著者の所属・活動拠点の国は、トルコ、スウェーデン、インドです。

掲載誌：Nutrients

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的：ばらばらな記録を一つにまとめる

糖尿病の管理では、食事の内容、体の動かし方、血糖値などの体の状態を日々把握することが欠かせません。論文によると、食事中の炭水化物は食後の血糖値を大きく左右し、一緒にとる食物繊維やたんぱく質は糖の吸収を緩やかにします。しかし、食事を紙やアンケートで記録する従来の方法では、思い出し違いや量の見誤りが起きやすく、実際の摂取量を少なく見積もりやすいことが知られています。

著者らによると、既存のスマートフォン向け健康アプリの多くは、食事、運動、血糖の記録を別々に扱っています。また、医師など医療者の確認とも十分につながっていません。研究チームは、これらを一つの仕組みにまとめたモバイル健康プラットフォーム「AIDCare」を設計しました。この研究の主な目的は、実際の患者に使う前の段階として、その仕組みが技術的に成り立つかを確かめることです。

どのような仕組みを作り、どう調べたか

AIDCareでは、患者が食事をスマートフォンのカメラで撮影すると、写った食品を識別します。そのうえで、炭水化物、たんぱく質、食物繊維の量を栄養成分の参照データと照らし合わせて推定します。運動量や活動で消費したエネルギーは、スマートフォンとスマートウォッチの動きのセンサーから記録します。集めたデータはサーバー側に送られ、複数の機能で扱われます。具体的には、患者が日々記録する生体の測定値（バイタル）の処理、HbA1c（長い期間の血糖の状態を反映する検査値）に関するリスク予測、食事の炭水化物量をもとにしたインスリン量の計算支援などです。

生活上の質問に答える対話型AIには、公開されている医療向けの大規模言語モデルを使いました。このモデルを、健康や糖尿病に関する教育用記事2万4612本で調整しています。さらに、「医療者参加型」の仕組みを組み込みました。医療者がAIの回答を確認・修正したり、個人に合わせた助言の重み付けや目標を調整したりできるものです。AIを単独の医療助言の源とせず、専門家の監督下に置くという考え方です。

検証では患者の募集は行わず、架空の患者データを使った試験を行いました。まず、データの取得からサーバーでの処理までを流す試行を400回繰り返しました。さらに、利用者の質問が栄養、運動、血糖測定、医師への相談のどの分野に当たるかを、AIが正しく判別できるかを評価しました。

主な結果

400回の試行で、データ取得が完了した割合は97.5%、送信は96.5%、処理は95.5%でした。サーバーの応答時間は1.8秒未満だったと報告されています。

質問の分野を判別する評価では、医療向け言語モデルの正解率が81.0%でした。判別の確かさや取りこぼしの少なさを示す指標も報告されています。適合率は83.5%、再現率は79.0%、両者を総合したF1スコアは81.2%でした。また、画像から推定した食事の栄養量、運動の指標、体の状態の記録を、医療者の監督のもとで一つの画面にまとめて扱えることも確認されました。

一方で、著者らはカメラによる栄養推定やインスリン量の計算について、機能として実装したものの、その正確さ自体は今回検証していないと明記しています。今回示されたのは、仕組みがデータを途切れずに処理できるかという技術面の結果です。

この研究が示すこと

この研究は、食事の栄養推定、運動の記録、体の状態の把握、AIによる対話支援、医療者による監督を一つのプラットフォームでつなぐことが、技術的に可能であることを示しました。日々の食事と代謝の記録を、専門家の目が届く形で結びつける枠組みを形にした点に意味があります。ただし著者らが述べるとおり、栄養推定の正確さや使い続けやすさ、血糖コントロールへの効果は今回の検証の範囲外です。これらはまだ確かめられていません。

著者：Adnan Kavak（Akatech Information and Health Technologies Ltd., Kocaeli University Technopark, Başiskele 41275, Kocaeli, Türkiye）、Muhammad Jamil（Akatech Information and Health Technologies Ltd., Kocaeli University Technopark, Başiskele 41275, Kocaeli, Türkiye）、Halil Bahadır Arın（Department of Computer Engineering, Kocaeli University, İzmit 41001, Kocaeli, Türkiye）、Alpaslan Burak İnner（Department of Computer Engineering, Kocaeli University, İzmit 41001, Kocaeli, Türkiye）、Hossein Fotouhi（Department of Computer Science and Engineering, Mälardalen University (MDU), 72123 Västerås, Sweden）、Emre Gezer（Department of Endocrinology and Metabolism Diseases, Kocaeli University, Umuttepe, İzmit 41001, Kocaeli, Türkiye）、Özlem Alkan（Department of Endocrinology and Metabolism Diseases, Kocaeli University, Umuttepe, İzmit 41001, Kocaeli, Türkiye）、Zeynep Cantürk（Department of Endocrinology and Metabolism Diseases, Kocaeli University, Umuttepe, İzmit 41001, Kocaeli, Türkiye）、Alev Selek（Department of Endocrinology and Metabolism Diseases, Kocaeli University, Umuttepe, İzmit 41001, Kocaeli, Türkiye）、Gautam Srivastava（Centre for Research Impact & Outcome, Chitkara University Institute of Engineering and Technology, Chitkara University, Rajpura 140401, Punjab, India）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Adnan Kavak, Muhammad Jamil, Halil Bahadır Arın, et al. AIDCare: A Technical Proof-of-Concept for Integrating Personalized Nutrition, Physical Activity, and AI-Assisted Care in Diabetes Lifestyle Management. Nutrients 2026-10-13. DOI: 10.3390/nu18203353. 原著ライセンス：CC BY.