MEDICINE & AI

タイトル：Passive Sensing for Mental Health Monitoring Using Machine Learning With Wearables and Smartphones: Scoping Review 雑誌名：J Med Internet Res. 2025 Aug 14; 27: e77066. 概　要： 本研究は、受動的センシングと機械学習（ML）技術を用いたメンタルヘルスモニタリングの現状を包括的にレビューすることを目的としています。従来の評価方法は主観的で生態学的妥当性が限られていますが、ウェアラブルデバイスやスマートフォンを用いた受動的センシングは、客観的かつ継続的なメンタルヘルスのモニタリングを可能にします。42件の査読済み研究を分析し、行動特徴とメンタル障害との関連パターンを明らかにし、今後の発展の方向性を探ります。 方　法： このスコーピングレビューはPRISMA-ScRガイドラインに従い、2015年1月から2025年2月までに発表された研究を対象に、Web of Science、PubMed、IEEE Xploreなど7つのデータベースを系統的に検索しました。受動的センシングとMLを用いて臨床的に診断されたメンタル障害（うつ病や不安症）をモニタリングした42件の研究を含め、データ収集、前処理、特徴エンジニアリング、MLモデルに関する技術的次元と臨床的関連を統合しました。 結　果： 42件の研究のうち、55%がコホートデザインであり、中央値は60.5人（IQR 54-99）でした。研究の大半はうつ病（55%）と不安（21%）に焦点を当て、主に手首装着型デバイスを使用し、心拍数（67%）、運動指数（60%）、歩数（40%）を主要バイオマーカーとして収集しました。深層学習モデルは高い精度を示しましたが、従来のMLモデルも解釈性の高さから広く使用されました。重要な制限として、小規模サンプル（76%がN<100）、短期間のモニタリング（45%が7日未満）、外部検証の不足（2%）、データ匿名化の報告が限られていることが挙げられました。 結　論： 受動的センシングとMLは高い精度を示すものの、方法論の異質性、小規模サンプルによるバイアスのリスク、倫理的ギャップが課題です。特に、うつ病や不安のモニタリングにおいて、客観的かつ継続的な監視が可能であることが示されていますが、臨床への移行には標準化されたプロトコルや長期的な研究、データプライバシーのための倫理的枠組みが必要です。今後は、マルチモーダルセンサーフュージョンや説明可能な人工知能の優先が求められます。