概要
スマートフォンの慣性センサーから得られる微細な動作データを深層学習で解析し、喫煙の再発や強い渇望を85%の精度で予測することで、最適なタイミングでの禁煙支援を可能にする研究。
詳細内容
### 研究の背景と目的
禁煙支援において、喫煙の引き金となる要因を特定し、適切なタイミングで介入を行う「Just-In-Time Adaptive Intervention (JITAI)」が注目されています。本研究では、スマートフォンの加速度計、ジャイロスコープ、磁力計から得られる受動的な動作データが、喫煙行動や渇望の予測にどこまで有効かを検証しました。
### 手法と結果
17名の喫煙者を対象に3.5ヶ月間のデータを収集し、1D-CNNとBiLSTMを組み合わせた深層学習モデルで解析しました。その結果、喫煙行動を5分以内の窓で85%の精度で予測することに成功。これは時間的特徴（63%）などの従来指標を大きく上回ります。また、禁煙後の再発や渇望も78%の精度で特定できました。さらに、他人のデータで学習したモデルを未知のユーザーに適用してもAUC=0.8の高い精度を維持し、モデルの汎用性が証明されました。
### 結論と意義
本研究は、人間が意識しない微細な動作パターン（デジタル表現型）が健康行動の予測に極めて有効であることを示しました。GPSのようなプライバシーや電力消費の問題があるセンサーを使わず、低負荷な慣性センサーのみでリアルタイム介入が可能なため、実用的な禁煙支援アプリへの応用が期待されます。