Estimation of biological age using HRV data: comparison of the Klemera-Dubal method with the multiple linear regression method

あなたの体をハイテクな車だと想像してみてください。走行距離計（オドメーター）を見れば、どれだけの距離を走ったかがわかります。それがあなたの暦年齢（実年齢）、つまりあなたが生まれてからの年数です。しかし、同じ走行距離であっても、2台の車は全く異なる状態であることがあります。一方はピカピカに整備された高性能なマシンかもしれませんが、もう一方は錆びつき、エンジンがガタガタの状態かもしれません。科学者は、この2番目の指標を生物学的年齢と呼んでいます。これは、あなたの体が平均的な人と比較して、実際にどれくらい「古く」、どのように機能しているかを推測するための方法です。

エンジンを分解せずにチェックするために、医師はよく**心拍変動（HRV）**に注目します。単に心臓がどれくらいの速さで鼓動しているかを数えるのではなく、HRVは各鼓動の間の、ごくわずかなリズムの「間（ま）」を測定します。これはバンドのドラマーのようなものです。完璧なロボットドラマーは、正確に同じ瞬間にスネアを叩きます。しかし、人間のドラマーは、音楽を生々しく、かつ反応良く保つために、ビートに微細で自然な変化を加えます。健康で若い心臓は、ストレスやリラックス、動きに合わせて絶えずリズムを調整する、熟練したジャズドラマーのようなものです。加齢したり健康状態が低下したりすると、心臓はしばしば硬くなり、音楽に追いつけないメトロノームのようになってしまいます。研究者たちは、こうした微妙なリズムを分析することで、誕生日にかかわらず、その人の内なるエンジンが25歳のように動いているのか、それとも70歳のように動いているのかを教える「健康スコア」を構築しようとしています。

---

心拍音の探偵物語

この研究では、ピサルクという名の研究者が探偵の役割を果たし、あるトリッキーなパズルを解こうとしました。それは、**「心臓のリズムを聞くだけで、その人の生物学的年齢を推測するのに最適な数学的手法はどれか？」**という問題です。

探偵には、20歳から90歳までの343人のボランティア（女性193人、男性150人）というチームがいました。彼はボランティアが仰向けに静かに横たわっている間に心拍を記録し、心臓の交響曲から9つの異なる「音符」を捉えました。そして、どの数学的な「推測マシン」が最も正確に年齢を予測できるかをテストしました。

3つの推測マシン

1. 標準的な計算機（重回帰分析、またはMLR）： これは昔ながらの手法です。心臓のデータを見て、直線を描いて年齢を推測します。問題は、これが少し「怠け者」であることです。このマシンは、若い人を実際より高齢に、高齢者を実際より若く推測してしまう傾向があります。まるで、安全策をとるために全員に「C」の成績をつけてしまう教師のようです。
2. 修正済みの計算機（Dubina補正を加えたMLR）： これは先ほどの標準的な計算機と同じですが、手動での調整が加えられています。研究者は、マシンが怠け者にならないように強制し、自らの間違いを修正するルールを追加しました。しかし、これを行うために、マシンは推測の最中にその人の「実際の誕生日（暦年齢）」をこっそり覗き見なければなりませんでした。これは、テストの答え合わせをする際に、間違いを直すために解答集を覗き見ている学生のようなものです。正しいスコアは出ますが、それは本当の意味での知識のテストではありません。
3. スマートAI（Klemera-Doubal法、またはKDM）： これは洗練された新しいアプローチです。単に直線を描くのではなく、すべての心拍の「音符」に対して、その信頼性に基づいた重み付けを行います。もし一つの音符が不安定で信頼できない場合は、その重みを軽くします。別の音符が非常に明快であれば、その音に注意深く耳を傾けます。決定的なのは、このAIは推測をする際に、その人の実際の誕生日を覗き見ないということです。心臓のデータのみから年齢を導き出します。

結果：レースの勝者は誰か？

研究では、各マシンが真実からどれほど離れていたかを、**平均絶対誤差（MAE）**というスコアで測定しました。これは「間違いの距離」と考えてください。もしマシンがあなたを45歳と推測し、実際には40歳だった場合、間違いの距離は5年となります。この数字が低いほど、優れた探偵であることを意味します。

以下が各マシンのパフォーマンスです：

• 標準的な計算機（MLR）： 最も出来の悪い探偵でした。

  • 女性の場合、平均で6.57年の誤差がありました。
  • 男性の場合、7.47年の誤差がありました。
  • 判定： 推測が多すぎ、間違いも多すぎます。

• 修正済みの計算機（MLR + Dubina）： 精度は大幅に向上しましたが、カンニングをしました。

  • 女性の場合、間違いは4.79年に減少しました。
  • 男性の場合、5.90年に減少しました。
  • 判定： 正確ではありますが、間違いを修正するために事前に答えを知っていることに依存していました。

• スマートAI（KDM）： 明確な勝者でしたが、非常に重要な注意点がありました。

  • 女性の場合、誤差はわずか4.34年でした。
  • 男性の場合、驚くほど近く、わずか3.67年でした。
  • 注意点： このAIは、どの「音符」に耳を傾けるかに極めて敏感です。研究者が、基本的な心拍間隔（NN間隔と呼ばれるもの）を男性のモデルに含めようとしたところ、システム全体が崩壊しました。不可能な数学的結果を出すか、あるいは単にその人の実際の年齢をコピーするだけになり、「生物学的」な推測としての価値がなくなってしまったのです。AIが機能したのは、研究者がその特定の信頼できない音符を慎重に除外したおかげです。
  • 判定： 正しい「材料」を選べば、レシピ通りに最も正確な答えを見つけ出すことができます。

男女の違いという物語

研究では、男性と女性の「心臓の音楽」についても興味深い発見がありました。女性の心拍リズムははるかに一貫しており、加齢に伴う変化を読み取りやすいものでした。探偵は、加齢による変化を明確に聞き取ることができました。

一方、男性の場合は、心拍リズムが少しノイズが多くなっていました。研究によれば、男性の心拍数はライフスタイルや喫煙、身体活動などの他の要因に影響されやすく、「年齢の信号」を聞き取りにくくなっていることが示唆されています。このため、すべての手法において男性の誤差距離は一般的に高くなりましたが、KDM法は、たとえノイズの多いデータであっても（信頼できないNN間隔を使用しない限り）、最も精密な結果を出しました。

注意点と未来

**Klemera-Doubal法（KDM）**は今回の主役ですが、研究者はそれが魔法ではないと警告しています。どの心臓の音符に耳を傾けるかを非常に慎重に選ぶ必要があります。もし間違った音符（男性における基本的な心拍間隔のように、この特定の数学においては信頼性が低かったもの）を選んでしまうと、システム全体が崩壊したり、無意味な結果を出したりします。

また、この研究はある時点でのスナップショットでした。研究者は、モデルを構築するために使用したのと同じグループの人々に対して、これらの方法をテストしました。これは、シェフが自分の作ったスープを味わって美味しいかどうかを確認するようなものです。味は素晴らしいかもしれませんが、本当に美味しいかどうかを確認するには、見知らぬ人に振る舞ってみる必要があります。研究は、KDMが現時点で最も有望かつ科学的に妥当な手法であることを示していますが、現実の世界でも通用するかどうかを確認するために、新しいグループの人々でテストする必要があります。

結論： もし、出生証明書を覗き見ることなく、心拍から自分の生物学的年齢を知りたいのであれば、現在、最も優れた道具はKlemera-Dubal法です。これは最も正確で、最も誠実であり、人間の心臓の複雑な現実に惑わされることもありません。――ただし、適切な心臓の音を選択できるほど、十分に注意深くあることが条件ですが。