デジタル生理学的バイオマーカーは複雑な慢性疾患における個人内の症状変化を予測する

脈拍を追うことが不調の日を予測する理由

ロングCOVIDや慢性疲労のような長引く疾患を抱える人々は、自分の症状をジェットコースターのようだと表現することが多いです：ある日は何とかやり過ごせる一方で、別の日には圧倒的な疲労、脳の霧（ブレインフォグ）、あるいは完全な「クラッシュ」を経験します。こうした変動はランダムに感じられ、いつ休むべきか、重要な予定を立ててよいか分からなくなります。本研究は単純だが強力な問いを投げかけます：スマートフォンやウェアラブルでの毎日の短い計測が、悪い日を事前に予測するのに役立つでしょうか？

日常生活を健康の実験室に変える

研究者たちは、エネルギーに制限がある複雑な慢性疾患の人々向けに設計されたモバイルアプリ「Visible」の利用者と連携しました。世界中の4,200人以上の成人が匿名でデータ共有を選びました。参加者は毎朝、スマートフォンのカメラか小型の腕センサーで60秒間の計測を行いました。これらのツールは安静時心拍数、心拍変動（心拍間隔の変化の大きさを示す指標）、呼吸数を測定しました。各晩、同じ人々がクラッシュの有無や疲労やブレインフォグの重症度など、自身の状態を報告しました。

わずかな日々の変化に隠れたパターン

研究者たちは単に人と人を比較するのではなく、各個人が自身の通常パターンからどのように変化するかに注目しました。問いはこうです：朝の心臓の計測がその人の典型的な基準値と異なる日は、同じ日の夜に症状が悪化することがあるか？答えは「ある」でした。安静時心拍数が普段より高く、心拍変動が普段より低い日は、その日の夜にクラッシュ、強い疲労、またはブレインフォグを報告する可能性が高まりました。前の一週間でこれらの指標が大きく上下していることも、先に問題が起こる兆候となり、心拍のパターンが安定していることは症状の安定と関連している可能性を示唆しました。

リスクを認識するようモデルを訓練する

これらの信号を実際に活用できるかを確かめるため、チームは各人の時系列データに基づいてコンピュータモデルを訓練しました。まず前日の症状報告のみを使ったモデルを評価しました。これは既にある程度うまく機能しました：誰かが前日に具合が悪ければ、その人が翌日も具合が悪いとモデルが予測することが多かったのです。次に朝の心拍と呼吸の計測を加えました。モデルは低症状日と高症状日を区別する能力が控えめながら一貫して向上し、特にクラッシュやブレインフォグの予測で改善が見られました。言い換えれば、心の信号は本人の感じ方に取って代わるものではありませんが、次に何が起こるかについて有益な追加情報を提供しました。

日常にとっての意味

ロングCOVID、ME/CFS（筋痛性脳脊髄炎/慢性疲労症候群）、および関連する状態に向き合う人々にとって、近づく不調についての小さな手がかりでも重要になり得ます。アプリが今日の心拍パターンがリスクを示していると警告すれば、その人はより多く休む、負担の大きい作業を先送りする、あるいは追加のサポートを計画するといった選択をするかもしれません。研究はまた、長期にわたる心拍の安定が、身体のストレス応答や免疫系のより深い回復力を反映している可能性を示唆しています。ただし、研究者らはモデルが完璧からはほど遠いと注意しています。個々に調整した場合に最もよく機能し、時には悪い日を見逃したり誤警報を出したりします。またデータはこの特定のアプリとデバイスを選んだ人々から得られているため、結果がすべての人に当てはまるとは限りません。

より予測可能な日々への一歩

総じて、この研究は自宅で短時間に測る心臓の挙動が、複雑な慢性疾患の症状が悪化しやすい時期を小さくとも意味のある形で予測するのに役立つことを示しています。安静時心拍の朝の上昇と心拍変動の低下、特に数日にわたって変動が大きい場合は、夕方のクラッシュ、疲労、ブレインフォグを予告することが多いです。連続センシングやより広い患者層、より強力な予測ツールによる追加の研究が必要ですが、この結果は、不安定な病状を抱える人々がシンプルなデジタルチェックを使って最もつらい日をよりよく予測・管理できる未来を示しています。

引用: Aitken, A., Sawyer, A., Iwasaki, A. et al. Digital physiological biomarkers predict within-person symptom changes in complex chronic illness. npj Digit. Med. 9, 257 (2026). https://doi.org/10.1038/s41746-026-02543-3

キーワード: ロングCOVID, 心拍変動, ウェアラブルセンサー, 慢性疲労, デジタル健康モニタリング