日本のヘルスケアに「日常生活の中で病気を予防する」というアプローチを

――「Mealthy」というヘルスケアサービスを始めた理由を聞かせてください。

鈴木：医療制度が充実している日本ですが、「罹患（りかん）してからの対処」が中心となりがちで、「病気を事前に予防する」ことについては足りない部分があると感じていました。もちろん、多くの人は予防の重要性を理解しているとは思いますが、実際のところ何をすればよいか分からないという人が多いのではないでしょうか。

予防が肝心な生活習慣病を抱えている日本人は、予備軍も含めると約2,000万人。これは40歳以上の人口を分母にしたら3人に1人の割合です。これだけの人数がいるというのは、大半の人が暴飲暴食をしているというよりは、何が身体に良いかを知らず、意図せず自然と病気になってしまっているのが現状ではないかと考えました。

Mealthyがめざすのは、「日常の食事に気をつけていれば病気にならない、病気を予防できる世界」です。誰でも簡単に栄養士による個別指導が受けられたり、各個人に適した健康的な食事の提案をしてくれるようなサービスができれば、Mealthyがめざす世界が実現できるのではないか、という期待を込めて今の事業を始めました。

新たな市場に向けてともにチャレンジできる仲間探し

――MealthyがNTTコムウェアと協創するようになった経緯はどのようなことですか？

鈴木：「Mealthy」では、ユーザーが撮影した料理の写真に対して、栄養士がアドバイスを行います。今のところ栄養士が目で見て料理を判断していますが、これからはAIで自動的に写真を分析して栄養士の負担を軽減したいと思い、画像認識機能の開発を始めました。

当初は内製で開発していましたが、判定できる食品の数は多くありませんでした。このまま内製で開発を進めていくか、それとも外部のツールをカスタマイズして利用しようかと悩んでいたところ、企業同士のマッチングを行うイベントがあり、NTTコムウェアのDeep Learning画像認識プラットフォーム「Deeptector®」と出会ったわけです。

高畑：NTTコムウェアでは2017年度からオープンイノベーションの取り組みを強化しており、2017年に開催されたマッチングイベントでも20社以上のベンチャー企業の方々とディスカッションしました。そのマッチングイベントで「私たちのビジネスとコラボレーションできそうだ」と思い、アプローチしたのがMealthyさんでした。

箕浦：振り返ってみると、わずか1日で20社以上の企業とお話をすることはなかなか大変でした。NTTコムウェアには「Deeptector®」を活用した新しいビジネスを創り出すという明確な目的がありました。「Deeptector®」を活用した新事業のアイデアがあるか、NTTコムウェアの持っていない技術を持っているか、特定業界の業務プロセスを熟知しているか。このような点をポイントにパートナー企業を探しました。

高畑：Mealthyさんは、コンシューマーとの接点を持ち、加えて、NTTコムウェアにとって新しい領域である「食事」の画像データを持たれている点が魅力的でした。Mealthyさんが「Deeptector®」を活用して新しいビジネスに私たちと一緒に挑戦してもらえるならば、NTTコムウェアとしてもトライする価値があります。協業の話を進めていくうえで、「Mealthyさんは新たな市場に向けてともにチャレンジしてくれる仲間になってくれる」と強く感じました。

今井：鈴木さんは、明確なビジョンを持っていて、「自らの描くありたい姿を絶対に実現していくのだ」という思いが言葉の端々や行動に現れていたのが印象的でした。

鈴木：そういっていただけると嬉しいです。世の中では協創、オープンイノベーションと騒がれていますが、そもそもベンチャーと付き合ってくれる会社はあまりないため、こちらとしては今回のお話はとてもありがたく感じていました。

3カ月のトライアルの後、より具体的なビジネス化に向けた検討へ

今井：マッチングイベント後、3カ月ほどトライアルを実施することが決まりました。ところで鈴木さんはトライアルを始めるにあたって、どのようなことを考えていましたか？

高畑：「NTTコムウェアの技術は本当に使えるだろうか……」とか？

鈴木：そんなことは考えていません（笑）。ただ当初は、「Deeptector®」でどれほどの精度が出るのかという腕試し的な気持ちもありました。実は「内製の画像認識ツールが「Deeptector®」よりも精度が上回っていたら、自信が持てるゾ」なんて、恐れ多いことを考えていたくらいです（笑）

高畑：実際にトライアルで「Deeptector®」を使ってみて、いかがでしたか？

鈴木：最初に試してみた段階では、内製のほうが優れている部分もあるし、「Deeptector®」が優れている部分もあって、精度は同等という感覚がありました。ですが、今後運用するという点で評価すると、「Deeptector®」が運用しやすいと判断しました。例えばカテゴリを簡単に増やせる点です。新しい食べ物が流行したら、その料理を新しいカテゴリとして追加したいわけです。しかし内製のツールでは、エンジニアと連絡を取り合ってカテゴリを追加し、精度を改善していくまでに1カ月以上かかってしまいます。その点、「Deeptector®」は簡単に追加していけそうでした。このような機能は、将来サービスを広げていこうとしたら、絶対に必要ですよね。

箕浦：おっしゃるとおりだと思います。画像認識の難しさについて補足しますと、画像認識に用いるAIは繰り返し学習をさせて、トライ＆エラーで成長させていくものです。そのため、一度画像データを集めて学習させたからといって、すぐに一定のレベルに達するわけではありません。新しいカテゴリを追加すると今までの認識率が下がってしまうこともあるので、改めて調整していく必要があります。「Deeptector®」の開発元としては、そのような点も踏まえたうえで、さまざまな企業様に多種多様な用途で使っていただけるよう、運用しやすいUIを考慮して設計しました。

高畑：そういった判断の後、具体的なビジネス化への検討へ進もう、と考えたわけですね。

鈴木：はい。そしてトライアルの後に、もっと継続したいと話をして、半年間のビジネス化の協働検討を依頼しました。今は実際のサービス提供に耐えられる状態に仕上げようとしている段階です。トライアルでは、もともとあった100カテゴリの精度を高めることを目的にしました。今回はカテゴリを500くらいまで増やそうと取り組んでいます。現在、400カテゴリくらいまでできているところですね。

図：「Mealthy」サービスイメージ

驚かされたのは、スーパーヒーローのようなバイタリティーを持つベンチャーの底力