11月7日、The Decoderが「Google's AI detects high blood pressure from a regular smartwatch without a cuff」と題した記事を公開した。Googleが開発したAIが、血圧計（カフ）を一切使わず通常のスマートウォッチのセンサーデータだけで高血圧を検出し、従来の診察室測定を精度で上回ったという研究成果だ。高血圧患者の半数以上が自身の状態を把握していないという現状を踏まえれば、日常的に装着するスマートウォッチを「検査のきっかけ」に変えうる取り組みとして注目に値する。
カフなしで高血圧を検出——スマートウォッチの脈波センサーだけで65.8%を捕捉
Googleの研究チームが、既存のスマートウォッチに内蔵されている2種類のセンサー（脈波センサーと加速度センサー）のみで高血圧を検出するAIを開発した。研究結果はNatureに掲載されている。
この手法で特筆すべき点は、カフ（腕に巻いて圧力をかける従来型の血圧計）によるキャリブレーション（較正）が一切不要なことだ。これまでスマートウォッチで血圧を推定しようとする研究の多くは、初回測定時に従来型血圧計でのキャリブレーションを必要としていた。その手間を完全に排除している点が、今回のアプローチの大きな差別化要因となっている。
ニューラルネットワークが約50万時間分のデータから学習
AIの核心は自己教師あり学習にある。ニューラルネットワークは約50万時間分のセンサーデータを学習したが、その際に血圧の診断ラベルは一切使用していない。代わりに、センサーデータの短いセグメント同士を比較し、「同一人物のものかどうか」を判定するタスクを通じて、個人ごとの脈拍・心拍パターンを自律的に習得した。
※ここで使われている「同一人物かどうかを判定するタスク」は、ラベルなしデータから有用な表現を学ぶ自己教師あり学習の枠組みの中でも、特に対照学習（contrastive learning）と呼ばれる手法に相当する。陽性ペア（同一人物のセグメント）と陰性ペア（別人のセグメント）を対比させることで、教師ラベルなしに個人固有の生体信号パターンを表現空間に埋め込む。
推定の流れはシンプルだ。複数日にわたってパターンを平均化し、高血圧の確率を算出する。単一の瞬間ではなく、数日分のデータを統合して判断する点が、精度向上に寄与している。
従来の診察室測定を上回る検出率
米国内5か所の研究施設で196人を対象にした検証では、以下の結果が得られた。
| 手法 | 高血圧の検出率 |
|---|---|
| Googleのスマートウォッチ AI | 65.8% |
| 従来の診察室での血圧測定 | 55.3% |
上表の数値はいずれも「高血圧患者のうち、各手法が高血圧と判定できた割合（感度）」を示す。つまり、Googleのモデル（65.8%）は診察室測定（55.3%）より多くの高血圧患者を見逃さなかったということだ。
診察室での測定は「白衣高血圧」（医療機関で緊張して血圧が上がる現象）の影響を受けやすい。日常的に装着するスマートウォッチで複数日分のデータを取ることで、より実態に近い血圧傾向を捉えられる可能性がある。
Googleによれば、高血圧患者の半数以上が自分の状態を把握していないという。このAIの目的は診断の代替ではなく、「検査を受けるきっかけ」を作ることにある。
実装状況と現在の位置付け
この手法は既にGoogle HealthアプリのBP（血圧）トレンド機能に組み込まれているとGoogleは述べている。ただし、現時点ではあくまで研究プロジェクトとしての位置付けであり、医療診断の代替にはならない。
なお、Googleはスマートウォッチデータから学習するヘルスモデルSensorFMも開発している。元記事ではSensorFMと今回の研究との関係について詳細な言及はないが、同じウェアラブルセンサーを活用した健康モニタリングの取り組みとして紹介されている。
詳細はGoogle's AI detects high blood pressure from a regular smartwatch without a cuffを参照していただきたい。
