CoDaS：ウェアラブルセンサーによるバイオマーカー発見のためのAIコ・データサイエンティスト

arXiv cs.AI / 2026/4/17

📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research

共有:

要点

本論文では、ウェアラブルセンサーの連続的な生理信号を、仮説生成・統計解析・文献に基づく推論といった反復プロセスで臨床的に利用可能なバイオマーカーへ変換するAIマルチエージェントシステム「CoDaS」を提案する。
3つのコホートで合計9,279件の参加者観測を用い、CoDaSは精神健康に対して41、代謝アウトカムに対して25の候補デジタルバイオマーカーを抽出し、再現性・安定性・頑健性・識別力の評価バッテリーで検証した。
抑うつに関する2つの独立コホートでは、CoDaSが概日リズムの不安定性に関連する特徴を両データセットで一貫して抽出し、睡眠時間のばらつきや入眠時刻のばらつきがいずれも統計的に有意な相関を示した。
代謝アウトカムでは、CoDaSが心血管フィットネス指標（歩数/安静時心拍）を導出し、AST/ALT比とインスリン抵抗性の既知の関連など、確立された臨床的関連も回復した。
CoDaS由来の特徴を人口統計変数と組み合わせることで、予測性能がわずかだが一貫して改善し（うつ病でΔR²が0.040、インスリン抵抗性で0.021の増加）、ウェアラブルデータからのバイオマーカー発見を体系的かつ追跡可能に行えることを示唆する。

Abstract

デジタルヘルスにおける科学的発見には、ウェアラブルデバイスから得られる連続的な生理信号を、臨床的に実行可能なバイオマーカーへと変換することが必要です。本研究では、CoDaS（AI Co-Data-Scientist）を提案します。CoDaSはマルチエージェントシステムであり、バイオマーカー発見を、仮説生成、統計解析、敵対的バリデーション、文献に基づく推論を反復的プロセスとして構造化します。さらに、大規模なウェアラブルデータセットを用い、人間の監督のもとでこれらを組み合わせます。3つのコホートの合計9,279名の参加者観測において、CoDaSはメンタルヘルスに対する候補デジタルバイオマーカー41件と、代謝アウトカムに対する候補25件を特定し、それぞれについて、複製（replication）、安定性（stability）、頑健性（robustness）、識別力（discriminative power）にまたがる内部バリデーションバッテリーで評価しました。独立した2つのうつ病コホートにおいて、CoDaSは両データセットで概日不安定性（circadian instability）に関連する特徴を明らかにしました。これは睡眠時間のばらつき（DWB、\rho = 0.252、p < 0.001）および入眠開始時刻のばらつき（GLOBEM、\rho = 0.126、p < 0.001）に反映されています。代謝コホートでは、CoDaSは心血管フィットネス指数（歩数/安静時心拍数；\rho = -0.374、p < 0.001）を導出し、肝機能比（AST/ALT；\rho = -0.375、p < 0.001）を含む確立された臨床的関連性を回収しました。これはインスリン抵抗性の既知の相関です。CoDaSにより導出された特徴を人口統計変数と併せて取り入れることで、予測性能は小幅ながらも一貫した改善を示し、交差検証における\Delta R^2の増加は、うつ病で0.040、インスリン抵抗性で0.021でした。これらの結果は、CoDaSが大規模なウェアラブルデータからバイオマーカー発見を行うための、体系的かつ追跡可能な仮説生成と優先順位付けを可能にすることを示唆しています。