Garmin フィットネストラッカーのデータが、パニック発作の予測研究に貢献
フィットネストラッカーから得られる生理データを、アンケートや環境データと組み合わせることで、パニック発作の発生を予測できる可能性がある――。これは、台湾・国立台湾大学（NTU）の生医電子與資訊研究所（BEBI）が行った研究で明らかになりました。
研究チームは、1〜3年にわたる3つのコホート研究を実施し、被験者のモニタリングにGarmin vívosmartシリーズを使用しました。この研究によって、パニック障害の患者に対し、より適切でタイムリー、かつ個別化された治療を提供できる可能性が期待されています。
パニック発作の予測へ
NTUの研究者である蔡展恆（Chan-Hen Tsai）博士は次のように述べています。
「スマートウォッチとアプリの組み合わせは非常に有望な結果を示しました。これらのデバイスから得られたデータによって、数日前にパニック発作を予測し、事前に対策を取ることが可能になったのです。また、アプリはユーザーの症状軽減や自己コントロールにも役立ち、テクノロジーがパニック障害の管理や発作予防に強力なツールとなることを示しました。」
簡単に言えば、この研究は「適切なツールがあれば、テクノロジーはパニック障害患者の毎日の生活を支えることができる」ということを証明しています。
データが示す「発作予測の可能性」
パニック発作とは、強い不安感とともに身体的な症状が現れる状態です。心理的ストレスや広場恐怖（逃げられない状況への恐怖）などが引き金になることが知られていますが、実際の生活データを使って再発を予測した研究は非常に少ないのが現状です。
BEBIが行った最初の研究では、59名の参加者を対象に1年間データを収集しました。環境条件や感情状態に関する情報はモバイルアプリを通して送信され、Garmin vívosmart 4が自動的に心拍数、活動量、睡眠などの生理データを記録しました。
蔡博士はGarminのデバイスを選んだ理由について、
「バッテリーが最長7日持続し、日常的に装着できる有望なツールだから」と説明しています。
多くの参加者が、トラッカーや定期アンケートを通じて自分の感情や身体状態を客観的に把握できるようになったとポジティブな反応を示しました。
その結果、データを組み合わせることで、最大7日前にパニック発作を予測できることが明らかになりました。この予測モデルは、病院や日常生活の両方で、再発防止の早期介入に役立つと期待されています。
継続研究で見えてきた成果
その後の2本の研究では、研究期間をそれぞれ2年・3年に延長し、特に「睡眠と身体活動がパニック障害に与える影響」に焦点を当てました。
参加者はGarmin vívosmartを着用し、日々の睡眠、活動量、心拍数を記録。これらのデータをアンケートや面談情報と統合し、機械学習モデルを用いて発作予測を行いました。
その結果、翌週に発作が起きる可能性を92%以上の精度で予測できたと報告されています。つまり、多くのケースで「症状が悪化するタイミング」を事前に把握できたのです。
モバイル支援型の新しい治療アプローチ
最新の研究では、予測モデルを取り入れた「モバイル支援型ケースマネジメント」を検証。参加者は通常の治療に加えてモバイルアプリを活用し、遠隔で医療専門家とつながることで、より個別化されたサポートを受けました。
その結果、アプリを活用した参加者は、症状をより自分でコントロールできるようになり、自己認識が高まり、周囲からのサポートも感じられるようになったと回答しました。
機械学習が導く「発作を防ぐための指標」
これら3つの研究は、患者だけでなく医療従事者にとっても有益な知見を提供しています。研究チームは機械学習モデルを通じて、パニック発作を繰り返す要因を特定し、発作予防に効果的な睡眠・運動・心拍の理想的な範囲を明らかにしました。
具体的には、
- 平均心拍数：72〜87 bpm
- 最大心拍数：100〜145 bpm
- 安静時心拍数：55〜60 bpm
が望ましく、
さらに、
- 1日あたり9階以上の上昇（階段など）
- 睡眠時間：6時間23分〜10時間50分
- 深い睡眠：50分以上
- 覚醒時間：53分未満
が推奨されます。
このように、フィットネストラッカーやスマートフォンアプリのデータを活用することで、医師はよりパーソナライズされた生活改善アドバイスを提供し、パニック障害治療の成果向上につなげることができるのです。
詳細については、www.garmin.com/third-party-studies-overview で追加の研究プロジェクトをご覧ください。研究および臨床試験に関するすべての情報はこちらでご確認いただけます。
Garminデバイスは、疾患や医学的状態の監視または診断を目的として設計または意図されたものではありません。測定値の精度に関する情報はこちらでご確認ください。
※1 JMIR Medical Informatics – ウェアラブルデバイスと機械学習を用いたパニック発作予測：開発とコホート研究
※2 睡眠、身体活動、パニック発作：スマートウォッチ、深層学習、説明可能な人工知能モデルを用いた2年間の前向きコホート研究 – PubMed
