IEEEが提言を発表　 フィットネストラッカーでこころの健康について分かること

IEEE(アイ・トリプルイー)は世界各国の技術専門家が会員として参加しており、さまざまな提言やイベントなどを通じ科学技術の進化へ貢献しています。

世界保健機関(WHO)によると、世界中で2億8,000万人がうつに苦しんでいます。このうち、治療代や受診が面倒といった理由で、診断や治療を受けていない人が半数以上にのぼります。

■フィットネストラッカーなどのウェアラブルデバイスは、不安障害やうつ病などの把握に役立つのか？

IEEEフェローのチェンヤン・ルー(Chenyang Lu)氏は、検証する価値があると考えています。フィットネストラッカーは目立たず、利用者にとってはほとんど手間なく着用できるため、チェックが簡単にでき、早期発見につながる可能性があります。

「ウェアラブルデバイスで収集した活動や心拍数のデータを用いてこころの病気を検出できることは科学的にも認められています。メンタルヘルス関連の文献では、活動や心拍数のパターンがメンタルヘルスと関係していることが示されています」とルー氏は言います。

一方、この分野の研究の多くはサンプルサイズが小さく、大学生のみが調査対象であるなど、結果を広く一般に適用できない場合があります。

ルー氏は数人の協力者とともに、アメリカ国立衛生研究所(NIH)のデータセット「All of Us」に登録されている8,900人以上の情報を収集し、ディープラーニングモデルWearNetを開発しました。

この研究の概要や、メンタルヘルスの状態を早めに知るためのツールとしてウェアラブルデバイスをどのように活用できるかについて、話を聞きました。

■ウェアラブルデバイスが、不安やうつのレベルを示すマーカーや変数として検出できるパラメーターには、どのようなものがあるでしょうか？

当モデルでうつ病や不安障害を検出する際、最も重要なのは1日当たりの総歩数です。私たちのディープラーニングモデルで得られた結果は、これまでの医学文献の結果とも一貫しています。他にも、安静時や活動時の消費カロリーや、座っている時間などもある程度重要な変数です。

■研究では、大規模で多様なデータセットの活用について述べられています。この研究の集団ではなぜ多様性が重要なのでしょうか？結果にはどのような影響がありましたか？

どのような機械学習モデルでも、汎化能力という大きな問題があります。モデルは既存のデータセットを用いてトレーニングされます。問題は、モデルにとって未知のデータを持つ新たな人に適用する場合にも有効なのかということです。機械学習モデルが小さなデータセットでトレーニングされている場合、トレーニングセットに過剰適合してしまう傾向があります。つまり、トレーニングセットに限っては非常に正確ですが、新しい人については力を発揮できないことがあるのです。過剰適合は特にディープラーニングモデルでは大きな問題です。トレーニングセットが多様であればあるほど、モデルの汎化性が高くなる傾向があります。様々なタイプの人から収集したデータを学習しているからです。

■WearNetはTransformerエンコーダーと畳み込みニューラルネットワークを組み合わせていますが、このような用語に馴染みのない読者のために、研究結果において人工知能技術が果たした役割について説明していただけますか？

活動データや心拍数データとメンタルヘルスには関連性がありますが、うつ病や不安障害に関係する基礎的なデータパターンは複雑です。AI、特にディープラーニングモデルの強みは、複雑な関連性を学習し、予測できることです。

■この目的のためにエンドツーエンドのディープラーニングモデルを開発する際、特に先行研究のコホートが小さいといった制約がある中で、困難だったことは何ですか？

これまで、大規模で多様なコホートから、メンタルヘルスの診断と合わせて収集されたウェアラブルデータが不足していることが大きな課題でした。ですが、様々なコミュニティーの大規模なコホートから健康関連データを収集するNIHのAll of Usプログラムにより、状況が大きく変わりました。今も拡大し続けるこのデータセットを活用することで、多様な集団に汎化できうる高度なディープラーニングモデルのトレーニングや検証が可能となりました。

■メンタルヘルスは複雑でセンシティブな問題です。プライバシーや倫理に配慮しつつ、うつや不安を持つ人を支援するウェアラブルを実用化していくことについて、どのように考えておられますか？

プライバシーは最重要事項です。個人のウェアラブルデータや、個人のデータを活用した予測を安全に保護する必要があります。利用者が自分自身のデータや、データに基づく予測や分析内容を管理できるようにしなければなりません。プライバシーが保証されたインフラの整備が必要です。モデルがトレーニングデータから拾い上げてしまう可能性のある偏りについても注視する必要があります。

今後、研究の次の段階について教えて下さい。こころの病の検出や介入という点で、ウェアラブル技術は今後どのように発展していくと考えておられますか？

第一に、WearNetやウェアラブルデバイスからのデータストリームを活用してうつ病や不安障害を検出するエンドツーエンドのインフラを構築する必要があります。

第二に、WearNetがうつ病や不安障害を検出できるかを前向き臨床研究で調べる必要があります。

最後に、メンタルヘルスの改善に向けて、必要な時に必要な患者さんに治療を提供できるよう、ウェアラブルデバイスを活用したチェックに基づき、遅滞なく介入を行える機能を開発し、テストしたいと考えています。

■IEEEについて

IEEEは、世界最大の技術専門家の組織であり、人類に恩恵をもたらす技術の進展に貢献しています。160カ国、40万人以上のエンジニアや技術専門会の会員を擁する非営利団体で、論文誌の発行、国際会議の開催、技術標準化などを行うとともに、諸活動を通じて世界中の工学やその他専門技術職のための信用性の高い「声」として役立っています。

IEEEは、電機・電子工学およびコンピューターサイエンス分野における世界の文献の30％を出版、2000以上の現行標準を策定し、年間1,800を超える国際会議を開催しています。

詳しくは http://www.ieee.org をご覧ください。