BMIと体力評価に基づく個別化運動処方のための機械学習フレームワーク

なぜ賢い運動が重要なのか

多くの若年成人は、活動的にしようとしても体重増加に悩みます。「週に150分運動する」といった一般的な助言は漠然としており、個々の体力や体型、進捗の違いを反映していないことが多い。本研究では、単純な体力テストの結果を人工知能で処理して、若年層が過体重域からより効率的かつ安全に抜け出せる高度に個別化された運動プランに変換できるかを検討している。

体力テストを個人プロファイルに変える

研究者らは18〜20歳の男子大学生6,698名のデータを使った。各被験者について体格指数（BMI）と4種類の標準的な体力テストが記録されている：持久力を測る3,000メートル走、上半身の筋力を測る懸垂、体幹持久力を測る腹筋（シットアップ）、そしてスピードと敏捷性を測るシャトルラン。これらを合わせることで心肺系、筋力、運動システムの機能がかなり包括的に把握できる。個別のテスト結果を単独で見るのではなく、研究チームはこの体力プロファイルとBMI区分（低体重、正常、過体重、肥満）を結びつける複雑なパターンを理解しようとした。

動きを読み取るハイブリッドAI

これらのパターンを解釈するために、研究チームは2つの異なる長所を組み合わせたハイブリッド機械学習システムを構築した。まず1次元畳み込みニューラルネットワーク（CNN）と注意機構（アテンション）が、3,000メートル走の周回タイムのシーケンスをスキャンしつつ、筋力や短距離走の結果も考慮する。これにより、後半に失速するか安定したペースを保つかといった細部を検出できる。次に、その凝縮された情報を勾配ブースティング型の決定モデルに渡す。勾配ブースティングはカテゴリ境界を明確に引くのが得意で、ここでは4つのBMIグループを識別する役割を果たす。この結合アプローチはBMIを94.5%の精度で分類し、ロジスティック回帰、ランダムフォレスト、XGBoostなどの標準モデルを上回る結果を示すと同時に、1人当たりミリ秒未満で予測を出すことができた。

予測から個別のトレーニング計画へ

重要なステップは、こうした予測を実用的な運動処方に変換することだ。コーチや臨床家にとって理解しやすくするため、研究者らは各体力テストが個人のBMI予測をより健康的な方向またはそうでない方向にどれだけ押し動かすかを示すSHAPという手法を用いた。モデルは各学生に対して、懸垂回数の少なさや遅い走力など、どの弱点が最も影響するかを順位付けする。ルールベースのエンジンがその優先順位を具体的な運動種目に対応させる。例えば、上半身の筋力セッションを増やす、追加の有酸素トレーニングを行う、敏捷性とスピードを強化するといった具合である。試験では2週間ごとに新しいテスト結果がシステムにフィードバックされ、トレーニング量を増減したり、疲労の兆候が過剰トレーニングのリスクを示した場合に負荷を下げたりした。

システムの実地検証

このAIガイド方式が健康を実際に改善するかを確かめるため、研究チームは1,160名の新入生を対象に12週間のランダム化比較試験を実施した。被験者は半分が従来の運動指示を受け、残りはモデルが作成した個別処方（高強度インターバルトレーニング、一定の有酸素運動、筋力トレーニング、基本的な栄養指導を含む）に従った。個別化グループは顕著な改善を示した：過体重または肥満の割合は全体で23.5%低下し、過体重の参加者のほぼ7割が正常範囲に移行し、多くの肥満参加者が過体重へとランクダウンした。体力も大きく向上し、懸垂は約15%増、3,000メートル走はほぼ10%タイム短縮、シャトルランは10%以上の高速化を示し、負傷の増加は見られなかった。

日常の健康にとっての意味

専門外の読者への要点は、距離走、懸垂や腹筋の回数、往復走の速さといったシンプルで馴染みのあるテストが、あなたの身体と現在の能力に調整された運動を設計するAIシステムに入力できるということだ。本研究は、そのようなシステムが体重関連リスクが高い人を予測できるだけでなく、人々がより安全に健康的なBMIへ向かって移行しつつ、強さと体力を高められる運動プランを提供できることを示している。これまでの研究は若年男性の一つの環境に焦点を当てているが、スマートフォンアプリや診療所向けツールが多様なグループに対して継続的に更新される真の個別化運動指導を提供する未来を示唆している。

引用: Mo, M., Li, B., Yang, Y. et al. A machine learning framework for personalized exercise prescription based on BMI and physical fitness assessment. Sci Rep 16, 13336 (2026). https://doi.org/10.1038/s41598-026-42405-2

キーワード: 個別化運動, 健康分野における機械学習, BMIと体力, 若年の肥満予防, AIによるワークアウト計画