GlucoSense｜スマホAIによる糖尿病リスク早期検知の仕組みと予測性能

2026年10月25日

Bioengineer.org（Frontiers in Digital Health掲載研究の報道）アメリカ

概要

スマートフォンとウェアラブルデバイスを用いて、2型糖尿病（NIDDM）の早期リスクを層別化する計算フレームワーク「GlucoSense」が開発されました。グラフニューラルネットワーク（GATv2）を採用し、身体活動、心拍数、食事ログから血糖値の変動を予測することで、臨床的な症状が出る前のリスク検知を目指します。これにより、採血や専用センサーなしで、ユーザーを早期の医療相談へと誘導することが可能になります。

詳細

主要成果

Westcliff University、SINTEF Digital、オスロ大学などの共同研究チームは、スマートフォンベースの人間活動認識と連続血糖予測を統合したシステム「GlucoSense」を構築しました。このシステムは、クリニックへの訪問や採血、あるいは患者への血糖値センサーの装着を必要とせず、スマートフォンの加速度計、心拍数ウェアラブル、および自己報告による食事ログのみで動作します。検証実験では、6名のボランティアが90日間にわたり利用し、そのうち2名が平均血糖値113 mg/dLおよび119 mg/dLという、前糖尿病の基準に合致するプロファイルを検出することに成功しました。

技術・詳細

GlucoSenseの中核には、Graph Attention Network version 2（GATv2）アーキテクチャに基づく2つのグラフニューラルネットワークが採用されています。従来のLSTMのようなシーケンシャルモデルとは異なり、心拍数や加速度、食事の炭水化物量などの各特徴量をノードとして扱い、統計的な相関関係をエッジで結ぶことで、複雑な相互依存性を捉えます。

GATv2-GraphSensor：スマートフォンの3軸加速度データから人間活動を認識します。23種類の糖尿病関連活動を含む201,000インスタンスの専用データセットで学習され、分類精度98.50%を達成しました。また、バッテリー消費を抑えるため、サンプリングレートを従来の50 Hzから1 Hzに低減させています。
血糖予測モデル：公開データセット「OhioT1DM」を用いて学習され、30分後の血糖値を予測します。ルート平均二乗誤差（RMSE）は25.60 mg/dLを記録し、ベースラインのLSTM（31.82 mg/dL）を上回る精度を示しました。予測値の94.30%が臨床的に安全なZone A（Clarke Error Grid）に収まり、危険なZone Eへの進入はゼロでした。

背景・業界の文脈

2型糖尿病（NIDDM）は、2021年時点で世界的に5億人以上の成人が罹患しており、2045年には成人人口の12.2%に達すると予測されています。診断された症例の90%以上が2型ですが、実際に診断が確定しているのは約45%に留まっています。これは、初期段階では症状が現れず、最も効果的な介入が可能な時期を逃して発見されるケースが多いためです。

今後の展望

本モデルは1型糖尿病のデータで学習されていますが、運動による筋肉の糖取り込みなど、食事・活動・ストレスと血糖変動の一般的関係は代謝表現型を問わず共通しているため、2型糖尿病のリスク評価に適用可能です。GlucoSenseは確定診断を行うものではなく、平均血糖濃度や高血糖閾値（140および180 mg/dL）を超える時間、血糖変動係数などの指標を導き出すことで、症状が出る前にユーザーを臨床相談へと促す「早期リスク層別化」を実現します。

元記事: https://bioengineer.org/smartphone-ai-spots-early-diabetes-risk-by-reading-movement-and-glucose-together/

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録（週刊・技術動向レポート）

ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。