野心的に、画像から遺伝子発現を推定するなど、モダリティを跨いだ予測を可能にするモデルとして開発が進められている。
特徴／提供価値
Bioptimusの最大の特徴は、単一モダリティではなく、生物データ全体を統合する「表現レイヤー」を構築しようとしている点にある。
1.マルチモーダル統合
従来のバイオAIは、ゲノム・画像・臨床データなどを個別に扱うことが多かったが、Bioptimusはこれらを統一的な潜在空間に埋め込むことを目指す。
2.画像から遺伝子発現の推定
同社の技術の中核は、H&E病理画像（低コスト・汎用）から、空間遺伝子発現（高コスト）を推定する点にある。
これはコスト構造を大きく変える可能性を持つ。
3.Scaling Lawの成立
モデル性能は、より多くの「整合されたマルチモーダルデータ」によって向上することが確認されており、データ量に比例して性能が伸びる構造（＝AIモデルとしての勝ち筋）が見えている。
4. “ノイズ上限”に近い精度
重要なのは、単純な相関値ではなく、「実験データのノイズを考慮した理論上限にどれだけ近いか」という評価軸である。
一部の遺伝子においては、この上限に近い精度が達成されている。
ビジネスモデル
現時点でのBioptimusのビジネスモデルは、典型的なSaaSというよりも、複数の提供形態を併用するハイブリッド型である。
- API提供（AWS経由）
- オンプレミス導入
- ソフトウェアライセンス
- 共同開発プロジェクト
また、同社はSTELAと呼ばれる大規模データ基盤を構築しており、
- アカデミア：データ生成＋モデル提供（非商用）
- 企業：有料アクセス＋独占期間付きデータ利用
という二面市場を形成している。
現状はプロダクトの完全標準化よりも、戦略的パートナーとの共同開発（co-development）を中心としたフェーズにある。
市場動向・なぜこの会社なのか？
近年、AI×バイオ領域は「特定タスク最適化」から「基盤モデル化」へと大きくシフトしている。
- AlphaFold（構造予測）
- Isomorphic Labs（創薬設計）
- Recursion（自動化実験OS）
こうした流れの中でBioptimusは、
「生物学全体を統一的に扱う基盤モデル」
という最も野心的なポジションを取っている。
このアプローチが注目される理由は以下の通り：
1.市場の巨大さ
創薬、診断、臨床意思決定など複数市場にまたがる
2.データモートの構築可能性
医療・病理・空間オミクスなどのデータは再現困難
3.横展開性
一度確立した表現は、多数のタスクに適用可能な一方で、これは同時に「実現難度が最も高いアプローチ」でもある。
顧客・競合・パートナー
- 顧客：製薬企業（創薬・臨床試験設計）、病院・研究機関（診断・研究）、バイオテック企業
- 競合： Isomorphic Lab(創薬設計特化、Recursion(実験ループ統合型)、Owkin(臨床データ・病院ネットワーク)
- パートナー：AWS / NVIDIA（計算基盤）、Broad Institute / 10x Genomics（データ）、Owkin（臨床データ連携）