GoogleのPhotoScan：スマートフォンの写真で体組成とインスリン抵抗性を推定

Google Researchは、PhotoScanと呼ばれるディープラーニングモデルが、標準的な2Dスマートフォン写真から体組成指標（体脂肪率、アンドロイド対ガイノイド脂肪比、内臓対皮下脂肪比）を直接推定できることを示す論文を発表した。臨床検証では、このモデルは現在の体組成測定のゴールドスタンダードであるDXAスキャンと同等の精度でインスリン抵抗性を予測した。

インスリン抵抗性は代謝性疾患の主要な要因であり、2型糖尿病が発症するまで何年も診断されないことが多い。現在のスクリーニングはHOMA-IRなどの血液検査に依存しているが、体組成指標は補完的な構造的ビューを提供する。DXAスキャンは正確だが、高価で、専用機器が必要であり、患者を低線量の放射線にさらすため、日常的なスクリーニングには実用的ではない。

PhotoScanの仕組み

PhotoScanは、スマートフォン画像から幾何学的な身体情報を抽出することで、臨床測定を回避する。モデルは3つのフェーズで構築された：

• 事前トレーニング： ImageNetの重みで初期化されたResNet-50バックボーンを、3D MRIスキャンから生成された2D正面および側面投影を使用して、35,323件のUK Biobankレコードでトレーニングし、DXAをグラウンドトゥルースとした。
• ファインチューニング： モデルは、DXAグラウンドトゥルースとペアリングされた実際のスマートフォン写真を使用して、677人の成人の新しいコホートでファインチューニングされた。自動ランドマーク検出パイプラインが、360度ビデオから最適なポーズフレームを選択した。
• 検証： 30週間の縦断試験からの132人の参加者の独立したコホートで、PhotoScanは3つの指標すべてでDXAと強い一致を示した。

主な結果

ファインチューニングコホートでは、PhotoScanは体脂肪率で平均絶対誤差（MAE）2.15を達成し、スマートウォッチベースの生体電気インピーダンス分析（BIA）センサーの2.91と比較された。A/G比のMAEは0.107、V/S比は0.094だった。独立した検証コホートでは、誤差は同等だった：BF%で2.13、A/Gで0.085、V/Sで0.085。

PhotoScanはまた、BIAでは測定できないA/G比とV/S比も解き放つ。これらの指標は臨床的に重要である：高いA/G比と高い内臓脂肪はインスリン抵抗性と強く相関する。

研究者らは、モデルのA/GおよびV/Sの精度が検証コホートでわずかに優れていたのは、通常絶対比が低い女性参加者の割合が高かったためである可能性が高いと述べている。

この研究は、継続的な心拍数モニタリングを含む、スマートフォンを介したパッシブヘルスモニタリングへのGoogleのより広範な取り組みに基づいている。PhotoScanはまだ研究段階であり、消費者向け製品ではないが、その結果は、クリニックに行かずに簡単な写真で代謝リスクを警告できる未来を示唆している。