新しいAIモデルはApple Watchの行動データを活用し、より正確な健康予測を実現

新たな科学的研究によると、身体活動、心血管フィットネス、運動指標などのApple Watchからの行動情報は、単なる生のセンサーデータよりも人の健康状態を判断するのに役立つ可能性がある。

Appleは長年にわたり、月経周期やピックルボール、難聴や睡眠追跡など、様々なテーマで医療研究者と協力してきました。また、Apple Watchを用いた複数年にわたる心臓と運動に関する研究の一環として、マラソンランナーのトレーニングと有酸素運動についても調査しました。

「心臓と運動に関する研究」は、健康的な運動を促進し、心血管の健康を向上させるための広範な取り組みの一環です。今回、Appleがスポンサーとなった別の研究論文では、「心臓と運動に関する研究」のデータに基づき、ハードウェアセンサーから得られる従来の生体認証データと比較して、行動データがより重要な健康指標となる場合が多い理由を説明しています。

「センサーデータを超えて：ウェアラブルの行動データの基礎モデルが健康予測を向上」と題されたこの研究によると、身体活動、心血管フィットネス、モビリティ指標は、一時的および静的な健康状態を検出するのに特に役立つという。

静的な健康状態には、例えば喫煙者かどうか、高血圧かどうか、ベータ遮断薬を服用しているかどうかといった情報が含まれます。一方、妊娠は一時的な健康状態です。センサーデータは通常、数ヶ月単位の一時的な健康状態とは異なり、より低い時間スケール、つまり数秒単位で収集されます。

ウェアラブル健康行動基盤モデル — WBM

これらの情報を念頭に、研究者たちはWBM（ウェアラブル健康行動基盤モデル）と呼ぶモデルを作成しました。このモデルは、「Apple Heart and Movement Study」の参加者16万2千人から150億時間以上の測定値を取得し、ウェアラブルデバイスから得られる行動データで学習されました。

大規模な行動モデリング、基礎モデルのトレーニング、健康タスクのパフォーマンス向上に使用されるウェアラブルヘルスデータを示す図。アイコンは健康指標とタスクを表しています。

ウェアラブル健康行動基盤モデルは、生のセンサーデータから得られたパターンを使用します。

しかし、WBMは生の生体認証センサーデータを処理するのではなく、「検証済みの方法を用いて低レベルのセンサーから計算された、解釈可能な27のHealthKit数値」を使用しました。これらの指標には、運動時間、立位時間、血中酸素濃度、心拍数測定値などが含まれます。

「生のセンサーデータをモデル化する場合と比較して、これらの派生指標は、意味のある生理学的健康状態との整合性から専門家によって選択される」と研究者らは説明する。つまり、WBMは生のセンサーデータから得られたパターンを用いて人の健康状態を予測し、この研究は、これがセンサーからのデータストリームに依存する従来の検出方法よりも優れていることを示唆している。

「このモデルは睡眠予測のような行動駆動型のタスクに優れており、生のセンサーデータの表現と組み合わせることでさらに改善されます。」研究論文によると、WBMは57の健康関連タスクでテストされ、ほとんどの状況で従来のPPG（光電式容積脈波計）モデルよりも優れた性能を示したとのことです。

具体的には、WBMはβ遮断薬の使用といった静的な健康状態の予測においてPPGよりも優れており、日中の心拍数の低下をより確実に検出します。また、妊娠といった一時的な健康状態の予測においてもPPGを上回りましたが、糖尿病の予測においてはPPGよりも優れた結果を得ることはできませんでした。「生理学的情報が十分なタスクにおいては、低レベルのセンサーデータは行動データよりも優れている」と研究は述べています。

なぜPPG + WBMのハイブリッドアプローチが有用であることが証明され、

そのため、研究者たちはPPGとWBMを組み合わせたハイブリッドモデルも検討し、予測性能を大幅に向上させました。WBMは、生のセンサーデータから得られる行動パターンを検出し、これには個人の健康に関する重要な情報が含まれる可能性があります。一方、PPGは即時の生理学的変化を認識できます。この2つは互いに補完し合いますが、生理学的情報だけでは不十分で、行動が有意義な予測因子となる場合に限られます。

AUROCとR2乗指標を用いた、健康検出および回帰タスクにおける埋め込みのパフォーマンス比較。ベースラインと様々なウェアラブルデータの組み合わせを色分けした散布図が含まれています。

研究者らはWBMを典型的なPPGアプローチと比較した。画像提供：Appleおよび関連研究者

「最後に、ほとんどのタスクにおいて、WBMとPPGモデルの埋め込みを組み合わせることで、最も正確なモデルが得られることがわかりました」と研究は述べています。「この組み合わせは、検討したすべてのモデルの中で最も優れた年齢予測性能を達成し、どちらかのモデルを単独で使用した場合よりも明らかに優れた性能を示しました。」

このハイブリッドアプローチは、妊娠の検出において特に有用です。なぜなら、この一時的な健康状態を判断するには、両方の種類のデータが必要だからです。全体として、研究者がテストした47の結果のうち42で最も優れた結果を示しました。

これらが実際に何を意味するのかというと、Appleは既存の健康関連技術を基盤として、この種のハイブリッドアプローチを採用する可能性があります。言い換えれば、WBMのようなモデルを、既存のApple WatchのPPGまたはECG（心電図）センサーと併用するということです。Appleの健康関連機能への関心は長年にわたって変わらず維持されており、今後の改善が期待できます。