| Sub-element | Score | Rationale |
|---|---|---|
| Source Tier | 6 | F13の平均ティアはT2.0。T1（学術論文: AI診断精度、舌診断AUC）が約30%、T2（業界レポート、技術評価）が約40%、T3（ニュースメディア）が約30%。T4なし |
| Recency | 6 | F13のfreshness_2yr_ratioは0.71。AI診断・フィンガープリンティングの学術論文は2023-2025年で新しい。ただしブロックチェーンのプロトタイプデータの時点が不明確 テクノロジー成熟度・採用率は動態的ファクト（volatility=high）で急速に変化。AI診断の研究段階→臨床実装の移行速度は予測困難。デジタルヘルス市場の年成長率18%は2-3年で大幅に変動しうる |
| Convergence Value | 5 | AI診断精度（99.02%）、舌診断AUC（0.752）は個別研究の値で、複数ソースからの裏付けが不足。デジタルヘルス市場成長率18%は概算値。値の収束度は判定困難 |
| Convergence Scope | 6 | テクノロジーの範囲はTCM業界に影響する7技術領域として明確に定義。ただし研究段階 vs 商用段階の技術が混在しており、スコープの粒度にばらつきあり |
| Specificity | 5 | 多くの技術データがグローバル/中国の研究成果で、マレーシア固有のデータは限定的。EYSのフィンガープリンティング導入はマレーシア特化だが、AI診断等は他地域のデータを流用 |
| Sub-element | Score | Rationale |
|---|---|---|
| Inference Depth | 5 | 研究段階の技術精度→マレーシアTCM業界への影響という3ステップ推論が必要。研究→臨床試験→商用化→マレーシア市場への展開という中間仮定が複数存在 |
| Reasoning Type | 6 | テクノロジーランドスケープ分析フレームワークを適用。N=7技術領域の帰納的分析。ただし研究段階技術の商用化予測は類推の要素が強い |
| Counter Check | 5 | 各技術の成熟度段階（研究/プロトタイプ/実用化）を明示しており、楽観バイアスへの反証として機能。ただし技術採用の障壁（コスト、規制、人材）の検討が不十分 |
| Cross Fw Consistency | 6 | F13（テクノロジー）とF3（PEST: Technological軸）が整合。F4（バリューチェーン）の製造段階とフィンガープリンティングの関連も確認。F11（戦略キャンバス）との技術差別化要素は部分的に整合 |
| Sub-element | Score | Rationale |
|---|---|---|
| Required Items Rate | 5 | 9項目中4項目充足（44%）ないし8項目中4項目充足（50%）。技術リスト・成熟度・EYS技術状況・デジタルヘルスは充足。AI臨床実装タイムライン・投資額・変革シナリオ・ディスラプション評価が欠落 |
| Critical Gaps | 3 | 2つのCritical Gap: (1)AI活用の臨床実装タイムラインが欠落（技術の実用化時期が不明）、(2)マレーシアTCM企業のテクノロジー投資額が欠落（投資優先度の判断が不可能）。結論の信頼性が大幅に低下 |
| Obtainability | 3 | AI臨床実装のロードマップは政府・学術機関の計画文書で一部取得可能性あり。テクノロジー投資額は非上場企業のため構造的に取得困難。変革シナリオは分析者の判断で構築可能だがデータ裏付けは限定的 |
単一仮説として結論を提示