Understanding Biological Change

従来の検査では本質が見えない

生体は、単一の時点で固定された状態として存在しているわけではありません。
回復、炎症、代謝、免疫、自律神経、認知機能といった生体反応は、外部環境、生活習慣、加齢、ストレス、介入内容などの影響を受けながら、時間軸の中で連続的に変化し続けています。
そのため、生体を理解するためには、単発の検査結果や一時的な観測だけではなく、「どのように変化し、どの方向へ推移しているのか」という変化の流れそのものを継続的に捉える必要があります。
ExoEarthでは、生体を静的な“点”として扱うのではなく、時間とともに変化し続ける“動的な状態空間”として捉え、継続観測・解析・介入を循環させることで、より本質的な生体理解と最適化を目指しています。

Scientific Advisory

国際的EV研究との接続

ExoEarth Global 2026では、EV・エクソソーム研究領域において国際的に高く評価されている研究者との連携のもと、実世界生体データとAI解析を基盤とした次世代ヘルスサイエンス構想を推進しています。

落谷 孝広 特任教授
ExoEarth　サイエンス顧問
細胞外小胞（EV）・エクソソーム研究、生体間コミュニケーション、診断・治療応用領域を牽引してきた研究者として、ExoEarthの科学基盤を支援

主な共同研究先

ExoEarthは、エクソソーム科学・細胞外小胞研究・再生医療関連領域において、国内大学との共同研究を進めています。

東京医科大学
東京科学大学

※共同研究は、科学的検証および研究開発を目的とした取り組みです。

RWD5000

ExoEarthは、6年以上にわたり蓄積されてきた5000症例超のReal World Data（RWD）を基盤としており、疲労、睡眠、炎症、自律神経、認知、免疫、回復力といった多面的な生体変化を、単発の結果ではなく、継続的な観測データとして蓄積しています。
生体は固定された状態として存在しているわけではなく、日々の生活環境や介入、時間経過によって常に変化し続けているため、ExoEarthでは単一時点の結果だけを扱うのではなく、「どのように変化し、どの方向へ推移しているのか」という“変化の軌跡”そのものを重要な情報として捉えています。

AI-driven Learning

蓄積されたRWDは、AI-driven learningによる解析基盤として活用されており、個体差、状態変化パターン、介入後の反応性など、人間だけでは捉えきれない多次元かつ長期的な相関構造の解析に利用されています。
ExoEarthでは、データを単純に保存・管理することを目的としているのではなく、継続的に蓄積される生体変化データを学習し続けることで、次の介入設計や最適化へ反映していく「継続学習型の構造」そのものをPlatformとして設計しています。

Academic Collaboration

ExoEarthは、エクソソーム研究、再生医療、生体解析、オルガノイド研究など、複数領域にまたがる学術基盤との連携を進めています。
また、エクソソームサイエンス領域における長年の研究知見や専門家ネットワークとの連携を通じて、Real World Data（RWD）、longitudinalデータ、AI-driven learningを統合した継続学習型の解析基盤構築を進めています。
現場で蓄積される継続観測データ、大学との共同研究による科学的知見、さらに実運用から得られる解析結果を統合することで、ExoEarthは単発的な施術や製品提供ではなく、継続的なHealthspan最適化に向けた科学基盤の構築を目指しています。

Science for Healthy Longevity