株式会社ピノビスタ（本社：長野県諏訪郡富士見町、代表：松井多花）は、「Welloom」を発表しました。公式サイトから無料で利用可能です。このメンタルヘルスケアアプリは、AIが各ユーザーの思考や感情に寄り添い、ポジティブな行動や習慣の形成をサポートします。ポジティブ認知行動療法（ポジティブCBT）に基づき、日々の心の整え方を手軽に実践できる設計です。正式版は2026年1月中旬にリリース予定です。

ベータ版の主な機能には、AIコーチングと目標設定機能があり、気分や出来事を入力することでAIが前向きな行動を提案します。長期的な目標設定も可能で、達成状況に応じた次のステップや励ましのメッセージを提供します。スマートフォンやPC、タブレットのブラウザで利用でき、アプリのダウンロードも不要です。

今後は、より高度なAIコーチング機能や「感謝日記」機能、記録機能の拡充、ダッシュボード機能、診断機能を追加予定。また、法人向けサービスも展開し、従業員のメンタルヘルス支援に役立てる仕組みを提供します。

Welloomは、日常生活での前向きな行動変容を促し、自分らしさを育む社会の実現を目指しています。

2025年12月 東京
英国ロンドンに本社を置くAIヘルステック企業Syd Life AI（CEO：ロレーナ・プイカ）は、渋谷区民を対象に3ヶ月間の実証実験を行いました。この実験は、同社が開発した「Life Quality Operating System（LQOS）」を基にした「Syd(TM) Super-App」を用い、身体的健康、メンタルヘルス、人間関係、人生の目的など生活全般の分野を測定しました。

Syd(TM) Super-Appは750以上の生活習慣指標を継続的に分析し、120万件の査読済み科学研究データを基に、アプリ利用者にパーソナライズされたリアルタイムのアドバイスを提供します。実証実験の結果、参加者は生活の質が平均20％改善し、身体的健康が113％、メンタルヘルスが43％向上しました。この結果は、AI技術が公衆衛生やコミュニティ開発の課題解決に貢献できる可能性を示唆しています。

ロレーナ・プイカCEOは、「AIが共感と科学に基づいて活用される可能性を示しています。生活の質を数値化して改善することで、自治体や組織はより効果的な方法で健康的なコミュニティを実現できる」と語ります。今後、Syd Life AIはプログラムの対象人数を拡大する可能性を探ります。渋谷区の担当者は、AIを活用したサービスを通じて地域特性や潜在的ニーズを理解する助けになると述べ、今後も地域の課題解決に努める意向を示しました。

ガーミンジャパンは、協力会社とともに、コンシューマ向けウェアラブルデータを活用した糖尿病マネジメントソリューションを開始しました。糖尿病の有病率は世界的に増加し、特にアジアでは深刻な問題です。国際糖尿病連合(IDF)によると、2045年にはアジアの糖尿病患者は3億人を超えると予測されています。

日本では約1,000万人が糖尿病を抱え、約2,000万人がその予備群です。そこで、ガーミンはウエアラブルデバイスを用いて、血糖コントロールに関する支援を行います。具体的には、フィットネスGPSウォッチ「Venu 4」が生活習慣の記録機能を搭載し、カフェインやアルコールの摂取がバイオメトリクスに与える影響を可視化します。また、フィットネストラッカーによるリアルタイムフィードバックは、運動習慣の定着を助け、スマート体重計「Index S2」は体重や体組成データを自動で管理します。

さらに無料アプリ「Dexcom」を使用することで、運動中のグルコース値をリアルタイムで確認可能です。Twin Healthとの連携では、心拍変動や睡眠データをAIプラットフォームに統合し、個々のメタボリック状態に応じた健康アドバイスが提供されます。臨床データにおいては、2型糖尿病患者の70%以上が血糖コントロールを改善したと報告されています。さらに、心拍や睡眠データをAI解析することで、夜間低血糖の兆候を早期に検知する可能性も示唆されています。これにより、ウェアラブルデバイスが医療現場でも重要な役割を果たすことが期待されています。

メンタルヘルス疾患は、世界的な障害の主要因となっており、多くの人々がRedditなどのオンラインプラットフォームで心理的苦痛を訴え、非公式なサポートを求めています。しかし、これらのプラットフォームには専門的なケアへの誘導策が不足しています。そこで、自然言語処理や大規模言語モデル（LLM）を活用した新しいコミュニティ向けフレームワークが開発され、2025年10月のCureus誌に発表されました。このフレームワークは、RedditのSuicideWatchやMental Health Collectionから得たデータを用いて、うつ病や不安障害などのメンタルヘルス状態を正確に識別し、個別化されたサポートオプションを生成します。

具体的には、ロジスティック回帰やDistilBERTなど複数の機械学習モデルを比較し、DistilBERTが最も高いパフォーマンスを示しました。これにより、症状に応じたメンタルヘルスリソースを生成し、支援を求めることに躊躇する個人に対するハードルを下げることが可能となります。このアプローチは、症状の検出を単独のプロセスとしてではなく、実際の介入へとつなげる手段として位置づけています。

この研究は、AIがスケーラブルなコミュニティベースのメンタルヘルス支援を実現できるポテンシャルを示し、スティグマや経済的障壁などの課題に対する新たな解決策を提供します。将来的には、実際の効果や多様な人口集団への適用可能性、プライバシーの問題などが検討される必要があります。