Attractor Image-Based Deep Learning of Arterial Pulse Waves for Age Classification

体内の秘密のリズムとデジタル探偵

あなたの体を、心臓が中央発電所として機能し、動脈と呼ばれる広大な道路ネットワークを通じて生命を維持する血液を送り出す、活気ある都市だと想像してみてください。都市の道路が年月とともに硬くなったり、狭くなったり、柔軟性を失ったりするように、あなたの動脈もまた老化していきます。このプロセスは「血管の老化」として知られ、成長に伴う自然な現象ですが、時には、まるで予定より早く崩壊する道路のように、あまりにも速く進んでしまうことがあります。これが起こると、たとえ今現在、あなたが全く健康に感じていたとしても、将来の健康トラブルへの警告サインとなることがあります。

これらの初期の警告サインを捉えるために、科学者たちはしばしば「脈波（パルスウェーブ）」に注目します。これは、心臓が鼓動するたびに動脈を伝わる圧力の波のことです。この脈波を、リズムと形によって作られた「独自の指紋」だと考えてみてください。加齢とともに、この指紋の形は予測可能な形で変化していきます。伝統的に、これらの変化を測定することは、拡大鏡を使って複雑な地図を読もうとするようなものでした。それには高価な装置と、その曲がりくねった線を解釈できる専門家が必要でした。しかし、もしその曲がりくねった線を、コンピュータが瞬時に認識できる「画像」に変えることができたらどうでしょうか？ まるで人混みの中で見慣れた顔を見つけるときのように。これは、医学と人工知能（AI）が出会うエキサイティングな科学の領域であり、目に見えない生物学的な変化を、誰もが理解できる明確な視覚的手がかりに変えることを目的としています。

心拍数を画像へと変える

この研究において、研究チームはある巧妙なトリックを試みることにしました。コンピュータに、長い数字の羅列（脈波が画面上で見える姿）を分析させるのではなく、その数字を「画像」へと変えるという方法です。彼らは、「対称投影アトラクタ再構成（Symmetric Projection Attractor Reconstruction）」、略して「SPAR」と呼ばれる特別な数学的レシピを用いました。

紙の上に流れる、長くうねる川を想像してみてください。ただその線だけを見ても、その川が若々しくエネルギッシュなのか、それとも老いて停滞しているのかを判断するのは困難です。しかし、もしその川を3D形状へと折り畳み、そこに光を当てて壁に影を落とすことができたら、その影は独特なパターンを浮かび上がらせるかもしれません。SPARが行うのは、まさにそのようなことです。指や動脈から記録された生の脈波信号を取り込み、それを3D形状へと折り畳み、さらに2D平面へと投影することで「密度プロット」を作成します。その結果得られるのは、渦巻く銀河や光で作られた指紋のような、独特で抽象的な画像です。

研究者たちは、これらの「脈波の画像」を、「畳み込みニューラルネットワーク（CNN）」と呼ばれる一種の人工知能に読み込ませました。このCNNを、非常に鋭い目を持つ「デジタル探偵」だと考えてください。その仕事は、これらの渦巻く画像を見て、それがどの年齢層の人から来たものかを推測することでした。具体的には、探偵は非常に近い年齢層、つまり「35歳から40歳」の人々と「50歳から55歳」の人々のどちらであるかを判別しなければなりませんでした。これら2つのグループは人生のタイムラインにおいて隣り合っており、動脈の変化もまだ劇的なほどではないため、これは非常に難しい挑戦です。

探偵の報告書

チームは、2種類の異なるデータを用いてこの探偵の能力をテストしました。1つ目は、ベルギーの健康な人々を対象とした大規模なグループによるもので、手首の動脈に対して直接圧力を測定する方法（動脈圧測定法）を用いました。2つ目は、ロンドンのより小規模なグループによるもので、皮膚を通して光を照射して脈動を検知する指のセンサー（フォトプレチスモグラフィ、またはPPG）を使用しました。

結果は非常に有望でした。AI探偵は、70%以上の確率で人々を正しい年齢層へと正しく分類することができました。年齢層がこれほど近いことを考えると、これは優れたスコアです。モデルは特に高齢のグループ（50〜55歳）を見分けることに長けており、テストの内容に応じて67%から87%の確率で正しく特定しました。

研究者が「画像」そのものを観察したとき、なぜAIが機能しているのかという理由が見えてきました。若い人々（35〜40歳）の画像では、渦巻くパターンに独特の「ループ」や二次的な隆起があり、まるでラクダのダブルハンプ（二つのコブ）のようでした。一方で、高齢者（50〜55歳以上）の画像では、その二つ目の隆起が消えたり薄れたりしており、パターンがより開いたものになっていました。AIはこれらの微妙な形状の変化を捉えることを学習し、脈の幾何学的な構造に刻まれた「年齢」を効果的に読み取っていたのです。

興味深いことに、この探偵は、手首のセンサーによる綺麗な画像だけでなく、指のセンサー（PPG）によるノイズが多く少し乱れた画像に対しても、同様にうまく機能しました。このことは、SPARの手法が非常に堅牢であることを示唆しています。たとえ信号が完璧ではなくても、脈波の根本的な形状は、AIが優れた推測を行うのに十分なほど明確に浮かび上がってくるのです。

これが意味すること（そして意味しないこと）

研究者たちは、この研究をあくまで「概念実証（プルーフ・オブ・コンセプト）」であると慎重に位置づけています。彼らは、これが明日からすべての診療所で使える完璧な医療ツールであると言っているわけではありません。彼らのトレーニングセットは比較的規模が小さく、モデルが単なる偶然による推測ではないことを確認するために、いくつかの統計的な手法（モデルを10通りでテストするなど）を用いる必要があったことも認めています。また、2つ目のグループのすべての健康詳細を確認できたわけではないため、その中に隠れた健康問題を持つ人が含まれている可能性もわずかにあります。

しかし、核心となる発見は明白です。この手法は機能するということです。この研究は、脈波を画像に変換することで、わずか10歳差の健康な成人を区別するのに十分な情報を捉えられることを示唆しています。これは大きな意味を持ちます。なぜなら、いつか私たちがスマートウォッチのような単純なウェアラブルデバイスを用いて、症状が現れる前に血管の老化の初期兆候を検知できるようになる可能性を示唆しているからです。

この論文は、心血管疾患を解決したとか、魔法の治療法を見つけたと主張しているわけではありません。その代わりに、古い問題に対して、新しく、遊び心にあふれ、かつ効果的なアプローチを提示しています。それは、健康モニタリングの未来が、複雑なグラフを凝視することではなく、自分自身の心拍による美しい渦巻く画像を見つめ、コンピュータに「内なる道路が今もスムーズに走っているか」を教えてもらうことにあるかもしれない、ということを示唆しているのです。