Behavioral Marker
Behavioral Markerとは、個人の日常行動や生活パターンに現れる変化を、疾患状態・健康リスク・心理状態・機能低下などを推定するための指標として用いる概念である。 ▼概要
例えば、夜間に何度も動く、睡眠開始が遅れる、活動量が急に低下する、外出頻度が減る、スマートフォン操作が減る、といった変化が疾患や機能低下の兆候として捉えられる可能性がある。
▼代表的な例
身体活動
歩数
活動量
連続活動時間
移動距離
歩行速度
外出頻度
在宅時間
睡眠・生活リズム
睡眠時間
睡眠開始時刻
睡眠中断
夜間覚醒
昼夜逆転
概日リズム
就寝前活動
スマートホーム由来データ
モーションセンサー反応
ドア開閉
部屋間移動
トイレ利用パターン
キッチン利用
室内温度・湿度
緊急ボタン利用
デジタル行動
スマートフォン利用頻度
タイピング速度
通話・メッセージ頻度
アプリ利用パターン
音声・会話量
社会行動
外出
人との接触頻度
社会参加
孤立傾向
介護者との接点
代表例として、血糖値、血圧、心電図、血液マーカー、画像所見、遺伝子変異などがある。
例えば、CeVDリスクでは、血圧や画像所見だけでなく、睡眠の乱れ、夜間活動、生活リズムの変化が補助的なシグナルになりうる。 ▼なぜ注目されているか
1. 連続的に取得できる
病院での検査は一時点の情報になりやすい。
一方、行動データは日常生活の中で連続的に取得できるため、疾患の変化や悪化兆候を時間軸で捉えやすい。
2. 非侵襲・低負担である
血液検査や画像検査と異なり、センサーやスマートフォン、Smart Homeを使えば、本人の負担を比較的小さくできる。 3. 症状が明確になる前の変化を拾える可能性がある
疾患によっては、本人が自覚する前に睡眠、活動量、生活リズム、外出頻度などが変化する可能性がある。
この変化を捉えられれば、早期受診や早期介入につながる余地がある。
4. 医療と介護の境界に入りやすい
例えば、「疾患診断」ではなく「生活機能の変化」や「見守りリスク」として提示できる点が、事業化上の特徴になる。
▼医療領域での活用例
CeVDにおける夜間活動、睡眠断片化、非活動時間、生活リズム変化 心不全悪化に伴う活動量低下、睡眠姿勢変化、外出減少
転倒リスク
フレイル
認知機能低下
独居高齢者の異常検知
介護負担の増加予測
▼今回の輪読会記事における位置づけ
論文では、独居高齢者の住宅内に設置された非接触型IoTセンサーから、身体活動、睡眠パターン、室内環境データを取得している。 その中で、就寝準備時間帯の連続活動、非活動時間、睡眠開始時刻、夜間活動、夕方の非活動時間、室内湿度などが、CeVDの前駆状態や切迫診断リスクの推定に関係する特徴量として示されている。 ▼投資家視点での重要性
特に、疾患イベントや医療アウトカムと紐づいた行動データは希少であり、強いデータMoatになりうる。 行動データを用いた予測モデルは模倣されやすいが、質の高い生活データを継続的に取得するオペレーションは簡単には再現できない。
そのため、投資家はアルゴリズムの性能だけでなく、データ取得チャネル、利用者接点、疾患ラベル、医療機関との連携を見る必要がある。
4. ワークフロー設計が価値を決める
行動変化を検知しても、それを誰が見て、誰に通知し、どの介入につなげるかが設計されていなければ、臨床的・事業的価値は限定的になる。
▼事業化における論点
疾患特異性
行動変化は多くの要因で起こる。
睡眠や活動量の変化は、CeVD、認知症、うつ、感染症、疼痛、薬剤変更、季節、生活イベントなどでも起こりうる。 そのため、特定疾患のマーカーとして使うには、外部検証と臨床的妥当性の確認が必要。
偽陽性とアラート疲れ
行動変化を過剰にアラート化すると、家族、介護者、医療者に負担がかかる。
プライバシー
行動データは、生活リズム、外出、睡眠、トイレ、来客、活動量など、非常に個人的な情報を含む。
規制
単なる見守りや生活変化通知であれば規制負荷は比較的低い可能性がある。
一方で、疾患リスク予測、診断支援、受診判断支援を明示する場合、SaMDや医療機器該当性の論点が出てくる。 償還・支払い主体
ただし、誰がどの価値に対して支払うのかを明確にしないと、事業化は難しい。
▼注意点
同じ行動変化でも、疾患によるものか、生活環境によるものか、心理的要因によるものかを区別するのは難しい。
また、行動データは文化、住宅構造、家族構成、季節、地域、介護制度によって影響を受ける。
そのため、ある国や施設で有効だったモデルが、別の国や集団でそのまま使えるとは限らない。
医療実装には、外部検証、前向き研究、臨床アウトカム改善の証明が必要である。
▼関連キーワード
▼まとめ
▼Source