課題：臨床現場を疲弊させる「非構造化データ」

医療データの約80%は、医師のフリーテキストによる診療記録のような非構造化データであり、検査値や患者属性といった統一された構造化データとして存在するのは、わずか20%に過ぎません 。この不均衡こそが問題の根源です。高度な訓練を受けた腫瘍学スタッフが、治験マッチング、診察準備、がん登録報告といった必須業務のために、記録を手作業で読み込むことに膨大な時間を費やしているのです 。

この手作業の負荷は、見過ごせない結果を招きます。まず、副作用の管理や新治療法のテストに不可欠と米国立がん研究所（NCI）が指摘する治験への参加登録において、深刻なボトルネックを生み出しています 。さらに、業務時間後に臨床医が溜まった管理作業を片付ける、いわゆる「パジャマタイム」残業の主因ともなっています 。Triomicsは、患者一人ひとりについて数百ページに及ぶ情報の取り込みと分析を自動化することで、この痛点を直撃しているのです。

中核技術「OncoLLM」：8頭の猟犬がカルテの森を駆ける

Triomicsのプラットフォームを支えるのは、がん治療のためだけに開発されたエンタープライズ向けAIフレームワーク、OncoLLMです 。単一の巨大なモデルではなく、OncoLLMは、パラメータ数30億から720億に及ぶ**8つのモデル群（コンステレーション）**として表現され、エージェント的に連携して機能します 。このアーキテクチャにより、文書単位の解析ではなく、患者一人ひとりの長期的な診療記録を横断的に「解釈」することが可能になります。

この技術的アプローチは、固有表現抽出や関係抽出といった従来手法からの意図的な脱却です 。また、同社はMicrosoftのAzure AIおよびOpenAIサービスも活用しています。具体的には、小規模言語モデル「Phi-3.5」をファインチューニングし、非構造化データから重要な臨床情報を大規模に抽出するエンジンとして利用しています 。Microsoftによると、この統合により、プラットフォームは数百件に及ぶ進行中の治験リストと患者の全記録を1分足らずで照合できるようになります 。

OncoLLMの上には、2つの中核ソフトウェア製品が存在します。

• Prism（プリズム）: 予約済みの全患者を、施設の全治験ポートフォリオと自動照合し、日次または週次でマッチング候補を提供します。提案には、選択理由が出典明示で項目ごとに付与されるため、現場はより迅速かつ確信を持って判断できます 。
• Harmony（ハーモニー）: 電子カルテ（EHR）データを自動整理し、現在の病状、治療履歴、バイオマーカー、治験オプションを含む専門家レベルのサマリーを瞬時に生成し、医師の「パジャマタイム」を削減します 。コホート分析や精密医療の報告もサポートします 。

ウィスコンシン医科大学との初期検証では、OncoLLMは数分で治験適格患者の90%を発見したと報告されています。これは、熟練看護師が数日から数週間かけて行っていた作業に相当します 。同情報源によれば、OncoLLMは非構造化記録から構造化データを抽出するタスクで、GPT-4やClaudeと同等かそれ以上の精度を示しつつ、運用コストは約40分の1だったとされています 。

資金調達と市場での地位

今回の$22MのシリーズBは、2024年に調達した$15MのシリーズAに続くものです 。調達した資金は、医療システム全体での採用を加速し、電子カルテとの連携を深めるために使用されます 。同社はARR（年間経常収益）や顧客数などの詳細な成長指標を公表していませんが、今回の資金調達発表では、主要ながんセンターから信頼を得ている存在であると位置づけられています 。

公的に検証可能なのは、その顧客リストです。Triomicsは、以下の名門機関との導入契約を結んでいます。

• メモリアル・スローン・ケタリングがんセンター（MSK）: iHubおよびCRICプログラムを通じて、MSKが実施するすべての治験を対象に、マッチングとスクリーニングシステムを展開 。
• マウントサイナイ・ティッシュがんセンター: OncoLLMを搭載したPRISMプラットフォームを導入し、ニューヨーク市で初めて、がん専門AIツールを治験マッチングに導入したNCI指定総合がんセンターとなりました 。
• エールがんセンター & スマイローがん病院: 全アクティブ治験ポートフォリオにプラットフォームの利用を拡大。成果は『Nature Digital Medicine』誌にも掲載されています 。

競争優位性：汎用ツールとの決定的な違い

Triomicsが参入する市場には、MicrosoftのNuance DAX CopilotやAbridgeといった、周囲の音声を聞き取る「アンビエントAI書き起こし」ツールがひしめいています。しかし、差別化の鍵は「垂直特化」です。

汎用的なAI書き起こしは、診療科を問わず、診察中の医師と患者の会話を要約するために設計されています。対照的にTriomicsは、数年にわたる患者履歴を含む、膨大で複雑な非構造化データを扱う「腫瘍学のワークフロー」だけに焦点を当てています 。そのAIは患者の記録全体を読み込み、診察前、スクリーニング中、診察後という各段階で、構造化され出典が明示された「患者ビュー」を作成します 。

また、同社のリーダーシップは、**COLT（Collaboration for Oncology focused LLM Training）**という、20以上のNCI指定がんセンターとCi4CCが参加するコンソーシアムを設立しました。この組織は、がん領域における生成AIのパフォーマンスベンチマークと安全基準を確立することを目的としています 。これは、単なる製品開発者ではなく、業界のガードレールを設定する立場への布石といえるでしょう。

がん専門AIの未来：勝負はここから

今回の$22Mの資金調達は、「がん治療のデータ複雑性を解決するには、汎用チャットボットの使い回しではなく、専門インフラが必要だ」という、ヘルステック業界で広がりつつあるテーゼを強く示唆しています 。より多くのがんセンターが、精密治療や治験への参加拡大を迫られる中、この「データのボトルネック」を解消することは競争上の必須課題となっているのです。

資金力のある汎用AI企業や巨大な電子カルテベンダーがひしめく市場で、Triomicsが先発優位性を維持できるかは未知数です。しかし、MSK、エール大学、マウントサイナイでの導入実績、そして累計$36Mの資金調達という事実は、Triomicsが概念実証の段階を超え、臨床現場での実運用フェーズに入ったことを示しています。医療の中でも最もデータ集約的なこの分野で、垂直特化型AIがその真価を発揮できるかどうか、今後1年の動向が試金石となります。

課題：臨床現場を疲弊させる「非構造化データ」

医療データの約80%は、医師のフリーテキストによる診療記録のような非構造化データであり、検査値や患者属性といった統一された構造化データとして存在するのは、わずか20%に過ぎません 。この不均衡こそが問題の根源です。高度な訓練を受けた腫瘍学スタッフが、治験マッチング、診察準備、がん登録報告といった必須業務のために、記録を手作業で読み込むことに膨大な時間を費やしているのです 。

この手作業の負荷は、見過ごせない結果を招きます。まず、副作用の管理や新治療法のテストに不可欠と米国立がん研究所（NCI）が指摘する治験への参加登録において、深刻なボトルネックを生み出しています 。さらに、業務時間後に臨床医が溜まった管理作業を片付ける、いわゆる「パジャマタイム」残業の主因ともなっています 。Triomicsは、患者一人ひとりについて数百ページに及ぶ情報の取り込みと分析を自動化することで、この痛点を直撃しているのです。

中核技術「OncoLLM」：8頭の猟犬がカルテの森を駆ける

Triomicsのプラットフォームを支えるのは、がん治療のためだけに開発されたエンタープライズ向けAIフレームワーク、OncoLLMです 。単一の巨大なモデルではなく、OncoLLMは、パラメータ数30億から720億に及ぶ**8つのモデル群（コンステレーション）**として表現され、エージェント的に連携して機能します 。このアーキテクチャにより、文書単位の解析ではなく、患者一人ひとりの長期的な診療記録を横断的に「解釈」することが可能になります。

この技術的アプローチは、固有表現抽出や関係抽出といった従来手法からの意図的な脱却です 。また、同社はMicrosoftのAzure AIおよびOpenAIサービスも活用しています。具体的には、小規模言語モデル「Phi-3.5」をファインチューニングし、非構造化データから重要な臨床情報を大規模に抽出するエンジンとして利用しています 。Microsoftによると、この統合により、プラットフォームは数百件に及ぶ進行中の治験リストと患者の全記録を1分足らずで照合できるようになります 。

OncoLLMの上には、2つの中核ソフトウェア製品が存在します。

• Prism（プリズム）: 予約済みの全患者を、施設の全治験ポートフォリオと自動照合し、日次または週次でマッチング候補を提供します。提案には、選択理由が出典明示で項目ごとに付与されるため、現場はより迅速かつ確信を持って判断できます 。
• Harmony（ハーモニー）: 電子カルテ（EHR）データを自動整理し、現在の病状、治療履歴、バイオマーカー、治験オプションを含む専門家レベルのサマリーを瞬時に生成し、医師の「パジャマタイム」を削減します 。コホート分析や精密医療の報告もサポートします 。

ウィスコンシン医科大学との初期検証では、OncoLLMは数分で治験適格患者の90%を発見したと報告されています。これは、熟練看護師が数日から数週間かけて行っていた作業に相当します 。同情報源によれば、OncoLLMは非構造化記録から構造化データを抽出するタスクで、GPT-4やClaudeと同等かそれ以上の精度を示しつつ、運用コストは約40分の1だったとされています 。

資金調達と市場での地位

今回の$22MのシリーズBは、2024年に調達した$15MのシリーズAに続くものです 。調達した資金は、医療システム全体での採用を加速し、電子カルテとの連携を深めるために使用されます 。同社はARR（年間経常収益）や顧客数などの詳細な成長指標を公表していませんが、今回の資金調達発表では、主要ながんセンターから信頼を得ている存在であると位置づけられています 。

公的に検証可能なのは、その顧客リストです。Triomicsは、以下の名門機関との導入契約を結んでいます。

• メモリアル・スローン・ケタリングがんセンター（MSK）: iHubおよびCRICプログラムを通じて、MSKが実施するすべての治験を対象に、マッチングとスクリーニングシステムを展開 。
• マウントサイナイ・ティッシュがんセンター: OncoLLMを搭載したPRISMプラットフォームを導入し、ニューヨーク市で初めて、がん専門AIツールを治験マッチングに導入したNCI指定総合がんセンターとなりました 。
• エールがんセンター & スマイローがん病院: 全アクティブ治験ポートフォリオにプラットフォームの利用を拡大。成果は『Nature Digital Medicine』誌にも掲載されています 。

競争優位性：汎用ツールとの決定的な違い

Triomicsが参入する市場には、MicrosoftのNuance DAX CopilotやAbridgeといった、周囲の音声を聞き取る「アンビエントAI書き起こし」ツールがひしめいています。しかし、差別化の鍵は「垂直特化」です。

汎用的なAI書き起こしは、診療科を問わず、診察中の医師と患者の会話を要約するために設計されています。対照的にTriomicsは、数年にわたる患者履歴を含む、膨大で複雑な非構造化データを扱う「腫瘍学のワークフロー」だけに焦点を当てています 。そのAIは患者の記録全体を読み込み、診察前、スクリーニング中、診察後という各段階で、構造化され出典が明示された「患者ビュー」を作成します 。

また、同社のリーダーシップは、**COLT（Collaboration for Oncology focused LLM Training）**という、20以上のNCI指定がんセンターとCi4CCが参加するコンソーシアムを設立しました。この組織は、がん領域における生成AIのパフォーマンスベンチマークと安全基準を確立することを目的としています 。これは、単なる製品開発者ではなく、業界のガードレールを設定する立場への布石といえるでしょう。

がん専門AIの未来：勝負はここから

今回の$22Mの資金調達は、「がん治療のデータ複雑性を解決するには、汎用チャットボットの使い回しではなく、専門インフラが必要だ」という、ヘルステック業界で広がりつつあるテーゼを強く示唆しています 。より多くのがんセンターが、精密治療や治験への参加拡大を迫られる中、この「データのボトルネック」を解消することは競争上の必須課題となっているのです。

資金力のある汎用AI企業や巨大な電子カルテベンダーがひしめく市場で、Triomicsが先発優位性を維持できるかは未知数です。しかし、MSK、エール大学、マウントサイナイでの導入実績、そして累計$36Mの資金調達という事実は、Triomicsが概念実証の段階を超え、臨床現場での実運用フェーズに入ったことを示しています。医療の中でも最もデータ集約的なこの分野で、垂直特化型AIがその真価を発揮できるかどうか、今後1年の動向が試金石となります。