韓国カスト（KAIST）のリサ・リム教授らをリーダーとする研究チームは、高齢者の家庭内生活ログデータを活用して脳血管疾患の早期警告信号を検出する人工知能フレームワークを開発した。成均館大学と韓国大学校安山病院の研究者らと共同で進めた本研究では、企業LivOn Careが収集した1224人分の高齢者の日常環境データを分析し、活動パターン、睡眠、体内リズム、室内環境を統合評価する手法を確立した。 開発されたAIは、診断の直前期と非緊急性の時期を96.53％の精度で識別することに成功した。解析の結果、疾患の前兆期には深夜10時から翌未明2時の連続的活動が頻発し、日中と夜間の活動リズムの乱れが確認された。また、診断時期が近づくほど夕方18時から20時の活動頻度が低下し、室内湿度の低下がリスク上昇の重要な指標となることも解明された。 本技術は従来の医療機関での事後治療型アプローチを補完する予防・早期介入ツールとして設計されており、臨床診断を代替するものではない。説明可能なAIを採用し、リスク判定に至った生活パターンや環境要因を可視化することで、医療従事者や介護者への客観的な情報提供を可能にする。リム教授は本研究の主旨はAIによる診断の代替ではなく、家庭内の些細な生活変化からリスク信号を捉え適切な医療連携を促すことにあると述べ、データに基づく予防医療システムへの転換に寄与する見通しを示した。 現在、臨床応用に向けた大規模な患者集団での前向きの検証が必要とされている。本研究の成果は学術誌npj Digital Medicineに掲載された。