子どもの肥満は、大人になってからの生活習慣病リスクに長く影響すると考えられており、できるだけ早い時期からの働きかけが重要とされています。とはいえ「将来太りやすいかもしれません」と漠然と言われても、多くの保護者にとっては実感が湧きにくいものです。もし、わが子の将来の体格リスクを個別に予測し、それをもとにAIが親身に栄養相談に乗ってくれたら——そんな発想から生まれたのが今回紹介する研究です。

研究チームは、子どもの過体重リスクを予測する「デジタルツイン」（個人の状態をコンピュータ上で再現し、将来の見通しをシミュレーションする技術）と、日本語で栄養相談に応じる大規模言語モデル（LLM）を組み合わせた予防的介入プログラムを開発しました。LLMには「Llama 3-70B」というオープンソースのモデルを使い、日本食品標準成分表2020年版とその2023年改訂版のデータを用いて追加学習（ファインチューニング）を行うことで、共感的で栄養指導に特化した応答ができるよう調整されています。

研究でわかったこと

まず、AIの応答の質を確かめるため、栄養に関する30の質問を用意し、管理栄養士3名が独立して評価しました。その結果、追加学習を行っていない元のLlama 3-70Bでは平均18問／30問が適切な応答とされたのに対し、ファインチューニング後のモデルでは平均27問／30問が適切と評価され、応答の質が向上したことが示されました。

デジタルツインの予測モデルには、東北メディカル・メガバンク計画の出生三世代コホート研究で発表されたモデルが採用されており、生後36〜47か月、6歳、11歳、14歳の各時点での過体重リスクを予測する仕組みです。この研究では、14歳未満の子どもを持つ女性121名が参加し、自分の子どものリスクをデジタルツインで可視化した画面を見た上で、チャット形式のAIによる栄養相談を1回体験しました。

参加後のアンケートでは、可視化のわかりやすさ、内容が役立つと感じられる度合い、生活習慣を変えてみようという意欲（行動意図）、そして今後も利用を続けたいという意向について、いずれも5段階評価で中心的な項目の平均が4.9点を超えるという高い評価が得られたと報告されています。また、自由記述の内容を分析したところ、121名中112名が「提案された生活習慣の変更は、段階的であれば実行可能だ」と感じていたことが示されました。

この研究の位置づけ・読むうえでの注意

著者らは、この統合的な介入が実際に運用可能であり、参加者に受け入れられる可能性を示す予備的な結果が得られたとしています。個別化された将来リスクの可視化と、寄り添うような対話型のAI相談を組み合わせることで、参加者が自己申告する行動意図の高さと関連していたと述べられています。

ただし、この研究は121名を対象に1回のチャット体験を実施したものであり、行動意図の高さが実際の生活習慣の変化や、子どもの健康状態の改善につながるかどうかを確認したものではありません。論文の著者ら自身も、こうした動機づけの反応が持続的な行動変容や健康アウトカムの改善に結びつくかを明らかにするには、対照群を設けた研究や長期的な追跡調査が必要であると述べています。あくまで一つの研究であり、結論が確定したわけではない点に留意して読む必要があります。

まとめ

この研究では、子どもの将来の過体重リスクを予測するデジタルツインと、日本の食品データをもとに調整されたAIによる栄養相談を組み合わせた仕組みが試作され、母親を対象とした体験調査で高い受容性と行動意図が示されたと報告されています。個別化されたリスク可視化とAIによる対話的サポートを組み合わせるアプローチは、今後の子育て支援や予防医療のあり方を考えるうえで興味深い試みといえそうですが、実際の効果を確かめるにはさらなる研究が必要とされています。

※本記事は下記の原著論文を紹介するものです。参考文献：幼児を持つ母親における小児肥満予防のための行動意図を支えるデジタルツイン：大規模言語モデルを用いた介入研究（フロンティアーズ・イン・アーティフィシャル・インテリジェンス・2026年08月）