加速度計由来のデジタルバイオマーカーによる心血管代謝リスク評価：不確実性定量化を伴う集団代表的な表形式ベンチマーク

皆さんの健康診断で、血液検査の結果や身長・体重などを記録した「表」を見たことがあるかと思います。医療の世界では、こうした整理された「表形式データ」が、病気のリスクを調べたり、治療法を決めたりする上でとても大切にされています。

でも、実際の医療現場で集められるデータは、健康な人ばかりではありません。例えば、ある地域の人たちのデータを集めたいのに、たまたまその地域に住む健康な人が多くて、病気を持っている人のデータが少なかったり、逆に特定のグループの人たちだけデータが偏ってしまったり。こういう「現実世界のデータのクセ」を、これまでの研究で使われてきた「ベンチマーク」（＝評価の基準となるデータセット）は、あまりうまく反映できていなかったんです。

そこで今回、研究者たちは新しい評価基準「NHANES加速度計心血管代謝ベンチマーク」を作りました。これは、アメリカで行われた大規模な健康調査（NHANES）の2003年から2006年までのデータを使っています。具体的には、1,381人の成人から集めた、体に付けた加速度計のデータ（どれくらい動いたか）、血液検査の数値（空腹時のバイオマーカー）、食事の内容、そして身長・体重などの情報が含まれています。

この新しいデータセットを使って、研究者たちは「活動量」や「生活習慣」といった情報から、将来の心臓や血管、代謝に関する病気のリスクを示す3つの指標（HbA1c、絶食時トリグリセリド、CRP）を、AIでどれくらい正確に予測できるかを試しました。使われたAIの手法は3種類。リッジ回帰、XGBoost、そして最新の基盤モデルであるTabPFN v2です。

その結果、最新のAIモデル「TabPFN v2」が、全体的に最も良い成績を収めました。特に、血糖値のコントロール状態を示すHbA1c（アール・ツー、予測の精度を表す値）は0.156、炎症の度合いを示すCRPは0.383という値でした。これは、AIがこれらの指標をある程度予測できることを示しています。

一方で、中性脂肪（トリグリセリド）の予測は、これまで通り難しいことが分かりました。その値は0.05未満にとどまりました。これは、中性脂肪の値には、遺伝的な要因も大きく関わっていることが知られており、AIが活動量や生活習慣だけから正確に予測するのが難しい、ということを改めて示唆しています。この研究は、より現実の医療現場に近いデータでAIの能力を測るための、重要な一歩と言えるでしょう。