健診の「異常なし」は安全証書ではない、AIが示す5年後の確率

結果書の「異常なし」の4文字に救われるのは、その場限りの安心感だ。しかし、それはあくまで「今この瞬間」のスナップショットであり、未来への保険にはなっていない。東京大学医科学研究所の鈴木亨特任教授率いるチームが、NTTグループと共同で開発したAI予測システムは、この「現在の正常性」と「未来のリスク」の間に存在する見えない溝を、具体的な確率として可視化する試みだ。

このシステムは、約12万人分の社員健診データ、平均17年分の血糖値や血圧などの推移を基に構築されている。単に現在の数値が基準値内かどうかを判定するのではなく、利用者の年齢や既往歴、生活習慣の傾向をAIが学習し、5年後、10年後、15年後に糖尿病や高血圧症、脂質異常症といった状態になる確率を推測する。健診という「点」のデータを「線」や「面」に変換し、時間の流れの中でリスクがどう変化していくかを予測するのがその本質だ。

注目すべきは、この予測が単なる統計的な平均値ではなく、個人レベルのリスク評価として機能し得る点にある。鈴木教授は、このシステムが「健診結果が基準値に収まっている人にも加齢に伴いリスクが上がることを示せる」と語っている。つまり、現在の数値が完璧な人でも、数年後のリスクが上昇していくトレンドを捉え、その変化を事前に把握することが可能になる。これは、予防医療の概念が「病気になる前」から「リスクが高まる前の段階」へとさらに前倒しされることを意味している。

12万人のデータが描く、時間の矢

このシステムの背景にあるのは、膨大かつ長期にわたるデータセットだ。NTTグループの社員約12万人が、平均17年間にわたって記録してきた健診情報を、本人の同意を得て提供してもらった。10年単位で繰り返される健康診断のデータは、一見すると同じような数値の羅列に見えるかもしれない。しかし、AIにとってそれは、個々の人間の身体が時間とともにどう変化していくかを記述した膨大な物語集なのだ。

血糖値や血圧は、単に高いか低いかで評価されるべきものではない。その変化の速度、他の指標との相関関係、年齢に伴う自然な変動パターン、これらが複合的に絡み合うことで、その人の未来のリスクプロファイルが形成されていく。鈴木教授らは、こうした複雑な関係をAIに学習させ、単一の数値では捉えきれない「リスクの進行度合い」を推定するアルゴリズムを開発した。

このアプローチの優れている点は、予測が年単位で細かく刻まれていることだ。5年後の確率、10年後の確率、15年後の確率。これらは独立した数字ではなく、連続的な曲線としてグラフに表示される。利用者は、自分のリスクが急激に上昇する「危険な山」がいつ訪れるのか、あるいは緩やかに上昇していく「坂道」なのかを視覚的に理解できる。これにより、「今すぐ何を変えなければならないのか」という緊急性が、抽象的な不安ではなく、具体的なタイムラインとして提示される。

「異常なし」の裏にある、静かなリスクの上昇

多くの人が抱える「異常なし」の安心感。それは、現在の基準値から逸脱していないという事実に基づいている。しかし、医学的には、現在の数値が基準値内であっても、その人が将来生活習慣病を発症するリスクが高まっていることがある。特に加齢に伴う代謝機能の低下は、一見正常な数値の背後で静かに進行している。

鈴木教授の指摘にある通り、このシステムは、そうした「見えないリスクの上昇」を可視化する役割を担う。例えば、現在の血糖値が正常範囲内であっても、その変化のトレンドや、他の代謝指標との関係性をAIが解析することで、5年後には糖尿病予備群、10年後には糖尿病発症の確率が高まっていることが示されることがある。

これは、現在の健康状態を否定するものではない。むしろ、現在の健康状態を「動的なプロセス」として捉え直すことを意味する。健康は、ある時点でのスナップショットではなく、常に流動的に変化していくプロセスなのだ。このシステムは、そのプロセスにおける「次の変化」を予測し、利用者がその変化に備えるための時間的余裕を与える。

保健師の武器になる、説得力のある数値

このシステムの真価は、単にリスクを予測するだけでなく、その予測結果をどう活用するかという点にある。チームは、予測結果に応じて運動や食事内容の見直しを提示する機能を備えている。これは、画一的な「野菜を食べる」「運動する」といった一般的なアドバイスではなく、その人のリスクプロファイルに合わせた、具体的な行動提案を提供するものだ。

特に重要なのが、保健師の役割だ。鈴木教授は、このシステムが「保健師の指導に説得力を持たせることができる」と強調している。従来の保健指導では、「あなたの血糖値は正常範囲ですが、加齢に伴いリスクが上がる可能性があります」といった抽象的な説明が行われることが多かった。しかし、AIが示す具体的な確率やトレンドは、その説明に圧倒的な説得力を与える。

利用者は、自分のリスクが「かもしれない」ではなく、「この確率で、この時期に高まる」という形で提示されることで、生活習慣の改善に対する動機づけが得やすくなる。保健師は、この予測結果を参考にして、利用者に生活習慣の改善や受診を勧める。このプロセスにおいて、AIは「判断者」ではなく「支援者」として機能する。最終的な判断は、あくまで利用者と保健師の対話の中で行われる。

精度検証と普及への道筋

このシステムは、内閣府の助成を受けて開発され、昨年5月からNTTグループ内で試作版が運用されてきた。社員の健康作りに積極的な他の約10社も、先月から健診で活用していくことになった。これは、このシステムが実用的なツールとして機能し始めていることを示している。

しかし、チームはここで止まらず、今後、精度の検証を進めて普及を目指す方針だ。AI予測モデルの精度は、データの質や量、アルゴリズムの洗練度によって決まる。12万人分のデータは、確かに膨大だが、それ以外の人々、例えば異なる生活習慣や文化的背景を持つ人々への適用性については、さらなる検証が必要になる。

また、予測結果の解釈や、それに基づいた行動変容の支援についても、継続的な研究と改善が求められる。AIが示す「確率」は、あくまで統計的な推測であり、100%の保証ではない。利用者がその限界を理解し、過度な不安や誤解を抱かないようにするための情報設計も、普及の鍵となるだろう。

予防医療の次の地平

東京大学とNTTグループのこの試みは、予防医療の概念を「病気の発見」から「リスクの予測」へと、さらには「行動の最適化」へと進化させようとしている。健診という既存のインフラを活用しつつ、AIの力を借りて、個々人の健康の未来をより鮮明に描き出す。

これは、単なる技術の進化ではない。それは、私たちが自分の健康をどう捉え、どう管理し、どう社会と連携していくかという、根本的な問いへの挑戦でもある。「異常なし」を安心の終着駅ではなく、未来への準備の出発点として捉え直す。このシステムは、そのための具体的な道具を提供しようとしている。

5年後、10年後、15年後。その確率は、今日この瞬間の私たちの選択によって変えられるかもしれない。AIが示す未来は、決定論的な宿命ではなく、変容可能な可能性の集合体だ。その可能性をどう活かすか。それは、テクノロジーではなく、私たち一人ひとりの責任と選択の問題である。