「心」「カラダ」を支えるけんこう総研ストレスマネジメント 株式会社けんこう総研 - 運動と栄養指導による健康セミナー・健康経営コンサルティング

心拍変動（HRV）は、心拍の間隔の動きのことで、心臓の自律神経系の活動を反映する重要な生理学的指標となっています。HRVは、ストレス、疲労、感情状態など、さまざまな心理的および生理的状態と関連しています。精神的ストレスの早期検出は、健康管理や心理療法においてたいへん重要です。しかし、従来のストレス評価方法は主観的であり、リアルタイムのストレス検出には適していません。そのため、HRVを基にした機械学習モデルの開発が進められていますが、モデルのブラックボックス性が課題となっており、モデルの説明可能性（Explainability）が求められています。

今日の記事の原著論文はこちらから読むことができます。
2023年1月19日に発表された「Heart Rate Variability-Based Mental Stress Detection: An Explainable Machine Learning Approach」という論文を今日はご紹介します。
この論文は、心拍変動（HRV）を用いて精神的ストレスを検出するための、説明可能な機械学習アプローチに焦点を当てています。

素朴な質問・機械学習とウエアラブルのこと？

いいえ、機械学習とウェアラブルデバイスとは違います。

機械学習とは

機械学習とは、コンピュータがデータを使ってパターンを学習し、そのパターンに基づいて予測や分類を行う技術のことをいいます。

機械学習は、アルゴリズムと呼ばれる計算手法を使って、大量のデータから経験を積み重ね、徐々に精度を高めるプロセスです。例えば、メールのスパムフィルタリング、画像認識、自動運転車の制御など、さまざまな分野で活用されています。

ウェアラブルデバイスとは

ウェアラブルデバイスは、体に装着してデータを収集するための

ハードウェア

です。代表的なものにはスマートウォッチや、フィットネストラッカー、心拍計などがあります。スマートウォッチなどのデバイスは、心拍数や歩数、睡眠パターンなど、身体のデータをリアルタイムでモニタリングすることができます。
ウェアラブルデバイスは、データを収集するためのハードウェアであり、収集されたデータを解析して価値ある情報を引き出すために機械学習が使われることがあります。例えば、ウェアラブルデバイスが収集した心拍数や運動データを使って、機械学習アルゴリズムがストレスレベルを推定することができます。

お話は研究にもどしましょう。

研究目的

今日ご紹介する研究の主な目的は、HRVデータを用いて精神的ストレスつまり、心理的ストレスを高精度で検出する機械学習モデルを開発し、そのモデルの決定プロセスを説明可能な形で解釈することです。具体的には、心拍変動HRV指標から精神的ストレスを推定するためのモデルを構築し、どのHRV指標がストレス検出において重要な役割を果たしているのかを明らかにしようとしています。

研究の方法

1. データ収集

参加者からHRVデータを収集し、精神的ストレスを誘発するためのタスクを実施。
収集したデータには、ストレスのない状態とストレス状態の両方が含まれています。

2. 特徴量抽出

HRVの時系列データから、時間領域、周波数領域、非線形指標など、様々な特徴量を抽出。
これにより、ストレスとHRVの関係を解析。

3. 機械学習モデルの構築

ランダムフォレストやサポートベクターマシン（SVM）など、複数の機械学習アルゴリズムを使用してモデルを構築。
モデルの性能を評価し、最適なモデルを選定。

4. モデルの説明可能性

Shapley Additive Explanations（SHAP）やLIME（Local Interpretable Model-agnostic Explanations）などの説明可能性手法を使用して、モデルがどのように決定を下したかを可視化。
これにより、どのHRV指標がストレス検出において重要かを解釈。

研究の結果

この研究で構築されたモデルは、高い精度で精神的ストレスを検出できることが確認されました。特に、ランダムフォレストモデルが最も高いパフォーマンスを示しました。説明可能性の分析により、特定のHRV指標がストレス検出において重要な役割を果たしていることが明らかになりました。例えば、低周波/高周波比（LF/HF比）や標準偏差（SDNN）などが、ストレス状態と強く関連していることが示されました。

さらに、SHAP値の解析により、モデルがどの特徴量を重視しているかが明示され、これによりモデルの決定プロセスが理解しやすくなりました。これにより、HRVに基づくストレス検出システムの信頼性と透明性が向上し、実際の応用においても重要な役割を果たす可能性が示唆されました。