高周波超音波と深層学習の組み合わせによりマイクロプラスチックの識別とサイズ推定が可能に

なぜ微小なプラスチック片が私たち全員にとって重要なのか

プラスチックは目に見えないほど小さな粒子に分解されますが、現在では海洋、土壌、空気、さらには人間の臓器の内部でも検出されています。こうした「マイクロプラスチック」を追跡することは、それらが環境中でどのように移動し、私たちの健康にどのような影響を与える可能性があるかを理解するうえで不可欠です。しかし現行の実験室検査は時間がかかり高価で、制御された環境の外で導入するのが難しい。そこで本研究は、音波と人工知能を使ってマイクロプラスチックを非破壊で迅速に検出・測定する方法を探り、河川、湖、処理施設などでのリアルタイム監視への道を開きます。

音でプラスチックを「聴く」

粒子に光を当てる代わりに、研究者たちは高周波超音波――人間の可聴域をはるかに超える音波――を使って、異なるプラスチックや参照材料でできた微小球を調べました。超音波パルスが粒子に当たると、一部の音が散乱して検出器に返ってきます。このエコーの正確なパターンは、粒子のサイズや密度、剛性といった材質に依存します。粒子サイズに近い周波数で動作させることで、戻ってくるエコーは材質とサイズの両方を符号化した豊富で識別可能な特徴を持つようになりました。

生のエコーからラベル付き粒子へ

このアイデアを実用的なシステムにするため、チームはプラスチック（PEとPMMA）と非プラスチック（ガラスと鋼）のマイクロスフェアを水を模した柔らかいゲルに埋め込みました。単一の超音波トランスデューサが試料を点ごとに走査し、二つの空間方向と時間を含む三次元のデータブロックを収集しました。カスタムの「ピーク抽出」アルゴリズムはこのブロックをくまなく調べ、個々の粒子に対応する最も強いエコーを見つけ出しました。検出された各エコーは顕微鏡画像と照合され、アルゴリズムが実際にノイズや塊ではなく単一粒子をとらえていることが確認され、検出精度は約96パーセントに達しました。

コンピュータにプラスチックを識別させる

粒子特有のエコーが分離されると、研究者たちは信号を時間領域と周波数領域の両方で解析しました。信号の周波数がどれだけ広がっているかや、エネルギーがどの周波数帯に集中しているかといった一連の単純な数値特徴を算出しました。これらの特徴は材質ごとに特有の違いを示しました。チームはこれらの特徴に基づいていくつかの標準的な機械学習モデルを訓練し、さらに生の周波数データからパターンを直接学習する一方向畳み込みニューラルネットワーク（1D-CNN）も構築しました。多数のテストで、CNNが最も良好に機能し、混合サンプルに複数の材質が含まれている場合でも、個々の粒子の材質を平均約97パーセントの粒子レベル精度で正しく特定しました。

種類だけでなくサイズの測定も

材質を識別するだけでなく、この方法は各粒子の大きさも推定できます。逆散乱した超音波スペクトルの形状は粒子径の変化に伴って予測可能な方法で伸び縮みします。これを捉えるため、研究者たちはマルチレイヤパーセプトロンと呼ばれる小さなニューラルネットワークを材質ごとに1つずつ訓練し、粒子を約20マイクロメートルから約300マイクロメートルまでの4つのサイズ範囲に分類しました。これらのモデルは平均99パーセントを超える精度に達し、ほとんどの材質でほぼ完全な性能を示しました。重要なのは、すべての訓練データとテストデータが粒子レベルで分離されており、モデルがこれまでに「見たことのない」粒子で真に検証されていることです。

現実世界の監視に向けた一歩

現在の実験はゲルに固定された静止粒子を用いていますが、この手法の基盤は流れる水系にも適しています。超音波ハードウェアは小型で、解析パイプラインは毎秒千件以上の信号を処理でき、連続流に追随するのに十分な速度です。残る主な課題は、エコーが弱い非常に小さな粒子の検出や、粒子が重なり合う混雑領域の扱いです。それでも本研究は、高周波超音波と最新のAIを組み合わせることで、化学薬品や複雑な光学系を使わずにマイクロプラスチックを迅速に「ソナー」のように同定し、材質とサイズを判定できることを示しています。

私たちの日常生活にとっての意味

専門外の読者にとっての重要なメッセージは、従来の遅い実験室作業だけでなく、リアルタイムでマイクロプラスチックを監視できるツールが間もなく実用化される可能性があるということです。これにより工場、下水処理場、または暴風雨による流出などからの汚染を追跡し、規制当局や地域コミュニティがプラスチックの蓄積場所に関するより良いデータを得るのに役立ちます。微小粒子が音をどのように散乱するかを「聴く」ことで、この手法は現代における最も広範な汚染形態の一つを監視し、最終的には管理するための実用的な道筋を提供します。

引用: Zarrabi, N., Strohm, E.M., Rezvani, H. et al. High-frequency ultrasound combined with deep learning enables identification and size estimation of microplastics. npj Emerg. Contam. 2, 9 (2026). https://doi.org/10.1038/s44454-026-00029-1

キーワード: マイクロプラスチック, 超音波センシング, 深層学習, 環境モニタリング, 粒子サイズ解析