ペットテック革命：1兆円市場を創出する「予防医療×データエコノミー」の構造転換
イントロダクション
ペットは今や「家族の一員」から「医療サービスの対象」へと進化している。日本のペット関連市場は約1.86兆円規模（2023年度見込み）に達し、その中で急速に存在感を増しているのが「ペットテック」だ。本稿でいう「1兆円市場」とは、ペット医療・保険・データ活用・関連サービスを含む周辺市場全体を指し、この領域がテクノロジーによって再構築されつつある。IoTデバイス、AI診断、遠隔診療、行動連動型保険——これらは単なる便利ツールではなく、獣医療の構造的課題を解決する必然的ソリューションとして台頭している。本稿では、なぜ今ペットテックが不可避なのか、過去の医療DXとの類似点は何か、そしてこの市場でどのようなプレイヤーが勝ち残るのかを、歴史的・構造的視点から分析する。
1. 現在の市場と構造的課題：獣医療が直面する「三重苦」
1.1 ペット飼育の量的・質的変化
日本におけるペット飼育頭数は犬約684万頭、猫約907万頭（一般社団法人ペットフード協会、2023年）に達し、15歳未満の子どもの人口（約1,450万人）を上回る。しかし重要なのは頭数ではなく、飼育の「質的変化」である。
【データで見る構造変化】
1.2 獣医療提供体制の限界
ペット医療需要が急増する一方で、供給サイドには深刻な制約がある。
獣医師の地域偏在と過重労働：日本の獣医師数は約4万人だが、そのうち小動物臨床に従事するのは就業者の約4割程度。都市部への集中が顕著で、地方では「最寄りの動物病院まで車で30分以上」という状況も珍しくない。また、夜間・休日診療体制の不足が飼い主の不安を増幅させている。
診療の標準化・データ共有の欠如：動物病院間でのカルテ共有システムは未整備。転院時には検査をやり直す必要があり、飼い主の経済的・時間的負担が大きい。また、診断基準や治療プロトコルが病院ごとに異なり、「セカンドオピニオン」の文化も未成熟。
予防医療の経済的インセンティブの構造的課題：現状、獣医療の収益モデルは「病気になってからの治療」に依存している。予防医療（定期健診、早期発見）は単発治療よりも売上の立ち上がりが遅く、その価値は外部化（飼い主の安心、保険会社の支払減）しやすいため、病院単体では投資回収しにくい構造的問題がある。
1.3 飼い主側の情報格差と意思決定の困難
ペットは自分の症状を言語化できない。飼い主は「なんとなく元気がない」という曖昧なシグナルから重大な疾患を見逃すリスクに常に晒されている。また、獣医療には公的保険がないため、治療費の妥当性を判断する基準が乏しく、「言い値」に近い状態が放置されている。
【構造的課題の整理】
これらは「個別のプレイヤーの努力」では解決不可能な構造的課題であり、テクノロジーによるシステム再設計が不可避である。
2. 歴史的比較:人間医療DXとの相似形
2.1 事例1：遠隔医療の歴史——1960年代NASAから現代テレヘルスへ
遠隔医療の概念自体は新しくない。1960年代、NASAは宇宙飛行士の健康管理のため、生体データをリアルタイムで地上に伝送するシステムを開発した。しかし、本格的な商用化は2010年代を待たねばならなかった。
初期の失敗要因（1990年代〜2000年代）：当時、遠隔医療は「通信インフラが高価」「規制が未整備」「医師の抵抗」により普及しなかった。特に重要なのは、医療機関にとっての経済的インセンティブが存在しなかった点である。対面診療と同等の診療報酬が認められず、設備投資だけが先行する状況では、普及は困難だった。
転換点（2010年代後半〜）：スマートフォンの普及、4G/5G通信、AIによる診断補助、そして何よりCOVID-19パンデミックが転換点となった。規制緩和（オンライン診療報酬の新設）と社会的必要性が重なり、一気に普及が進んだ。米国ではTeladoc Healthがパンデミック期に時価総額が急拡大（数百億ドル規模）し、日本でもMICIN、メドレーなどが台頭している。
ペットテックへの示唆：人間医療における遠隔診療普及の鍵は、①技術成熟、②規制緩和、③経済的インセンティブの整合、④社会的必要性の顕在化、の4点だった。ペット医療でも、IoTデバイスの低価格化、獣医師法の解釈整理、保険会社との連携による収益化、飼い主の高齢化・地方在住化といった構造変化が、同様の転換点を生み出しつつある。
2.2 事例2：テレマティクス自動車保険——行動データが保険を変えた
もう一つの重要なアナロジーは、自動車保険における「テレマティクス保険」である。
従来の自動車保険の限界：年齢・車種・地域といった属性データに基づくリスク評価は、個人の実際の運転行動を反映しない。「安全運転をする若者」も「危険運転をする高齢者」も、統計的リスクで一律に扱われていた。
テレマティクス保険の登場（2010年代）：車載デバイスやスマホアプリで加速度・急ブレーキ・走行距離をリアルタイム計測し、実際の運転行動に応じて保険料を変動させる仕組みが登場した。米国Progressive社の「Snapshot」、英国の「YouDrive」などが先駆けとなり、日本でも東京海上日動、損保ジャパンなどが参入している。
誰が得をしたのか：①安全運転ドライバー（保険料削減）、②保険会社（事故率低下による収益改善）、③社会全体（交通事故減少）というトリプルウィン構造が成立した。重要なのは、データが保険会社と顧客の利害を一致させた点である。
ペットテックへの示唆：現在のペット保険は「犬種・年齢」という粗い属性データでしか料金設定できていない。しかし、ウェアラブルデバイスで日常的な活動量・心拍・睡眠の質をモニタリングできれば、「健康的な生活習慣を維持しているペット」の保険料を下げることが可能になる。これは飼い主に予防医療のインセンティブを与え、保険会社の支払いリスクも低減する——テレマティクス保険と同じWin-Win構造だ。
2.3 事例3：ウェアラブルデバイス市場の勃興——Apple Watchの戦略
2015年のApple Watch発売当初、市場は懐疑的だった。「高価な通知デバイス」に過ぎないと見られていたからだ。しかしAppleは明確な戦略を持っていた——健康データのプラットフォーマーになることである。
転換点：心電図機能（ECG）、血中酸素濃度測定、転倒検知といった医療グレードの機能を次々と追加。さらに重要だったのは、Apple Healthを通じて医療機関・保険会社とデータ連携する基盤を構築したことだ。不整脈の兆候検知などの早期発見に寄与したと、複数の研究や報告で示されている。
ビジネスモデルの本質：Apple Watchの本質は「デバイス販売」ではなく、「継続的な健康データ収集基盤の構築」にある。データが蓄積されるほど、AIによる予測精度が向上し、ユーザーのロックインが強化される。これは「ネットワーク効果×データ効果」の複合的な競争優位性を生む。
ペットテックへの示唆：ペット用ウェアラブルも同じ道を辿る可能性が高い。初期は「活動量計」に過ぎないが、獣医療機関・保険会社・フードメーカーとデータ連携することで、プラットフォーム価値が指数関数的に上昇する。そして最も重要なのは、データが蓄積されるほど参入障壁が高まるという点である。
【歴史が教える成功条件】
3. 深掘り：新しいビジネスモデル／技術の本質
3.1 ペットテックのコア技術スタック
ペットテックは単一技術ではなく、複数の技術レイヤーが統合されたエコシステムである。
【レイヤー1：データ取得——IoTウェアラブルとスマートホーム連携】
首輪型・ハーネス型のウェアラブルデバイスで、以下のバイタルデータをリアルタイム取得する。
- 活動量・歩数：運動不足や急激な活動量低下を検知
- 心拍数・心拍変動（HRV）：ストレス状態や不整脈の兆候を把握。HRVはストレスや自律神経の乱れの兆候として使われる指標であり、ペットの健康状態の早期変化を捉える上で重要。
- 体温：発熱の早期発見
- 睡眠パターン：睡眠の質低下は多くの疾患の前兆となる
- 位置情報：迷子防止・行動範囲の分析
さらに、スマート給餌器・自動トイレ・監視カメラとの連携により、「食事量」「排泄回数・状態」「行動パターン」などのデータも統合される。これらは従来、飼い主の主観的観察に依存していた情報である。
【レイヤー2：データ分析——AI診断と予測モデル】
取得したデータは単なる「記録」ではなく、機械学習モデルによって「疾患リスク予測」に変換される。
- 異常検知アルゴリズム：個体ごとのベースライン（正常値)を学習し、統計的に有意な逸脱を検知する。
- 疾患予測モデル：大量のペットデータ（数万〜数十万頭）から、特定の症状パターンと疾患の相関関係を学習。「この活動パターンは心疾患の可能性70%」といった確率論的診断を提供。
- 個体差の考慮：犬種・年齢・既往歴を加味した個別化モデル。チワワとゴールデンレトリバーでは正常値が異なる。
この分野では、米国のWhistle(Mars Inc.傘下)が100万頭以上のデータを蓄積し、業界標準となりつつある。データ量が多いほどAI精度が向上するため、「データネットワーク効果」が働く。
【レイヤー3：診療提供——遠隔診療プラットフォーム】
AIによる異常検知後、飼い主は遠隔で獣医師に相談できる。ビデオ通話・チャット・画像送信を通じて、初期トリアージ（救急医療における緊急度の仕分け。ペットテックでは「すぐ受診が必要か、様子見でよいか」の判定）が可能になる。
重要なのは、完全自動化ではなく「獣医師の効率化」を目指している点だ。軽症相談をオンラインで処理することで、獣医師は重症患者に集中できる。これは医師の働き方改革にも寄与する。
【レイヤー4：金融——行動連動型保険とサブスクリプション】
従来のペット保険は「事後補償型」だが、ペットテックは「予防報酬型」への転換を可能にする。
- 行動連動型保険：定期的な健康チェック・適切な運動量・予防接種の実施などで保険料を割引。
- サブスクリプションモデル：月額料金でデバイス・AI分析・遠隔診療・保険を統合提供。顧客生涯価値(LTV)の最大化。
- データ活用の多面化：蓄積データをペットフードメーカー・製薬会社に匿名化して提供し、追加収益を得る。
3.2 従来モデルとの比較——収益構造とコスト構造の非対称性
【従来の獣医療ビジネスモデル】
- 収益源：診察料・検査料・手術料・薬剤販売
- 収益構造：「病気になってから」の一回限りの収益。予防医療は収益にならない。
- コスト構造：獣医師の人件費・設備投資（CT/MRI等)・不動産コストが固定費として重い。稼働率が収益性を左右。
- スケール制約：物理的な診療スペースと獣医師数に制約される。地理的拡張が困難。
【ペットテックビジネスモデル】
なぜ「今回は成功条件が揃っているのか」：2010年代のペット遠隔診療スタートアップの多くは失敗した。理由は、①センサー技術が未熟で誤検知が多かった、②通信コストが高かった、③獣医師側の受け入れ体制が整っていなかった、④保険会社との連携がなく収益化できなかった、からである。
しかし2020年代は状況が異なる。センサーの小型化・低価格化、5G通信の普及、AIの精度向上、そして何よりコロナ禍が社会的受容を加速させた。さらに、保険会社が「医療費抑制」のためにペットテック企業との提携に積極的になっている。これらの条件が揃ったことで、今回は持続的成長が見込まれる。
4. ソリューションの仕組みと競争優位性
4.1 データネットワーク効果——規模が競争優位を生む構造
ペットテック最大の参入障壁はデータの規模である。AIモデルの精度は学習データ量に比例する。1万頭のデータで学習したAIと100万頭のデータで学習したAIでは、診断精度に決定的な差が生まれる。
さらに重要なのは、「ネットワーク効果」が働く点だ。ユーザーが増えるほど、①AIの精度が向上し（データが増えるほど「その個体のいつもと違う」が分かるようになり、異常検知が賢くなる）、②より多くの獣医師がプラットフォームに参加し、③保険会社が提携し、④ペットフードメーカーが連携する——という好循環が生まれる。これは典型的な「プラットフォームビジネス」の構造である。
先行者優位の条件：100万頭級の継続データに到達すると、精度・提携・ロックインが同時に立ち上がり、後発企業が追いつくことが困難になる。ただし、後発でも「疾患特化」「臨床データとの深い連携」「独自の販売チャネル（病院・保険・フード）」によって差別化の余地は残る。データ規模は重要な優位性だが、唯一の勝ち筋ではない。
4.2 獣医師ネットワークの囲い込み
遠隔診療プラットフォームの価値は、「どれだけ多くの優秀な獣医師が登録しているか」で決まる。獣医師の獲得競争は激しく、以下の戦略が重要になる。
- 診療効率化ツールの提供：電子カルテ・予約管理・顧客管理機能を無料提供し、獣医師の業務負荷を削減。
- 収益機会の提供：夜間・休日のオンライン相談で追加収入を得られる仕組み。
- 教育・研修プログラム：最新の診療知識・AI診断補助ツールの使い方を学べるコミュニティ形成。
米国のPawp、Fuzzy、日本のアニコムホールディングスなどは、獣医師ネットワーク構築に多額の投資を行っている。
4.3 保険会社との戦略的提携——利害の一致
ペット保険会社にとって、最大のコストは「高額医療費の支払い」である。もし予防医療により重症化を防げれば、保険会社の収益性は劇的に改善する。
そのため、保険会社はペットテック企業と以下のような提携を進めている。
- デバイスの無償提供：保険加入者にウェアラブルを無償配布し、健康データを取得。
- 保険料割引の設定：一定の健康行動を維持すると保険料を最大30%割引。
- データ共有契約：匿名化された健康データを保険会社が分析し、リスク評価モデルを高度化。
この構造は、飼い主・ペットテック企業・保険会社の三者にメリットがある「トリプルウィン」である。
トリプルウィンの成立条件：ただし、この構造が持続的に機能するには3つの条件が必要だ。①AIの誤検知率が十分に低く、不要な受診増による保険支払増を抑えられること、②早期介入により重症化率が統計的に減少すること、③データ同意設計が透明で、飼い主が安心してデータを提供できること。これらが揃わない場合、逆選択（健康な個体だけが集まる）やデータ信頼性の問題により、Win-Win構造は崩れる可能性がある。
4.4 規模の経済と限界費用逓減
ペットテックビジネスは典型的な「限界費用逓減型」である。
- 初期投資は大きい：デバイス開発・AI開発・プラットフォーム構築に数億〜数十億円が必要。
- 限界費用は極めて小さい：ユーザーが1人増えても、追加コストはサーバー費用程度。ソフトウェアの複製コストはほぼゼロ。
- 収益性の転換点：数万〜数十万ユーザーを獲得すると、急速に黒字化する。それ以降は規模が大きいほど利益率が向上。
この特性により、市場は「少数の大規模プレイヤー」に集約される傾向がある。
【競争優位性の源泉まとめ】
- データ規模とAI精度：最も多くのデータを持つ企業が最も正確な予測を提供できる。
- 獣医師ネットワーク：優秀な獣医師が多いプラットフォームにユーザーが集まる。
- 保険会社提携：保険を統合提供できる企業が顧客獲得コストを大幅削減できる。
- 規模の経済：初期投資を回収した後は、規模が大きいほど利益率が向上。
- スイッチングコスト：長期間使用するほど個体データが蓄積され、他社への移行が困難になる。
5. ケーススタディ：現代の成功・失敗事例
5.1 成功事例1：Whistle (米国) — データプラットフォーム戦略
Whistleは2012年創業のペット用ウェアラブルデバイス企業で、2016年にMars Inc.(ペットフード大手)に買収された。現在、北米で100万頭以上のデータを蓄積する業界リーダーである。
成功要因：
- 単なるデバイス企業からの脱却：初期は活動量計に過ぎなかったが、AI分析・遠隔診療・保険連携を次々と追加し、「総合ヘルスケアプラットフォーム」に進化。
- Mars Inc.のエコシステム活用：買収後、Marsの獣医療ネットワーク(Banfield Pet Hospital等)と統合。デバイスを動物病院で推奨してもらう仕組みを構築。
- 保険会社との大規模提携：米国大手ペット保険と提携し、デバイス購入費用を保険料に組み込むモデルを確立。顧客獲得コストを劇的に削減。
- データのマネタイズ：匿名化された健康データをペットフードの研究開発に活用。「このフードを食べると活動量が15%向上」といったエビデンスを構築。
歴史的アナロジーとの対応：Apple Watchが健康データプラットフォームとして成功したのと同じ戦略。デバイスは入口に過ぎず、データ蓄積→AI高度化→エコシステム拡大の好循環を実現した。
2025年の展開：ただし、Whistleはその後買収され、旧プラットフォームは2025年8月末でサービス終了が報じられている。これは、ペットテックにおいても「データ事業の継続性」と「買収・統合」まで含めた戦略設計が必要であることを示す教訓である。単にデータを集めるだけでなく、持続可能なエコシステムを構築できるかが長期的成否を分ける。
5.2 成功事例2：アニコム損保 (日本) — 保険×テックの垂直統合
アニコムホールディングスは日本最大手のペット保険会社（業界上位社が市場の大半を占める構造）だが、単なる保険会社に留まらず、ペットテック企業への積極投資を進めている。
戦略の特徴：
- 予防医療への誘導：保険加入者に対し、定期健診・予防接種を促すインセンティブ(ポイント還元)を設定。
- データ基盤の構築：全国の提携動物病院から診療データを収集し、疾病発生率・治療効果のビッグデータを蓄積。
- ウェアラブル企業との提携：複数のウェアラブルメーカーと提携し、保険加入者に割引提供。
- 遺伝子検査事業：犬の遺伝的疾患リスクを検査するサービスを開始。保険料設定の精緻化に活用。
示唆：保険会社がテクノロジー企業化する流れは、自動車保険におけるテレマティクス保険の普及と同じパターン。データが保険ビジネスの中核になりつつある。
5.3 失敗事例：Petnet (米国) — ハードウェア依存の罠
Petnetは2012年創業のスマート給餌器メーカーで、Wi-Fi接続により遠隔で給餌量・タイミングを制御できる製品を販売していた。一時は数万台を販売したが、2020年にサービスを突然停止し、デバイスが使用不能になる事態が発生した。
失敗要因：
- 単機能デバイスの限界：給餌機能のみで、健康データ収集・AI分析・遠隔診療といった付加価値がなかった。
- サブスクリプション収益の欠如：デバイス販売のみの一過性収益で、継続課金モデルを構築できなかった。
- クラウド依存の脆弱性：全機能がクラウドサーバーに依存しており、企業が破綻するとデバイスが無価値になる設計。
- エコシステム戦略の欠如：獣医師・保険会社・フードメーカーとの連携がなく、孤立したプロダクトに留まった。
教訓：ペットテックは「単体デバイス販売」ではなく、「データプラットフォーム×エコシステム」でなければ持続しない。Whistleとの対比が示唆的である。また、クラウド依存の設計では、サービス停止時にデバイスが無価値化するリスクがある。最低限のローカルフェイルセーフ（手動給餌機能など）を組み込むことで、顧客の信頼と製品寿命を守ることができた可能性がある。
5.4 新興プレイヤー：日本のペットボードヘルスケア — ニッチ戦略
ペットボードヘルスケアは2020年創業の日本企業で、「猫専門」の尿検査デバイスを開発している。スマートトイレに設置したセンサーで尿の色・量・頻度を分析し、腎臓病・尿路結石の早期発見を目指す。
戦略の妙：
- 猫特化：猫は犬以上に動物病院嫌いで、定期健診率が低い。自宅で検査できる価値が高い。
- 特定疾患への集中：腎臓病は猫の主要な死因の一つ（特に高齢猫で重要）。ニーズが明確で、飼い主の課題意識が高い。
- 低価格戦略：月額980円のサブスクリプションで、動物病院での尿検査(1回3,000円程度)より安価。
課題：データ規模が小さく、AIの精度向上に時間がかかる。大手プラットフォーマーに買収される可能性が高い。
【成功と失敗の分岐点】
- 成功企業：データプラットフォーム化、エコシステム構築、継続課金モデル、保険会社提携
- 失敗企業：単機能デバイス、一過性収益、孤立したプロダクト、エコシステム不在
ペットテックは「デバイス企業」ではなく「データ企業」であることが成否を分ける。
6. よくある反論とリスク設計（投資前に潰すべき論点）
【よくある反論への回答】
Q1: ペットは人間と違って医療データの標準化が難しいのでは？
A: 確かに犬種・猫種の多様性は課題だが、これは逆に「個体ベースラインの学習」というAIの強みが活きる領域。人間医療でも個人差は大きく、標準化の困難さは本質的な障壁ではない。むしろ、獣医療には公的保険がないため、データ標準化への規制的障壁が低く、イノベーションが進みやすい側面もある。
Q2: AIの誤検知で不要な受診が増え、保険会社の負担が増えるのでは？
A: これは重要なリスクで、実際に初期のペットテックで問題になった。まず用語を整理すると、偽陽性（大丈夫なのに警報が鳴る）と偽陰性（危ないのに警報が鳴らない）がある。現在の機械学習モデルはこのバランスを調整可能で、保険会社にとっては、偽陽性による軽症受診増よりも、偽陰性による見逃し→重症化の方がコストが高いため、適切な閾値設定により全体コストは削減できる。テレマティクス保険でも同様の調整を経て最適化された。
7. 結論：投資・参入における意思決定フレーム
7.1 このテーマは「構造転換の序章」である
ペットテックは一過性のブームではなく、獣医療の構造的課題を解決する必然的ソリューションである。以下の3つの構造変化が不可逆的に進行しているからだ。
- 需要側の変化：ペットの高齢化・医療費高騰・単身高齢者飼育の増加は、人口動態的に避けられない。
- 供給側の限界：獣医師不足・地域偏在は短期間で解消不可能。テクノロジーによる効率化が唯一の解。
- 技術の成熟：センサー・AI・通信技術が実用レベルに到達し、コストも許容範囲に低下した。
これらは、2000年代の人間医療DX、2010年代のフィンテック革命と同じ「構造転換」である。初期段階で正しくポジションを取った企業・投資家が、今後10年で巨大なリターンを得る可能性が高い。
7.2 投資視点——どのレイヤーに賭けるべきか
プラットフォーマー（高リスク・高リターン）：Whistleのような総合プラットフォームは、成功すれば時価総額数千億円規模になる。ただし、初期投資が巨額で競争も激しい。機関投資家向け。
ニッチ特化型（中リスク・中リターン）：猫専門・特定疾患特化など、ニッチ市場で確実に顧客を獲得する戦略。大手に買収される可能性も高い。エンジェル投資家・VC向け。
インフラ提供型（低リスク・安定リターン）：センサーメーカー・クラウド基盤・決済システムなど、ペットテック企業を支えるインフラ。安定成長が見込める。個人投資家向け。
保険会社（ディフェンシブ投資）：既存のペット保険大手は、テクノロジー統合により収益性が改善する。配当期待の保守的投資家向け。
7.3 事業参入視点——個人・スタートアップの勝ち筋
資本力で大手に勝てない小規模プレイヤーは、以下の戦略が有効である。
- 獣医師向けSaaS：電子カルテ・予約管理・顧客管理システムを低価格で提供。大手が参入しにくいニッチ。
- 地域特化型プラットフォーム：特定地域の動物病院・飼い主を密にネットワーク化。地域密着の信頼が参入障壁。
- コンサルティング・教育：ペットテック導入支援、獣医師向けAI活用研修など、知識ビジネス。
- コンテンツ・メディア：ペット健康情報メディアを運営し、アフィリエイト・広告収益を得る。初期投資が少ない。
7.4 スキル獲得視点——今から学ぶべきこと
ペットテック業界で価値を持つスキルは以下の通り。
- データサイエンス：健康データ分析・AI開発の中核スキル。需要が急増中。
- 獣医療知識×ビジネス：獣医師資格を持ちながら、経営・マーケティング・テクノロジーを理解できる人材は稀少。
- 保険数理：行動連動型保険の料金設計には、統計学・保険数理の専門知識が必要。
- UI/UX設計：高齢者でも使いやすいアプリ設計は、顧客満足度を左右する重要スキル。
【最終メッセージ】
ペットテックは、テクノロジーによる獣医療の民主化である。かつて医療が「一部の富裕層のもの」から「すべての人の権利」へと転換したように、ペット医療もまた、データとAIによって「予防可能で・アクセス可能で・手頃な価格」になろうとしている。この変化は、ペットの健康寿命を延ばし、飼い主の経済的負担を軽減し、獣医師の働き方を改善する——三者すべてにとってのWin-Winである。今、この構造転換の初期段階に立ち会えることは、投資家にとっても起業家にとっても、またペットを愛するすべての人にとっても、幸運なことだと言えるだろう。
8. 参考文献
- 一般社団法人ペットフード協会「令和5年 全国犬猫飼育実態調査」(2023年)
- 矢野経済研究所「ペット関連市場に関する調査(2022年)」「ペットビジネスに関する調査(2024年)」
- Grand View Research, "Pet Wearable Market Size, Share & Trends Analysis Report" (2023)
- McKinsey & Company, "The future of pet care: How technology is transforming the industry" (2022)
- Journal of Veterinary Internal Medicine, "Wearable sensors for monitoring health in dogs" (2021)
- Progressive Insurance, "Snapshot Program White Paper" (2020)
- Mars Petcare, "Whistle Health Annual Report" (2023)
- The Verge, "Your Whistle pet tracker will stop working next month" (2025)
- Ars Technica, "After prolonged service outage, Petnet shuts down, citing coronavirus" (2020)
- アニコムホールディングス「統合報告書2023」
- American Veterinary Medical Association, "AVMA Pet Ownership and Demographics Sourcebook" (2022)
- Nature Digital Medicine, "AI-based disease prediction in companion animals" (2023)
- Harvard Business Review, "Platform Competition in Two-Sided Markets" (2003) - Jean-Charles Rochet, Jean Tirole
- 日本獣医師会「獣医療の提供体制整備に関する報告書」(2022年)
- 農林水産省「獣医事をめぐる情勢」(2024年)
- 野村総合研究所「急成長するペット保険市場参入における留意点」
