若年層のメンタルヘルスにおけるマルチモーダル人工知能とオンライン学習：スコーピングレビュー

若者と家族にとってこれが重要な理由

世界的に若年層のメンタルヘルス問題は増加しているにもかかわらず、多くの子どもやティーンが適時の支援を受けられていません。一方で、若者はスマートフォンやウェアラブル、学校のプラットフォーム、ソーシャルメディアなどを通じて常にデジタルな足跡を残しており、それらは彼らの実際の状態を示す手がかりになり得ます。本レビューは、複数種のデータから学習し時間とともに更新され続ける新しい形の人工知能（AI）が、将来的にストレスや抑うつなどの問題を早期に発見し、若者により個別化されたケアを提供するのに役立つ可能性を探ります。

増大する若年層メンタルヘルス危機に対する新たな手段

世界のデータは、子どもや青少年の大きな割合がメンタルヘルス問題に影響を受けており、これらの問題はCOVID-19パンデミックの期間およびその後に悪化したことを示しています。精神疾患による救急受診や遠隔診療の利用は増加し、特に思春期の女子で顕著でした。しかしサービスへのアクセスは依然として困難で、多くの若者が支援の網から漏れており、特に児童向けサービスの年齢上限を超えた後に成人向けケアに十分につながらないケースが問題です。生涯にわたる大部分の精神障害は25歳前に始まるため、著者らはこの期間に問題をより良く検出・モニタリングする方法が個人、家族、医療システムに長期的な利益をもたらすと論じています。

より賢い機械がどのように役立つか

AIシステムはデータからパターンを学習し、それらを用いてストレスや気分の低下といった兆候を検出・予測できます。従来のモデルは通常、テキスト、脳スキャン、質問票など単一のデータ源に依存し、固定されたデータセットで一度だけ訓練されます。本レビューは若年層に特に有望な二つの進歩に着目しています。第一はマルチモーダルAIで、ウェアラブルからの心拍などの生体信号、携帯電話からの睡眠や行動データ、音声や表情、投稿やアンケート回答といった複数の情報を組み合わせます。第二はオンライン学習で、モデルが固定されたままではなく新しいデータが入るたびに更新され続け、若者の生活や行動、環境が変化したときに適応できるようにします。

現在の研究が実際に行っていること

著者らは2015年以降の主要な医学・工学データベースを体系的に検索し、若年者（25歳以下）のデータにAIを適用してメンタルヘルス関連の問題を検出・モニタリング・治療する研究を探しました。500本超の論文のうち、基準を満たしたのは24件のみで、そのうち複数のデータ種とオンライン学習を組み合わせた研究はごくわずかでした。多くの研究は正式な診断よりもストレス、感情状態、認知的負荷などの早期警告サインを対象としていました。例えば、いくつかのプロジェクトはウェアラブルセンサーで心拍や皮膚導電を計測し、学生がストレスのかかる課題を行う間にそれらのデータを用いてニューラルネットワークを訓練し、データが蓄積されるにつれて予測を洗練させました。別の研究では、学期を通じたスマートフォンや睡眠のパターンを解析して類似のストレスプロファイルをもつ学生をグループ化し、きわめて少量のデータしかない新規ユーザーにもモデルを適応させる試みがありました。

有望な結果だが重要なギャップも

継続的な更新の何らかの形を用いた研究では、一般にモデルは単一回の訓練のみのシステムよりも精度が向上し、個人により適合するようになりました。オンライン学習は脳活動から変動する感情状態を追跡し、ユーザーごとにストレス検出を調整するのに役立ちました。それでも著者らは、多くの論文が「オンライン」と称していても、実際にはデータストリームへの真のリアルタイム適応ではなく緩やかな段階的再訓練を用いている点を指摘しています。ほとんどの研究はサンプルが小さく偏っており—しばしば大学生や大学院生が対象—独立したデータセットでモデルを検証することは稀でした。倫理的・実務的な問題も重大です：未成年者から詳細な生理学的および行動データを収集することは同意、プライバシー、長期保存、そしてケアの決定に影響を与え得るモデルの継続的な更新を誰が管理するのかといった敏感な課題を伴います。

この分野が次に進むべき方向

レビューは、若年層のメンタルヘルスに対するAIは急速に出現しているもののまだ初期段階にあると結論づけています。研究室のプロトタイプから現実のケアを安全に支援するツールに進めるためには、より大規模で多様なデータセット、年齢や背景の明確な報告、マルチモーダルな若年データを収集・共有するための標準化された手法が必要です。モデルは時間を通じ、異なる状況でも検証され、条件が変化しても信頼性を維持することが求められます。将来の研究はストレスや気分検出にとどまらず、臨床的に認められたより広い範囲の障害を扱うこと、そして問題を指摘するだけでなく実際の介入をAIがどのように支援できるかを検証することが重要です。対話型システムや大規模言語モデルが普及するにつれて、若年ユーザーに対する利益とリスクの慎重な評価も不可欠です。現時点では、マルチモーダルで継続的に学習するAIは有望な方向性を示していますが、それには強固な安全対策、透明性、技術者・臨床医・若者・家族の緊密な協力が求められます。

引用: Ramirez Campos, M.S., Barati, K., Samavi, R. et al. Multimodal artificial intelligence and online learning in youth mental health: a scoping review. npj Mental Health Res 5, 26 (2026). https://doi.org/10.1038/s44184-026-00207-4

キーワード: 若年層のメンタルヘルス, マルチモーダルAI, オンライン学習, ストレス検出, ウェアラブルセンサー