はじめに
Google Researchは2026年5月1日、ゲノム解析・神経科学・気候モデリング・医療AIなどの分野で構築してきたオープンソースツールとオープンアクセスデータセットの現状と成果をまとめたブログ記事を公開しました。本稿では、その内容をもとに、Googleがどのような「科学インフラ」を世界に提供しているかを解説します。
参考記事
- タイトル: Catalyzing scientific impact through global partnerships and open resources
- 著者: The Google Research Science team
- 発行元: Google Research Blog
- 発行日: 2026年5月1日
- URL: https://research.google/blog/catalyzing-scientific-impact-through-global-partnerships-and-open-resources/
関連記事
要点
- Google ResearchのオープンサイエンスツールはゲノムAI・神経科学・気候・医療・生物多様性の5分野にわたり、世界250,000人超の研究者・開発者に活用されている
- ゲノム解析ツール群（DeepVariant・DeepConsensus・DeepPolisher）は累計250万人分のゲノム処理を支えており、ヒトパンゲノム参照の構築にも寄与している
- 医療AI基盤「HAI-DEF」（MedGemma等）はダウンロード数が480万件超に達し、途上国を含む世界各地の医療アプリ開発を支援している
- Open Health Stack（OHS）は10カ国以上に展開され、6,500万人超の受益者に対してデジタルヘルスサービスを提供している
- 気候・防災・生物多様性の領域でも具体的な成果があり、インド3,800万人の農家への1か月前モンスーン予報や、絶滅危惧種カカポの個体数回復（51羽→252羽）が実現している
詳細解説
オープンサイエンスという哲学——なぜGoogleは技術を公開するのか
Google Researchは、「科学的ブレークスルーは、他の研究者がそれを再現・発展させて初めて真の価値を持つ」という考えをオープンサイエンス活動の根底に置いています。オープンソースソフトウェアとオープンアクセスデータセットは現代科学の推進力であり、これらを責任ある形で提供・維持することが、世界規模のイノベーションを促すと同チームは述べています。
この姿勢は、Transformerアーキテクチャの発表（2017年）以来、自然言語処理から生命科学・地球科学に至るまで、幅広い分野への技術公開として具体化されてきました。現在、その活動に支えられている研究者・開発者は世界で250,000人超にのぼると報告されています。
ゲノム解析——250万人分のデータ処理を支えるツール群
ゲノム分野では、DeepVariant（塩基配列のバリアント検出）、DeepConsensus（シーケンシング精度の向上）、DeepPolisher（ゲノムアセンブリの高精度化）という3つの深層学習ツールが公開されています。これらはDNA解析の上流から下流までをカバーするもので、Google Researchによれば、累計で250万人分のエクソームおよびホールゲノムの処理に活用されています。
特にUCSC（カリフォルニア大学サンタクルーズ校）ゲノミクス研究所との共同研究では、ヒトパンゲノム参照のエラーを50%削減する手法が開発されており、ヒトパンゲノム研究コンソーシアムの活動を支援しています。パンゲノムとは単一の「標準ゲノム」ではなく、人類の多様性を反映した複数ゲノムの集合体であり、特定の民族や地域集団が従来の参照ゲノムに十分代表されないという課題を解消するための取り組みです。
また、スタンフォード大学医学部・UCSCとの連携では、遺伝性疾患の原因特定を8時間未満で実現するゲノム解析プログラムが開発されており、ギネス世界記録として認定されています。
医療AI——HAI-DEFとOpen Health Stackが支える途上国の医療
医療AI分野では、「Health AI Developer Foundations（HAI-DEF）」という基盤が整備されています。この中核をなすのが MedGemma であり、医療テキスト・臨床推論・画像理解に特化したオープンウェイトモデルです。Google Researchによれば、累計ダウンロード数は480万件を超えており、MedGemma活用コンテスト（MedGemma Impact Challenge）でも世界中の開発者が医療課題の解決に取り組んでいます。
具体的な活用事例として、ザンビアのDawa Healthは MedSigLPを使ったAI搭載の子宮頸がん教育・スクリーニングツールを開発し、助産師がWhatsApp経由でコルポスコピー画像をアップロードするだけでリアルタイムに異常を検出できる仕組みを実現しています。また、マレーシアでは同国保健省の150以上の臨床診療ガイドラインに対話形式でアクセスできる「Ask CPG」がMedGemmaを基盤として動作しており、臨床現場での意思決定支援に役立てられています。インドのAIIMS（全インド医科大学）でも、外来トリアージや皮膚科スクリーニングへの応用が進んでいます。
一方、Open Health Stack（OHS） はデジタルヘルスアプリ開発のためのオープンソースツール群です。現代の医療データ標準（HL7 FHIR）に準拠した、オフライン対応アプリを迅速に構築できる環境を提供しており、10か国以上で展開され、6,500万人超が受益しています。たとえば、Onaが構築したアプリは保健従事者が紙の記録からデジタルへ移行するのを支援しており、医療リソースが限られた地域での医療水準の向上に貢献しています。
気候・防災——インド3,800万人農家への洪水予報
地球・大気科学の分野では、複数のデータセットとモデルが公開されています。Open Buildings は1.8億件の建物検出情報を含むデータセットで、アフリカ・南アジア・東南アジアなど58百万km²をカバーします。国連難民高等弁務官事務所（UNHCR）は、このデータセットを使って難民・避難民への支援調査のサンプリングを最適化しています。
Groundsource データセットと都市型フラッシュフラッドの予測システムについては、2026年3月の記事でも詳しく紹介しました。Geminiを使って20年分の公開データから260万件の洪水イベントを収集したこのデータセットは、150か国以上での24時間フラッシュフラッド予報を可能にしています。
また、ハイブリッド大気モデル NeuralGCM を用いたシカゴ大学の研究では、インドモンスーンの開始を1か月前に予測することに成功し、そのデータがインド農林水産省を通じてSMSで3,800万人の農家に届けられています。作付け判断を事前に最適化できる可能性があり、農業分野へのAI気候モデルの実用的な応用例として注目されます。
生物多様性——カカポの個体数回復から絶滅危惧種ゲノムまで
生物多様性保全の分野では、SpeciesNetとゲノミクスツールが活用されています。SpeciesNet は哺乳類・鳥類・爬虫類など2,498種の動物を分類できるグローバルスケールのモデルで、タンザニア・セレンゲティ国立公園の「Snapshot Serengeti」カメラトラッピングプログラム（1,100万枚超の画像）の解析をラップトップ上で数日のうちに処理できるようにしています。
ニュージーランドの絶滅危惧種であるカカポ（飛べない鳥で、マオリ文化においても重要な種）の保護では、オタゴ大学の研究者たちがDeepVariantを再トレーニングして全個体の遺伝地図を作成しました。この遺伝情報をもとに繁殖計画と傷病個体の治療計画が立案され、個体数は最低時の51羽から252羽に回復しています。
また、Google AIによる絶滅危惧種13種のゲノム解読については以前の記事でも取り上げましたが、今回の発表はその取り組みが Vertebrate Genomes Project・Earth BioGenome Project の活動全体に組み込まれたものであることを改めて確認するものです。さらに150種のゲノム解読が進行中とのことです。
神経科学とコミュニティ形成
神経科学分野では、H01（ヒト脳組織1.4ペタバイトのサンプル）と MICrONS（マウス視覚野の最大規模の神経接続・機能地図）という2つのデータセットが公開されており、H01は20万回超のアクセスを記録しています。ジョンズ・ホプキンス大学の研究者らはH01を活用してニューロンの新たな通信形態を発見しており、アルツハイマー病などへの含意も指摘されています。
Googleはこれらのツールを活用するコミュニティ形成にも投資しており、インド・韓国・日本・オーストラリアで「AI for Science」コミュニティを立ち上げています。日本でも開発者・研究者コミュニティが参加できる場が設けられており、グローバルな科学エコシステムへの参画が促されています。
まとめ
Google Researchが公開する科学ツールとデータセットは、ゲノム解析・医療AI・気候予測・生物多様性保全にわたる広範な分野で、すでに具体的な社会的成果を生み出しています。250,000人超の研究者という規模は、オープンサイエンスが特定機関の取り組みを超えた「科学インフラ」として機能しつつあることを示していると思います。AIエージェントを活用した知識のスケーリングという次の段階にも言及されており、今後の展開が注目されます。
