AIがスマホデータから寿命を予測、生物学的年齢と健康リスクを推定するアプリ公開
バイオテック企業GEROとモスクワ物理工科大学の開発者たちが、スマートフォンとウェアラブルデバイスで収集されるデータを分析し、生物学的年齢と主要健康リスク因子を精密に推定するAIシステムを開発しました。iOSアプリとして公開され、ユーザーの日常活動パターンが余命にどう影響するか観察できます。
物理活動データから健康リスクを継続監視
遺伝子発現、DNA、血液循環レベルなど多くの生物学的因子は年齢と密接に相関しますが、ゲノムプロファイルや大規模生化学検査は科学研究以外では困難・高コストです。現代のモバイル・ウェアラブルOSは、ユーザーの日常を妨げず個人活動記録を大規模(数十億人規模)に収集・クラウド保存可能。AIはこれら記録を用いて健康関連リスクを継続監視し、リアルタイムフィードバックを提供します。
NHANESデータで訓練、CNNが最高精度
NHANES(国民健康栄養調査)の2003-2006年、4年分の臨床データと身体活動記録を抽出。1週間分の記録で死亡リスクと生物学的年齢を推定するニューラルネットワークを訓練しました。多変量線形回帰、非教師あり主成分分析(PCA)、深層畳み込みニューラルネットワーク(CNN)の3モデルを比較し、教師ありCNNが生物学的運動パターンの大半を解明し、寿命と一般的健康情報との関係を確立。同データ上の既存死亡リスク・生物学的年齢モデルを全て上回りました。
保険・退職計画・抗老化療法への応用
一部健康保険会社はウェアラブル監視の身体活動に基づき割引を提供開始。最新機械学習と老化理論の融合で、より精確なリスクモデルが可能になり、保険の長寿リスク低減と退職計画に貢献。抗老化療法開発と将来の臨床試験にも寄与すると期待されます。
産業技術
- ソフトウェア相互接続がスマートファクトリーにもたらす主なメリット
- New Territories、製造業イノベーションの最前線をリード
- ケーブル・ワイヤハーネス組立のステップバイステップガイド
- 製造プロセス:定義、分類、実例
- ファスナー完全ガイド:種類と選定のポイントを徹底解説
- C言語のvoidポインタをマスター:柔軟で効率的なコードを実現
- ミレニアル世代機械技術者が挑む製造業スキル不足:次世代の担い手たち
- アジャイル製造の主なメリットと一般的課題の克服法
- 新興テクノロジーがビジネスを破壊する仕組み——知っておくべきこと
- 共通エミッタ増幅器の理解:スイッチング、増幅、バイアス技術
- DIY 12Vファン式エアクーラー:リサイクル材料で作るポータブル・エコなミニエアコン