mHealthベースの疾病管理プログラムにおける収縮期血圧変化のための特徴工学的予測因子の検討

なぜスマートフォンが高血圧の抑制に役立つかもしれないのか

高血圧は心筋梗塞や脳卒中の主要な原因の一つですが、多くの人は短い医師の診察の間に血圧を安定させるのに苦労しています。本研究はタイムリーな問いを投げかけます：人々が自宅で血圧を測り、数カ月間コーチングアプリを使った場合、それらの測定値やアプリの使用パターンに現れる特徴が、どの人の数値が改善するか、あるいは追加の支援が必要かを予測する助けになるでしょうか？研究者たちは、デジタルデータを工夫して組み合わせることで、予測精度が向上するかを検証しました。

日常生活での血圧の観察

研究チームは、日本でMystarという24週間のモバイルヘルスプログラムに参加した2,300人超の成人の記録を解析しました。参加者は高血圧、糖尿病、または高コレステロールなどの状態があり、心血管疾患のリスクがある人々でした。6か月間、定期的な電話コーチングを受け、生活習慣をアプリに記録し、毎朝自宅で血圧を測定しました。主な問いは、各参加者の最大血圧値である収縮期血圧がプログラム開始時から終了時までにどれだけ変化したか、という点でした。

生の測定値を信号に変える

現代のアプリやウェアラブルは、日々の血圧、歩数、睡眠時間、体重、さらにはアプリのタップやスクロール頻度といった長い数値列を生成します。こうした生の値をそのまま予測モデルに入れる代わりに、研究者たちは「特徴工学」ソフトウェアを用いて新しい組み合わせ指標を作成しました。たとえば、そのソフトウェアはある人の朝の血圧を開始時の血圧と関連付けたり、複数の測定値をまとめて安定性スコアに変換したりできます。チームはその後、プログラムの4、8、12、22週時点で二種類の数学的モデルを構築しました：年齢、病歴、週ごとの平均値などの単純な指標のみを用いたモデルと、これらの工夫した組み合わせも含めたモデルです。

初期週で重要だったもの

最初の1～2か月では、いくつかの工夫した指標が後の血圧変化と、どの単一の元の測定値よりも強く一致しました。早朝の血圧パターンや、基準値の単純な組み合わせが重要度ランキングの上位に登場しました。デジタル行動も一役買いました：ログデータやアプリのホーム画面を長く見ていた人は、血圧の推移がわずかに異なる傾向がありました。こうした微妙なエンゲージメントの手がかりは、血圧がはっきりと示す前に、どの参加者が脱落しかけているかを示唆しました。

長期ではシンプルな傾向が依然として支配的だった

こうした初期の示唆にもかかわらず、特徴を追加しても予測モデルの全体的な精度が有意に改善されることはありませんでした。22週時点では、単純なモデルも特徴を含むモデルも、プログラム終了時の収縮期血圧変化をほぼ同じ程度によく予測していました。最も強い信号は単純明快でした：直近の自宅血圧測定値です。週数が増えるにつれてこれらの直近値が支配的となり、複雑な組み合わせやアプリ使用パターンから得られる付加情報は相対的に影を潜めました。言い換えれば、継続的な自宅での測定自体が予測力の大部分を提供していました。

個人とプログラムにとっての意味

患者や健康プログラムにとっての要点は、安心できて実用的です。シンプルなモバイルプラットフォームを通じた定期的な自宅血圧チェックだけでも、コンピュータは後の改善を高精度で予測できます。派手なデータ処理は、特にデータが数週間分しかない初期段階において早期警戒をわずかに鋭くすることができ、アプリの利用痕跡は早めの介入や追加のコーチングが有益なユーザーを見分ける助けになります。しかし最終的には、最も重要な要素は安定した自宅測定であり、自分自身の直近の測定パターンが血圧の行方を最も明確に示す指針となります。

引用: Kanai, M., Park, S., Miki, T. et al. Investigating feature-engineered predictors for systolic blood pressure changes in an mHealth-based disease management program. Hypertens Res 49, 1204–1213 (2026). https://doi.org/10.1038/s41440-026-02569-w

キーワード: モバイルヘルス, 自宅血圧, デジタルコーチング, 機械学習, 高血圧管理