AIがあなたの「老化」に点数をつける時代へ ──Insilicoが公開した長寿AI「Longevity Grok」とは？
桃井 里奈
健康管理は「アドバイスを受ける時代」から「結果を検証する時代」へ
「人は治療にはお金を払うが、予防にはお金を払わない」。
医療やヘルスケアの分野で、しばしば耳にする言葉です。
病気になれば、痛みや不調を取り除くために医療機関を受診し、治療に費用をかけます。
一方で、将来の病気を防ぐために、今の生活習慣を変えたり、定期的に健康状態を確認したりすることには、なかなか積極的になれないものです。
その理由のひとつは、予防の成果が見えにくいことにあります。
食事を改善し、運動を続け、睡眠を整えたとしても、それによって将来どのような病気を防げたのか、あるいは身体がどの程度よい方向に変化したのかを実感するのは簡単ではありません。
健康に関する情報やアドバイスは、すでに世の中にあふれています。
ウェアラブルデバイスや健康管理アプリを使えば、睡眠時間、心拍数、血糖値、運動量などを記録し、AIが生活習慣の改善方法を提案してくれるようにもなりました。
しかし、そこで提示されるアドバイスは、必ずしも行動を変える動機につながるとは限りません。
提案されたことを実践した結果、自分の身体にどのような変化が起きたのかまで、継続的に追跡できる仕組みは、まだ十分に普及していないからです。
こうした課題に対して、新しいアプローチを提示したのが、AI創薬企業Insilico Medicine（インシリコ・メディシン）が公開した「Longevity Grok（ロンジェビティ・グロック）」です。
ハーバード大学医学部の遺伝学者デビッド・シンクレア博士と共同で開発されたこのシステムは、個人の健康データを集約し、AIが生活習慣などの改善策を提案するだけでなく、その介入によってバイオマーカーがどのように変化するかを事前に予測します。
そして、一定期間後の検査結果と照合し、予測がどの程度正しかったのかを評価するのです。
つまり、健康管理を単なるアドバイスの受け取りで終わらせず、自分自身の身体を使って、健康改善の仮説と結果を検証していく仕組みです。
今回の発表は、AIによる健康管理が、単に便利なデジタルツールから、個人の健康状態を継続的に評価し、科学的な検証につなげる段階へ進もうとしていることを示しています。
この記事は、スマホ（Safariの「Webサイトを聴く」やChromeの「このページを聴く」機能）を利用して音声で読み上げることが可能です。
1．Insilico Medicineが公開した「Longevity Grok」とは？
2026年11月6日、AIを活用した創薬研究で知られるInsilico Medicineは、個人の健康状態を継続的に分析するAIシステム「Longevity Grok」をオープンソースとして公開しました。今回の取り組みは、老化研究の第一人者であるデビッド・シンクレア博士との共同開発によるものです。
正式名称は「Personal Longevity Superintelligence（PLSI）」といい、Grok Botのプラットフォーム上で動作する、複数のAIエージェントを組み合わせたシステムです。
Insilico Medicineは、AIを用いて新薬の候補となる分子を探索・設計する技術を長年にわたって開発してきた企業です。創薬では、膨大な生物学的データから疾患に関係する標的を見つけ、薬剤候補を設計し、その有効性を検証していくプロセスにAIを活用しています。
今回のLongevity Grokは、こうしたAI研究の考え方を、個人の健康管理や老化研究に応用しようとする試みといえます。
バラバラに存在する健康データを一元化する
私たちの健康に関するデータは、さまざまな場所に分散しています。
血液検査の結果は医療機関の検査システムにあり、血糖値は持続血糖測定器（CGM）、睡眠や心拍数はスマートウォッチ、身体の生物学的年齢はDNAメチル化検査など、それぞれ異なるサービスやデバイスで管理されていることが一般的です。
そのため、個々のデータを確認することはできても、それらを横断的に分析し、長期間にわたる身体の変化を一貫して把握することは容易ではありません。
Longevity Grokは、こうした血液検査、血糖値、ウェアラブルデバイス、エピジェネティック検査などのデータを集約し、個人の健康状態を時系列で整理します。
さらに、異なる医療機関や検査機関から得られたデータを共通の基準に変換する仕組みも備えています。
検査項目にはLOINC、医薬品にはRxNorm、測定単位にはUCUMといった国際的な標準規格を利用することで、異なる形式の情報を同じ土台で扱えるようにしています。
このように、単に健康データを集めるだけでなく、個々のデータを関連づけ、身体の変化を継続的に追跡できる状態にすることが、最初の重要な役割です。
最大30の専門AIエージェントが連携する
もうひとつの特徴は、ひとつのAIがすべてを判断するのではなく、最大30の専門AIエージェントが役割を分担する点です。
データの整理や健康状態の分析、栄養、運動、睡眠に関する検討、医学文献の調査、介入策の評価など、それぞれの役割を持つAIが連携します。
たとえば、健康データを整理するエージェントが検査結果を構造化し、健康相談を担当するエージェントが改善策を検討します。その後、別のエージェントが提案内容に反対意見や問題点を提示し、予測の妥当性を検討する仕組みです。
このような複数のAIによる役割分担は、マルチエージェントシステムと呼ばれます。
AIがひとつの回答を生成して終わるのではなく、複数の視点から情報を検討し、継続的に更新していくことを目指しているのです。
2．最大の特徴は「予測カード」──AIが改善目標と期限を約束する
今回の発表で、特に注目したいのが「予測カード（Prediction Card）」という仕組みです。
健康管理アプリやウェアラブルデバイスの多くは、現在の身体の状態を測定し、その数値をもとに改善のためのアドバイスを提示します。
たとえば、血糖値が高めであれば食事の見直しを提案し、睡眠時間が不足していれば就寝時間を早めるように促します。運動量が少なければ、歩数や運動時間の目標を設定することもできます。
しかし、こうした提案には、実践した後に何がどの程度改善するはずなのかという、明確な予測が伴わないことも少なくありません。
Longevity Grokは、この部分を大きく変えようとしています。
何を、いつまでに、どの程度改善するのか
予測カードでは、生活習慣や栄養などの介入を始める前に、AIが改善対象となるバイオマーカーと、その変化についての予測を提示します。
たとえば、インスリン抵抗性に関連する指標であるHOMA-IRを改善するために、食事や運動習慣を見直すとします。
この場合、単に「運動を増やしましょう」「糖質の摂取を見直しましょう」と提案するだけではありません。
介入によって、どのバイオマーカーが、どの方向に、どの程度変化すると予測するのか。その変化は何週間、あるいは何か月後に確認できると考えられるのか。さらに、その予測がどの程度の科学的根拠に基づいているのかまで記録します。
予測カードには、対象となるバイオマーカー、予測される変化の範囲や信頼区間、評価するまでの期間、根拠の強さを示すエビデンスグレードなどが含まれます。
つまり、AI自身が改善の目標と期限を事前に明示するのです。
ここが従来の健康管理アプリとの大きな違いです。
次の検査で予測と現実を照合する
そして、さらに興味深いのは、予測した後の仕組みです。
一定期間が経過し、次の血液検査などの結果が得られると、実際の数値と事前に提示した予測を照合します。
予測した範囲に収まっていたのか、想定した方向に変化したのか、それとも予測から外れてしまったのかを評価し、その結果を記録します。
重要なのは、予測したAI自身が都合よく採点するのではなく、専用のプログラムによって結果を計算・評価する設計になっていることです。
さらに、予測の精度が継続的に記録されるため、AIがどの程度正確な予測を行えているのか、その予測が過度に楽観的ではないかといった点も検証できるようになります。
この仕組みは、AIの予測を実際の結果によって検証するという意味で、非常に重要です。
健康管理を「自分自身のN-of-1実験」に変える
このような取り組みは、医学研究でいう「N-of-1試験」という考え方にも通じます。
N-of-1とは、一般的な臨床試験のように多数の被験者を対象とするのではなく、ひとりの人間を対象に、特定の介入による変化を繰り返し観察・評価する研究手法です。
通常の臨床試験では、多くの人を対象に、ある薬剤や治療法が平均的にどの程度の効果をもたらすのかを検証します。
一方、N-of-1の考え方では、自分自身の身体を観察対象として、特定の生活習慣や介入がどのような変化につながるのかを検討します。
もちろん、個人の身体を対象とした観察だけで、医学的に確かな因果関係を証明できるわけではありません。しかし、事前に仮説と評価方法を定め、実際の結果を記録していくことで、単なる体感や印象に頼らない健康管理に近づけることができます。
Longevity Grokは、この考え方をAIによって継続的に支援しようとしているのです。
「健康によいと聞いたから実践する」から、「自分の身体にどのような変化が起きると予測され、その結果はどうだったのかを確かめる」へ。
この変化は、個人の健康意識や生活習慣を変えていくうえで、大きな意味を持つと考えられます。
3．なぜ「予測して採点する」ことが、行動変容につながるのか？
今回のLongevity Grokの仕組みで、個人的に最も興味深いと感じるのは、AIによる健康分析の精度だけではありません。
むしろ、健康改善を継続するための心理的な仕組みを組み込んでいる点に、大きな可能性を感じます。
人は漠然とした健康目標だけでは行動を続けにくい
「健康のために運動しましょう」「食生活を改善しましょう」「睡眠を十分に取りましょう」。
これらは、誰もが理解している健康習慣です。しかし、正しいと分かっていても、実際に行動に移し、それを長期間続けられる人は限られています。
その理由のひとつは、行動と成果の関係が見えにくいことです。
たとえば、毎日30分の運動を始めたとしても、数日や数週間で身体が大きく変わるわけではありません。血液検査の数値もすぐには変化しないことがあります。
そのため、努力しているにもかかわらず、成果を実感できずに途中でやめてしまうことも少なくありません。
一方、最初から「この生活習慣を一定期間続けることで、この指標がこの範囲に変化する可能性がある」と示されていれば、日々の行動と将来の成果が結びつきやすくなります。
さらに、次の検査でその結果を確認できるとなれば、自分の取り組みが正しかったのかを確かめたいという動機も生まれます。
予防を「未来のための投資」として可視化する
予防医療の難しさは、何も起きなかったことが成果になるという点にもあります。
病気にならなかったとしても、それが生活習慣の改善によるものなのか、もともとの体質によるものなのかは分かりません。
つまり、予防の成果は目に見えにくく、実感しにくいのです。
これに対して、バイオマーカーを活用すれば、将来の疾病予防につながる可能性のある身体の変化を、一定の範囲で数値として確認できます。
たとえば、インスリン抵抗性、血糖コントロール、炎症関連指標、脂質代謝などを定期的に評価することで、生活習慣の改善が身体の内部にどのような変化をもたらしているのかを把握しやすくなります。
もちろん、個々のバイオマーカーが改善したからといって、必ずしも健康寿命が延びるとは限りません。しかし、目に見えにくかった身体の変化を可視化することは、健康への関心を高め、行動を継続するための有効なきっかけになり得ます。
Longevity Grokの予測カードは、健康改善を漠然とした努力から、期限と評価指標のある取り組みへと変えるものです。
これは、単に健康データを見やすくするという機能を超え、予防医療の課題である行動変容にアプローチする仕組みとして注目できます。
4．デビッド・シンクレア博士が期待する「個人が科学的発見に参加する時代」
今回のプロジェクトには、老化研究の第一人者として知られるハーバード大学医学部のデビッド・シンクレア博士が共同開発者として参加しています。
シンクレア博士は、長年にわたり老化の分子メカニズムや、老化を遅らせる可能性のある生物学的経路について研究してきました。サーチュイン遺伝子やNAD+、エピジェネティクスなど、現代の抗老化研究を語るうえで重要なテーマに関わってきた研究者です。
今回の取り組みで博士が重視しているのは、AIによって個人の健康管理を効率化することだけではありません。
シンクレア博士は、このプロジェクトについて、人々が自分自身の健康を改善しながら科学的発見にも貢献し、老化の原因や、それを遅らせたり逆転させたりする方法の理解につながる点に魅力があると述べています。
ここには、従来の医療や科学研究とは異なる、新しい研究参加の形が見えてきます。
健康管理をする人が、同時に研究参加者にもなる
これまで、医学研究に参加するためには、研究機関や医療機関が実施する臨床試験などに参加する必要がありました。
研究者が研究計画を立て、対象者を募集し、定められた条件のもとでデータを収集し、統計的に分析するというのが一般的な流れです。
一方、Longevity Grokが目指すのは、個人が日常的に取得している健康データを、継続的な研究資源として活用することです。
たとえば、ある人が食事や運動、睡眠の改善に取り組み、定期的に血液検査やエピジェネティック検査を受けたとします。
その人のデータは、本人の健康状態を把握するために利用できるだけでなく、本人が同意すれば、匿名化・仮名化などの処理を施したうえで、ほかの人のデータとともに研究に活用することもできます。
こうして、多くの人が日常生活のなかで蓄積した健康データが集まれば、特定の生活習慣とバイオマーカーの変化との関係について、従来とは異なる角度から分析できる可能性があります。
これは、研究者だけが科学的発見を担うのではなく、一般の人々も自分自身の健康管理を通じて研究に参加するという考え方です。
シンクレア博士のコメントからも、今回のプロジェクトが目指すものは、個人向けの健康管理ツールにとどまらないことが分かります。
5．アレックス・ザヴォロンコフ氏が描く「24時間365日働く長寿研究AI」
今回のプロジェクトを主導するInsilico Medicineの創業者兼CEO、アレックス・ザヴォロンコフ氏も、Longevity Grokの将来性について興味深い構想を示しています。
ザヴォロンコフ氏は、Longevity Grokについて、24時間365日稼働し、個人のため、そして希望する人にはコミュニティのために、継続的に長寿研究を行うシステムにしたいと説明しています。
さらに、長寿医療の専門家と個人を結びつけ、先進的な研究ツールを活用した分析を可能にし、その成果を専門の研究コミュニティと共有できる環境を構想しています。
ここで注目したいのが、個人の健康管理とAIによる研究活動が、ひとつのプラットフォーム上でつながるという点です。
「Longevity Mothership」という共有研究基盤
Longevity Grokには、個人の健康管理とは別に、「Longevity Mothership（ロンジェビティ・マザーシップ）」と呼ばれる共有研究基盤が用意されています。
これは、利用者が自身の健康データを研究に提供することに同意した場合、その情報を集約し、長寿研究に活用するための仕組みです。
個人の健康状態を継続的に記録するだけであれば、そのデータは本人の健康管理に役立ちます。しかし、多くの人のデータが集まれば、個人単位では分からなかった傾向や共通点を分析できる可能性が出てきます。
たとえば、同じような生活習慣の改善に取り組んでも、年齢や身体の状態によってバイオマーカーの変化には違いがあるかもしれません。
ある人には効果が見られた介入が、別の人にはほとんど変化をもたらさないことも考えられます。
こうした違いを長期間にわたって蓄積できれば、将来的には、どのような特徴を持つ人に、どのような介入が適しているのかを検討するための研究資源になる可能性があります。
これは、画一的な健康指導から、個人の生物学的特徴に応じた精密な健康管理へと進むための重要な基盤になり得ます。
AIが自律的に長寿研究を続ける「Idle Research」
さらに興味深いのが、「Idle Research（アイドルリサーチ）」と呼ばれる機能です。
これは、利用者が希望すれば、Grokの週間利用枠の一部をAIによる自動研究に割り当てられる仕組みです。
利用者が直接操作していない時間にも、研究を担当するAIエージェントが医学論文や公開データベースなどを調査し、新しい仮説を検討したり、研究分析の設計を試みたりします。
研究成果は、利用者が共有を選択したメモなどを通じて、Longevity Mothershipに届けることができます。
ザヴォロンコフ氏は、この構想を、かつて世界中のコンピューターの余剰処理能力を集めてタンパク質の構造解析などに活用した「Folding@home」のような分散型の研究プロジェクトになぞらえています。
ただし、両者には重要な違いがあります。
Folding@homeは、明確に定義された計算問題に対して、参加者のコンピューターの処理能力を提供する仕組みでした。一方、Longevity Grokでは、AIが医学文献を調査し、仮説を立て、研究の方向性を検討します。
そのため、AIが多くの研究を行えるようになったとしても、それだけで科学的な発見が保証されるわけではありません。
重要なのは、AIが立てた仮説を、実際のデータや適切な研究方法によって検証することです。
それでも、世界中の個人が蓄積する健康データと、24時間稼働するAIの研究能力を組み合わせるという構想は、これからの長寿研究のあり方を考えるうえで興味深いものです。
6．創薬企業にとっても価値がある「長期的なヒトの老化データ」
今回の取り組みは、個人の健康管理だけでなく、創薬やバイオテクノロジー産業にも新しい可能性をもたらすかもしれません。
その理由は、老化研究において、ヒトの長期的な健康データを収集することが非常に難しいからです。
臨床試験だけでは捉えにくい長期的な変化
新しい医薬品を開発する際には、臨床試験を通じて安全性や有効性を検証する必要があります。
しかし、老化そのものを対象とする研究には、一般的な疾患の治療薬とは異なる難しさがあります。
老化は長い時間をかけて進行する現象であり、健康寿命や生存期間への影響を確認するには、長期的な観察が必要になる場合があります。
また、食事、運動、睡眠、ストレス、遺伝的背景、既往歴など、多くの要因が複雑に関係しています。
そのため、特定の介入が身体にどのような影響を与えるのかを、短期間の臨床試験だけで十分に把握することは容易ではありません。
さらに、臨床試験では参加者の募集や追跡調査に多くの費用と時間が必要となり、試験期間中に参加者が脱落することもあります。
個人の継続的なデータが創薬研究の新しい資源になる
一方、Longevity Grokのようなシステムを利用する人々が、自発的に健康データを長期間記録し続ければ、従来の臨床試験とは異なる種類のデータが蓄積される可能性があります。
たとえば、血液検査の結果だけでなく、日常的な血糖値の変化、睡眠、運動、食事、生活習慣の改善履歴などを組み合わせることで、身体の変化をより細かく追跡できるようになります。
創薬企業にとっては、こうしたデータから、特定のバイオマーカーがどのような条件で変化するのか、どのような人に特定の介入が有効である可能性があるのかを検討する手がかりが得られるかもしれません。
Insilico Medicineのように、AIを活用して創薬研究を進めている企業にとって、こうしたヒトの長期的なデータは、今後の研究開発を支える重要な資源になる可能性があります。
ただし、ここで注意したいのは、利用者が自主的に参加するデータには、一定の偏りが生じるということです。
健康への関心が高く、積極的に自己管理を行う人が多く参加すれば、その集団のデータは一般の人々を代表するものではなくなる可能性があります。また、生活習慣を複数同時に変えた場合、どの介入が結果に影響したのかを判断することも難しくなります。
したがって、こうしたデータは臨床試験に代わるものではありません。むしろ、従来の研究を補完し、新たな研究仮説を生み出すための情報源として期待するのが適切でしょう。
7．期待が大きいからこそ知っておきたい、AIによる予測の限界
ここまで紹介してきたように、Longevity Grokには、個人の健康管理と長寿研究を結びつけるさまざまな可能性があります。
しかし、AIがバイオマーカーの変化を予測し、その結果を採点するからといって、その予測が医学的に正しいことまで保証されるわけではありません。
今回の発表で、ザヴォロンコフ氏自身も、その点については慎重な姿勢を示しています。
同氏は、すでに食事、運動、睡眠、定期的な健康診断を実践している健康な人について、寿命をさらに1年延ばすことが臨床的に証明された手段は、現時点では存在しないと述べています。
これは、ロンジェビティ分野の現状を考えるうえで重要な指摘です。
バイオマーカーが改善しても、寿命が延びるとは限らない
まず理解しておきたいのは、バイオマーカーの改善と、健康寿命や寿命の延長は同じではないということです。
たとえば、血糖値やインスリン抵抗性に関連する指標が改善した場合、代謝の状態が良い方向に変化している可能性があります。
しかし、その数値の変化だけで、将来の疾病リスクがどの程度低下するのか、あるいは寿命がどの程度延びるのかまで判断することはできません。
また、PhenoAge（フェノエイジ）のような生物学的年齢の指標も、健康状態や老化に関連する情報を評価するための研究上の指標であり、実年齢そのものや、実際の余命を直接示すものではありません。
AIが提示する予測カードについても、予測されたバイオマーカーが改善したことと、老化そのものが遅くなったことは区別して考える必要があります。
一度に多くの習慣を変えると、何が効いたのか分からない
もうひとつ重要なのが、介入と結果の因果関係です。
たとえば、食事を改善すると同時に、運動量を増やし、サプリメントを摂取し、睡眠時間も延ばしたとします。
その結果、血液検査の数値が改善したとしても、どの取り組みが最も影響したのかを判断することは困難です。
また、もともと悪い数値が出ていた人が、その後に再検査を受けると、特別な介入をしなくても数値が平均的な水準に近づくことがあります。これは「平均への回帰」と呼ばれる現象です。
こうした影響を考慮せずに結果を評価すると、実際には効果がなかった介入を、効果があったと誤って判断する可能性があります。
さらに、予測を行うAIと、その予測を批判的に検討するAIが、同じAIモデルや知識基盤に依存している場合、独立した第三者による検証と同じ水準の客観性が得られるとは限りません。
Longevity Grokでは、別のエージェントが介入計画に異議を唱える仕組みや、予測の採点をプログラムに任せる仕組みが導入されています。しかし、これらは予測の正しさを自動的に保証するものではありません。
オープンソースであることの意味
一方で、今回のプロジェクトには、こうした課題を検証しやすくする特徴もあります。
それが、オープンソースとして公開されていることです。
プログラムのコードや評価の仕組みが公開されていれば、研究者や開発者がその設計を確認し、どのような計算方法で予測や採点が行われているのかを検討できます。
AIがどのような根拠で提案を行い、どのような方法で結果を評価しているのかを外部から検証できることは、健康や医療に関わるAIにとって重要な要素です。
ただし、コードが公開されていることと、AIの医学的な妥当性が証明されていることは別の話です。
現段階では、研究と教育を目的としたツールとして位置づけられており、診断や治療、処方を行うものではありません。薬剤やサプリメントの開始・中止、生活習慣の大きな変更については、医療専門家との相談が必要です。
8．健康データのプライバシーと、AIプラットフォームへの信頼
個人の健康データをAIに集約するとなれば、当然、プライバシーやデータの管理方法も重要になります。
Longevity Grokでは、プライバシーを基本設計に組み込んでおり、利用者が研究への参加を選択しない限り、生の医療ファイルは原則として本人の環境に保持される仕組みを採用しています。
また、研究へのデータ提供は任意であり、データの共有を停止したり、削除を要求したりする仕組みも用意されています。
ただし、ここで注意したいのは、個人の健康データを管理するInsilico側の仕組みと、実際にAIの推論を行うGrok側のデータ管理は別であるという点です。
Longevity GrokはGrok Bot上で動作するため、Grokアカウントに入力された情報については、xAI側の利用条件やプライバシーポリシーも関係します。
また、Longevity Mothershipへの研究データの提供は、完全な匿名ではなく、仮名化されたデータとして扱われる仕組みです。氏名などの直接的な識別情報を取り除くことと、個人を再識別できないことは同じではありません。
そのため、利用者はデータがどこに保存され、誰がアクセスでき、どの範囲で共有されるのかを理解したうえで利用する必要があります。
健康データの一元化は大きな利便性をもたらす一方、データを預けるプラットフォームへの信頼が欠かせません。
これは、今後AIを活用したパーソナルヘルスケアが普及していくうえで、避けて通れない重要な課題といえるでしょう。
9．ロンジェビティの未来は「自分の身体を理解し、最適化する時代」へ
今回のLongevity Grokの発表から見えてくるのは、これからのロンジェビティが、単に老化を遅らせる方法や新しい抗老化成分を探すだけの分野ではなくなっていくということです。
これまでの抗老化研究では、NMNやNAD+、メトホルミン、mTOR、サーチュイン、オートファジーなど、老化に関係するさまざまな分子や生物学的経路が注目されてきました。
しかし、こうした研究成果を個人の健康管理に生かそうとすると、ひとつの問題に直面します。
それは、同じ介入を行っても、すべての人に同じ効果が現れるわけではないということです。
年齢、遺伝的背景、代謝状態、腸内環境、生活習慣などによって、身体の反応は異なります。ある人に有効だった方法が、別の人にも同じように有効とは限りません。
そのため、これからのロンジェビティでは、一般的に健康によいとされる方法を一律に実践するだけでなく、個人の生物学的特徴を把握し、その人にとって何が有効なのかを検証していくことが重要になると考えられます。
AIとバイオマーカーがつなぐパーソナライズド・ロンジェビティ
今後、血液検査、DNAメチル化検査、プロテオーム解析、腸内細菌解析、ウェアラブルデバイスなどから得られる情報が統合され、AIによって継続的に分析されるようになれば、個人の身体をより多角的に理解できる可能性があります。
さらに、AIが改善策を提案し、その結果をバイオマーカーで検証する仕組みが発展すれば、健康管理は画一的なアドバイスから、個人の身体の反応に応じて調整していくアプローチへと進化していくでしょう。
今回のLongevity Grokは、その方向性を示す初期的な取り組みのひとつです。
もちろん、現段階で健康寿命を延ばす効果が証明されたシステムではありません。しかし、個人の健康データを継続的に蓄積し、介入と結果を結びつけ、さらに多くの人のデータを研究に活用するという構想には、大きな可能性があります。
そして、こうした仕組みが普及することで、これまで研究機関や一部の専門家に限られていた高度な健康分析や長寿研究への参加が、一般の人々にも開かれていくかもしれません。
まとめ：健康を守るだけでなく、自分の身体の未来を自らつくる時代へ
ロンジェビティの本質は、単に寿命を延ばすことではありません。できるだけ長く、心身ともに健やかで、自分らしく活動できる時間を増やしていくことにあります。
その実現には、老化のメカニズムを解明する科学研究だけでなく、個人が自分自身の身体の状態を理解し、日々の生活習慣を見直し、継続的に改善していくことも欠かせません。
しかし、健康のために何かを始めても、その成果が見えなければ、行動を続けることは簡単ではありません。
今回のLongevity Grokが興味深いのは、AIが単に健康改善の方法を教えるのではなく、事前に目標と予測を提示し、その結果を実際の検査データによって検証する仕組みを取り入れたことです。
「健康のために運動しましょう」という一般的なアドバイスから、「あなたの現在の身体の状態を踏まえると、この取り組みによって、この指標が、これくらいの期間で、この範囲に変化する可能性があります」という、より具体的な健康管理へ。
そして、その予測が正しかったのかを自分自身の身体で確かめることができれば、健康改善への取り組みは、単なる努力ではなく、結果を確認できる継続的なプロジェクトへと変わっていきます。
さらに、その一人ひとりのデータが蓄積され、世界中の人々の長寿研究につながっていくとすれば、個人の健康管理と科学的な発見が、これまで以上に密接につながることになります。
私たちはこれまで、健康を損なってから治療することに多くの時間と費用を費やしてきました。しかし、これからは自分の身体の変化を継続的に把握し、将来の健康状態をよりよい方向へ導くために、科学とテクノロジーを活用する時代になっていくのかもしれません。
予防を単なる我慢や努力で終わらせず、自分の身体の変化を知り、その成果を確かめながら続けていく。
Longevity Grokが提示した「予測して、実践し、検証する」というアプローチは、ロンジェビティを一部の研究者や先進的な人々だけのものではなく、より多くの人が日常生活のなかで取り組めるものにしていくための、ひとつの可能性を示しているのではないでしょうか。
【編集部からのお知らせ：事業化のご案内】
「こもれび抗老化ステーション」では、専門医やスペシャリスト監修のもと、科学的根拠に基づいた抗老化製品・サービスの開発を支援する「ロンジェビティ・共創ラボ」を運営しています。既存事業へのロンジェビティ視点の導入や新規事業化のご相談は、下記よりお気軽にお問い合わせください。
補足用語解説
Insilico Medicine（インシリコ・メディシン）社とは
Insilico Medicine（インシリコ・メディシン）社は、人工知能（AI）を駆使して新しい医薬品の候補物質を設計・開発する分野を切り拓いてきた、世界的なバイオテック・AIベンチャー企業です。これまでに分子設計のアルゴリズム開発で数々の実績を上げてきましたが、近年ではその先端技術を人の健康維持やアンチエイジングの領域へと広げ、科学的なアプローチに基づくパーソナライズされた健康管理プラットフォームの開発に力を注いでいます。
デビッド・シンクレア博士とは
デビッド・シンクレア博士は、ハーバード大学医学大学院の遺伝学教授であり、世界的な長寿研究の権威として知られる著名な研究者です。サーチュイン遺伝子の活性化や老化のメカニズムに関する研究を長年リードし、科学的根拠に基づいた若返りや寿命延長のアプローチを世界に向けて発信し続けており、今回の長寿AIプロジェクトにおいても共同開発者として深く関わっています。
オープンソース化とは
オープンソース化とは、ソフトウェアの設計図やプログラムコードを一般に広く公開し、世界中の誰でも自由に閲覧、利用、改良、再配布できるようにする仕組みのことです。特定の企業だけが利益や情報を独占するのではなく、外部の専門家やユーザーが透明性を持ってコードを検証し、共同でシステムの信頼性や機能を高めていくために採用される手法です。
クオンティファイド・セルフ（自己定量化）データとは
クオンティファイド・セルフデータとは、ウェアラブル端末やスマートウォッチ、定期的な血液検査、血糖値測定などを用いて、自らの身体状態やライフログを日常的に計測・数値化したデータの総称です。日々の睡眠や活動量、代謝の変動などを客観的な数値として把握することで、自身の健康状態の変化を細かく追跡するための基盤となります。
生物学的指標フェノエイジ（PhenoAge）とは
フェノエイジとは、単なるカレンダー通りの暦年齢ではなく、血液検査などで得られる複数の一連のバイオマーカーを総合的に分析して算出する「生物学的な体の年齢」を示す指標です。実際の老化の進み具合や健康状態のリスクを反映するため、生活習慣の改善や介入がどれほど体に影響を与えたかを評価するための重要な物差しとして活用されます。
生物学的指標HOMA-IRとは
HOMA-IRとは、空腹時の血糖値とインスリンの数値を用いて計算される、体内のインスリン抵抗性の度合いを示す生物学的指標です。インスリンがどれだけ効きにくくなっているかを評価できるため、糖代謝の健康状態や将来的な生活習慣病のリスクをいち早く察知し、食事や運動の介入効果をモニタリングする上で欠かせない数値となっています。
参考文献・関連情報
① ニュースの原文：Longevity.Technology
記事名：Insilico open-sources a longevity AI that keeps score
公開日：2026年11月9日
② Insilico Medicineの公式プレスリリース
Longevity Grokのオープンソース公開についての公式発表です。
腸内細菌が免疫、代謝、臓器の発達や生理機能に関係することを理解するための基礎的なレビューです。シンクレア博士との共同開発、予測カード、最大30の専門AIエージェント、研究への参加方法などが紹介されています。
発表日：2026年11月6日
③ Longevity GrokのGitHub公開リポジトリ
Insilico Medicineが公開したプログラムのソースコードです。AIエージェントの構成、データ管理、予測の採点方法、プライバシーや免責事項などを確認できます。
Personal Longevity Superintelligence（GitHub）
④ Longevity Grok公式サイト
⑤ デビッド・シンクレア博士の公式プロフィール
Harvard Medical SchoolのPaul F. Glenn Center for Biology of Aging Researchによるプロフィールです。老化研究、エピジェネティクス、サーチュイン、NAD+などの研究背景を確認できます。
David A. Sinclair – Harvard Medical School
⑥ アレックス・ザヴォロンコフ氏の公式プロフィール
Insilico Medicineの創業者・CEOの公式プロフィールです。
Alex Zhavoronkov – Insilico Medicine
この記事を書いた人
桃井 里奈（編集長）
1978年生まれ、京都府出身。看護師として京都市内の病院に8年間勤務後、上京。東京都内の総合病院にてICU（集中治療室）、NICU（新生児集中治療室）、手術室での高度急性期医療に従事。看護師プリセプターとして後進の育成にも尽力する。
臨床現場での経験から、既存の制度では対応困難なニーズを痛感し、24時間対応保育所や自費訪問看護ステーションを自ら立ち上げた起業家としての側面も持つ。
現在は、訪問看護の発展を支援する総合Webメディア「いろいろナース」および、抗老化とロンジェビティ（長寿科学）の実践をガイドする「こもれび抗老化ステーション」の編集長を務める。医療現場のリアルな知見と最新のロンジェビティ理論を融合させ、日本人の健康寿命延伸に寄与する情報発信を行っている。
【医学監修】西嶌 暁生
（銀座こもれびクリニック 院長 / 形成外科専門医・医学博士・MBA）
形成外科専門医および医学博士として臨床・先端医療に携わるとともに、MBAの視点を活かした持続可能な医療・ヘルスケアの領域に取り組む。「単に長く生きるだけでなく、より良く生きる（ウェルビーイング）」を医療理念に掲げ、銀座こもれびクリニックにて患者一人ひとりのQOL向上と健康寿命延伸を実践。本メディア「こもれび抗老化ステーション」では、医療・長寿科学の視点から専門的な知見の提供や記事の医学的アドバイスを行っている。
