
イスラエルのワイツマン科学研究所などの研究チームは、全身の動きから健康上の特徴を予測するAIモデルを開発しました。成人3,328人の動作を分析した結果、調べた3,210項目のうち1,887項目と統計的に有意な関連が見つかりました。肝臓の硬さや睡眠に関わる指標にも関連が見られました。
5種類の動作から全身の関節を記録
研究では、参加者が管理された環境で5種類の動作を行いました。ランニングマシンで時速3キロと本人が選んだ速度で歩き、その場足踏みも行いました。さらに、椅子から立ち上がる動作と、バランスを調べるための静止姿勢を記録しました。
撮影には、対象までの距離を測る深度カメラを1台使いました。カメラは26カ所の関節の位置を三次元で追跡しました。AIモデルは、関節が時間とともにどのように連動するかを数値の組み合わせに変換しました。
学習では、動作記録の一部を隠し、欠けた部分を復元させました。この過程で、体の各部位が一緒に動くパターンを学習させています。従来の歩行分析では歩幅や歩調などの指標が使われますが、こうした指標では動きの細かな特徴を捉えきれない場合があります。
肝臓の硬さや睡眠に関連
研究チームは、動作から得た数値を検査結果や身体測定値、病状、生活習慣などと比較しました。肝臓については、組織の線維化を調べる際の指標となる硬さを予測できました。研究チームは、その予測から得られる情報は肝臓の血液検査に匹敵するとしています。
肝臓の線維化は、血液検査の値を組み合わせたスコアや、弾性を測る検査で評価する方法があります。血液検査の異常が3カ月を超えて続く場合には、こうした方法による線維化の評価が推奨されています。肝硬変が疑われる場合には肝臓の硬さを測る検査が確認に役立ち、肝生検が必要になることもあります。
睡眠については、肩から腰までの胴体の動きに関連する情報が含まれていました。モデルは、睡眠中に呼吸が繰り返し止まるか制限される睡眠時無呼吸に関係する指標を予測できました。不眠症や、参加者が前夜に眠った時間との関連も見つかりました。
年齢や体格を考慮した予測も改善
モデルが捉えた動きの特徴は、年齢や体脂肪とも関連していました。年齢、体格指数、内臓脂肪の面積の予測では、従来の歩行指標を使った場合を上回りました。予測値と実測値の関係を示す相関係数は、それぞれ0.69、0.91、0.83でした。
研究では、年齢、体格指数、内臓脂肪、身長を使う予測モデルとも比較しました。これらに動作の特徴を加えると、糖尿病やうつ病、不眠症、薬の使用に関する予測が改善しました。身体の18の系統にわたる健康上の特徴についても、男性では全18系統、女性では18系統中17系統で予測が改善しました。
体の部位別に見ると、脚の動きは代謝や虚弱に関する予測で大きな役割を占めました。一方、胴体の動きには睡眠や生活習慣に関わる情報が含まれていました。研究者のアダム・ガベット氏は、従来の歩行研究では脚に重点が置かれ、上半身の動きは比較的調べられてこなかったと述べています。
対象集団と医療での利用に残る検証
今回の分析は、参加者のある一時点の情報を調べる横断研究でした。そのため、睡眠の問題や病気と動作の変化のうち、どちらが先に生じたかは分かりません。研究結果は、病気や睡眠の問題が特定の歩き方を引き起こすことを示すものではありません。
参加者はおおむね健康な成人で、イスラエル在住のアシュケナージ系ユダヤ人が大半を占めました。この結果が他の集団にも同じように当てはまるとは限りません。分析には特定の深度カメラとソフトウェアを使い、そのカメラシステムを製造するNewton Techも研究を共同執筆しました。
研究チームは、採血や侵襲的な処置を伴わない短時間の動作検査が、将来は通常の健康評価を補う可能性を考えています。今回の結果は睡眠障害を診断できることを確立したものではありません。ガベット氏は、医療での導入前には、十分な特異度で対象を明確に区別できることを示す臨床研究が必要だと述べています。
病気の兆候より先に動作が変わるかを調査へ
研究チームは今後、病気の兆候よりも先に動作の変化が現れるかを調べる考えです。研究成果は医学誌Nature Medicineに掲載されました。







