顔面ビデオフォトプレチスモグラフィによる心拍変動の推定
Shen.AI の顔スキャン技術は、1 分間の動画から HRV を高精度で推定します。パイロット研究における心電図との強い相関関係。
1分間の顔スキャンによるHRVのモニタリング—検証研究
顔をスキャンするだけで心拍変動（HRV）を確実に測定できますか？新しい検証研究では、それが可能であり、しかも非常に正確であることが示されています。ポーランド科学アカデミーとヴロツワフ医科大学の研究者は、Shen AI のビデオ PPG 技術を心電図測定値と照らし合わせ、2 つの主要な時間領域の HRV 指標に焦点を当ててテストしました。
重要な洞察
- 心電図との強い相関関係: Shen.AI のフェイシャル vPPG テクノロジーによって推定された HRV 指標は、心電図の結果と強く一致していました (SDNN では r = 0.98、lnRMSSD では r = 0.88)。
- 高精度：平均絶対誤差率（MAPE）は、SDNNで11.0％、LNRMSSDで7.3％でした。これは、臨床応用の許容範囲内です。
- 1分間のスキャンで動作：この調査により、1分間の顔スキャンによる短期間のHRV推定が可能であることが確認されました。これは、従来5分以上かけてキャプチャされていた指標でも同様です。
研究紹介
以下は、「顔面ビデオフォトプレチスモグラフィを用いた心拍変動の推定：パイロット検証研究」の論文の抜粋です。
ビデオフォトプレチスモグラフィー（vPPG）は、リモートまたはイメージングフォトプレチスモグラフィーとも呼ばれ、皮膚血管系の血液脈動を記録する光学技術であり、バイタルサインやその他の生理学的パラメーターの推定に使用できます。具体的には、vPPGは、表在血管の周期的な脈動によって表在血管の血液に吸収される光量の変化によって生じる皮膚から反射される環境光の強度の変動を記録できます。これらの変動は肉眼では見えませんが、通常はデジタルカメラで検出できるほど強いため、vPPGでは特別な光源を必要とせず、カメラを光センサーとして使用することなく、非接触でPPG信号を記録することができます。これにより、スマートフォン、タブレット、ラップトップなどのモバイルデバイスに内蔵されたカメラを使用して、さまざまな生理学的パラメーターを測定または監視することができます。
標準のPPG信号と同様に、vPPG信号を使用して連続する血液脈動の時間間隔を推定できます。これは、心拍間の時間間隔と比較的似ています（ただし、厳密には同じではありません）。これらの時間間隔は、その後、心拍数（HR）のほか、連続する心拍間の時間間隔の変動を示すさまざまな心拍変動指標（HRV）の計算（推定）にも使用できます。HRVは自律神経系活動のマーカーとしてよく知られており、さまざまな用途に使用されています。HRVの低下は、心臓の自律神経調節の適応性が低い（つまり、さまざまな刺激に反応する能力が損なわれている）ことを示し、心血管イベントや死亡の独立したリスク因子です。HRVが低いと、高血圧や心血管疾患を発症するリスクも高くなります。
HRVは、冠状動脈疾患が知られていない患者の心筋虚血のリスク、慢性腎疾患患者の腎機能低下のリスク、転倒のリスクなど、さまざまな有害事象のリスクを予測するためにも使用できます。HRVは、臨床応用以外にも、特に長距離ランニング、水泳、サイクリング、ボート、クロスカントリースキーなどの持久力スポーツだけでなく、他のスポーツにおけるアスリートのトレーニングと回復プロセスの監視と管理にも使用できます。
本研究では、Shen AI (エストニア・タリン) が開発した Shen.AI Vitalsという顔のvPPG技術を用いて推定したHRV指数を調べた。このテクノロジーは、モバイルデバイスのカメラを使用して、顔の複数の領域から1分間のvPPG信号を取得し（顔の皮膚から反射される周囲光の強度の脈動変化を検出することにより）、これらの信号を分析して、HRV指数（SDNN、つまり連続する正常な心拍間の時間間隔の標準偏差（デフォルト）、またはlnRMSSD、つまり、HRV指数などのさまざまな生理学的パラメーターを推定します。ハートビート間の時間間隔の連続的な差の二乗平均二乗の自然対数 (オプション)。
SDNNは時間領域で最も一般的なHRV指標であり、特定の期間における拍間時間間隔の全体的な変動（標準偏差で定量化）を捉えるため、現在の心臓および自律神経系の活動を総合的に測定できます。次に、RMSSDは連続する拍間時間間隔の変動を定量化し、副交感神経系の活動を主に（排他的ではありませんが）反映する高周波HR振動に焦点を当てます。より正規な分布を得るには、HRV 指数の対数を取るのが一般的な方法です。特に、RMSSD (lNRMSSd) の自然対数は、迷走神経に関連したフィジカルトレーニングへの適応やトレーニング後の回復のモニタリングによく用いられます。
私たちの研究の目的は、スマートフォンのカメラで記録されたvPPG信号に基づいて、Shen.AI Vitalsアルゴリズムによって推定されたSDNNおよびlnRMSSD値の精度と精度を、同時に記録された心電図（ECG）から得られた基準値と比較して調査することでした。
研究詳細
タイトル: 顔面ビデオフォトプレチスモグラフィを用いた心拍変動の推定:パイロット検証研究
著者: レシェク・パストラス、ティモテウシュ・オクルニク、ベアタ・ポニコフスカ、バルトロミエ・パレチヌイ
機関: ナレツバイオサイバネティクス・バイオメディカルエンジニアリング研究所、ポーランド科学アカデミー、ヴロツワフ医科大学
2025年2月16日に公開されました
More blog posts
Sagittis et eu at elementum, quis in. Proin praesent volutpat egestas sociis sit lorem nunc nunc sit.
How digital-first life insurers are rethinking underwriting
Digital underwriting often relies on self-reported data that limits accuracy from the start. This webinar recap explores how Lyfery integrated camera-based health measurement to improve data quality, strengthen risk models, and enable more reliable, behavior-based insurance.
The heart attack risk women are told isn’t there
Heart disease is still the leading cause of death in women, yet awareness is falling and research gaps persist. This article explores why cardiovascular risk in women is often underestimated, how symptoms and diagnosis differ, and what new research reveals about the unique factors shaping women’s heart health.
Inside the health data ecosystem: Why more signals still don’t mean better insight
We collect more health data than ever before, yet meaningful insight often remains out of reach. This article explores the fragmentation of the health data ecosystem, the limitations of wearables, and why true value lies not in more signals, but in smarter integration.