身体活動量計でフィットネス レベルを正確に予測する
ケンブリッジ大学の研究者らは、ウェアラブル デバイスで全体的なフィットネスを正確に測定する方法を開発した。現在の消費者向けスマートウォッチやフィットネス モニターよりも確実で、着用者が運動する必要はないという。
通常、全体的な健康状態の重要な測定値であり、心臓病や死亡リスクの重要な予測因子である VO2max (有酸素運動を行うための体の能力) を正確に測定するテストには、高価な実験装置が必要であり、ほとんどがエリート アスリートに限られている。新しい方法では、機械学習を使用して、GPS 測定値などのコンテキスト情報を必要とせずに、毎日の活動中に VO2maxを予測する。
本研究は、この種の研究としては群を抜いて最大のものであり、研究者らはウェアラブル センサーを使用してフェンランド研究の 11,000 人以上の参加者から活動データを収集し、参加者のサブセットを 7 年後に再度テストした。研究者らは、データを使用して VO2max を予測するモデルを開発し、標準的なラボベースの運動テストを実施した第 3 のグループに対して検証した。このモデルは、ラボベースのテストと比較して高い精度を示し、他のアプローチよりも優れていると思われた。
現在市場に出回っている一部のスマートウォッチやフィットネス モニターは、VO2max の推定値を提供すると主張しているが、これらの予測を行うアルゴリズムは公開されておらず、いつでも変更される可能性があるため、予測が正確かどうかは不明である。
ケンブリッジ大学が開発した本モデルは堅牢で透明性があり、心拍数と加速度計のデータのみに基づいて正確な予測を提供するという。このモデルは、時間の経過に伴うフィットネスの変化も検出できるため、人口全体のフィットネス レベルを推定し、ライフスタイルの傾向の影響を特定するのにも役立つ可能性がある。結果は『npj Digital Medicine』誌に発表された。
VO2max の測定は、フィットネス テストの「ゴールド スタンダード」と見なされている。たとえば、プロのアスリートは、酸素消費量を極限まで測定することで VO2max を測定する。実験室でフィットネスを測定する方法は他にもあり、運動テストに対する心拍数の反応などであるが、これらにはトレッドミルやエアロバイクなどの機器が必要になる。さらに、激しい運動をすることは、一部の人にとってリスクとなる可能性がある。
「VO2max はフィットネスの唯一の測定値ではありませんが、持久力にとって重要な測定値であり、糖尿病、心臓病、およびその他の死亡リスクの強力な予測因子です」と共著者のゾーレン・ブラーゲ博士は述べている。「しかし、ほとんどの VO2max テストは適度に健康な人に対して行われるので、健康でなく、心血管疾患のリスクがある可能性のある人から測定値を取得することは困難です。」
「私たちは、ウェアラブル デバイスからのデータを使用して VO2max を正確に予測できるかどうかを知りたかったので、運動テストは必要ありませんでした」と、共著者のディミトリス・スパチス博士は述べている。「私たちの中心的な問題は、ウェアラブル デバイスが野外環境でフィットネスを測定できるかどうかでした。ほとんどのウェアラブルは、心拍数、歩数、睡眠時間などの指標を提供しますが、これらは健康の指標となりますが、健康状態とは直接関係ありません。」
この研究は 2 つの部門間の共同作業だったという。MRC 疫学ユニットのチームは、住民の健康と心肺機能の健康状態に関する専門知識と、イングランド東部で長期にわたる公衆衛生研究であるフェンランド研究のデータを提供した。コンピュータ科学技術学科は、モバイルおよびウェアラブル データの機械学習と人工知能に関する専門知識を提供した。
この研究の参加者は、ウェアラブル デバイスを 6 日間連続して着用した。センサーは 1 秒あたり 60 個の値を収集し、処理前に膨大な量のデータが生成された。「この膨大な量のデータを圧縮し、それを使用して正確な予測を行うことができるアルゴリズム パイプラインと適切なモデルを設計する必要がありました」とスパチス博士は述べている。「我々はノイズの多い低レベルのデータ (ウェアラブル センサー) を使用して高レベルの結果 (フィットネス) を予測しようとしていたため、自由生活下という制約がこの予測を難しくししました。」
研究者らは、ディープ ニューラル ネットワークとして知られる AI モデルを使用して、生のセンサー データから意味のある情報を処理および抽出し、そこから VO2max を予測した。予測を超えて、訓練されたモデルは、フィットネスに関連する介入が特に必要な部分集団の識別に使用できた。
フェンランド研究の 11,059 人の参加者からのベースライン データは、元の参加者の 2,675 人のサブセットから取得された 7 年後のフォローアップ データと比較された。英国バイオバンクバリデーション研究の181 人の参加者からなる 3 番目のグループは、ラボベースの VO2max テストを受け、アルゴリズムの精度を検証した。機械学習モデルは、ベースライン (82% の一致) とフォローアップ テスト (72% の一致) の両方で測定された VO2max スコアと強く一致した。
研究者らは、ウェアラブルがフィットネスを正確に測定できることを示す結果が得られたと述べているが、市販のウェアラブルからの測定値が信頼できるものであるためには、透明性を改善する必要がある。
「原則として、多くのフィットネス モニターやスマートウォッチが VO2max の測定値を提供していることは事実ですが、これらの主張の妥当性を評価することは非常に困難です」とブラーゲ博士は述べている。「モデルは通常公開されておらず、アルゴリズムは定期的に変更される可能性があるため、フィットネスが実際に改善されたのか、それとも別のアルゴリズムによって推定されているだけなのかを人々が判断するのは困難です。」
「健康とフィットネスに関連するスマートウォッチのすべては推定値です」とスパチス博士は述べています。「私たちはモデリングについて透明性を保ち、大規模に行いました。ノイズの多いデータと従来のバイオマーカーを組み合わせることで、より良い結果を達成できることを示しています。また、すべてのアルゴリズムとモデルはオープンソースであり、誰もが使用できます。」
「私たちは、フィットネスの実際の測定値を得るためにラボで高価なテストを行う必要がないことを示しました。適切なアルゴリズムが背後にある場合、私たちが毎日使用するウェアラブルは同じくらい強力です」と主任研究者のセシリア・マスコロ教授は述べている。「心肺フィットネスは非常に重要な健康指標ですが、これまで大規模に測定する手段がありませんでした。これらの調査結果は、人口の健康政策に大きな影響を与える可能性があり、体格指数 (BMI) などの弱い健康指標を超えることができます。」
出典は『npj Digital Medicine』