私たちの周囲には無線信号が飛び交い、身体に反射しています。MITの研究者らは現在、こうした信号の反射を活用し、人々の行動や健康について、科学者や介護者に貴重な知見を提供しています。
Markoと呼ばれるこのシステムは、環境中に低出力の無線周波数（RF）信号を発信します。信号が動いている人に反射すると、特定の変化を伴ってシステムに戻ります。新たなアルゴリズムがその反射の変化を分析し、特定の個人と結び付けます。
次にシステムは、デジタルの間取り図上で各人の動きを追跡します。こうした動作パターンを他のデータと照合することで、人々が互いに、また周囲の環境とどのように関わるかについての知見が得られます。
今週開催されるコンピューティングシステムにおけるヒューマンファクター会議で発表予定の論文で、研究者らはシステムと、6か所での実環境における使用について説明しています。内訳は、高齢者向け介護施設2か所、カップルが暮らすアパート3戸、4人が居住するタウンハウス1戸です。事例研究では、無線信号だけをもとに個人を識別するシステムの能力が実証され、有用な行動パターンも明らかになりました。
ある高齢者向け介護施設では、患者の家族と介護者の許可を得て、研究者らが、理由も分からずしばしば興奮状態になる認知症患者をモニタリングしました。1か月にわたり、患者が居住ユニット内の各所を行き来する頻度が増えたことを測定しました。これは興奮状態を示す既知の兆候です。行き来の増加を面会記録と照合したところ、患者は家族の訪問後数日間に、より興奮していたことが分かりました。研究者らによると、これはMarkoが、患者の自宅での生活機能に関する健康状態を受動的に追跡する新たな手段となり得ることを示しています。
「データを通じて、興味深いことがいくつも分かりました」と、筆頭著者でコンピューター科学・人工知能研究所（CSAIL）の博士課程学生、Chen-Yu Hsu氏は語ります。「私たちは無線信号の海の中で暮らしており、移動したり歩いたりすると、こうした反射の仕方が変わります。人々の行動や健康をよりよく理解するため、反射を捉えるシステムを開発しました……」
研究を率いるのは、電気工学・コンピューターサイエンス分野のAndrew and Erna Viterbi教授であり、MIT無線ネットワーク・モバイルコンピューティングセンター（Wireless@MIT）の所長でもあるDina Katabi氏です。Katabi氏とHsu氏に加え、論文にはCSAILの大学院生であるMingmin Zhao氏とGuang-He Lee氏、同研究所の卒業生であるRumen Hristov氏（SM ’16）が参加しています。
「トラックレット」と個人識別の予測
Markoを家庭に設置すると、RF信号を発信します。信号が反射して戻ると、縦横の「フレーム」に分割された一種のヒートマップが生成され、3次元空間内の人の位置が示されます。マップ上では、人は明るい塊として表示されます。縦方向のフレームは身長や体格を捉え、横方向のフレームはおおよその位置を特定します。人が歩くと、システムは毎秒約30枚のRFフレームを分析し、「トラックレット」と呼ばれる短い軌跡を生成します。
画像処理によく使われる機械学習モデルである畳み込みニューラルネットワークは、トラックレットを使って、特定の個人からの反射を切り分けます。検知した個人ごとに、システムはその人の周囲に小さな円を描く「フィルタリングマスク」を2つ作成します。このマスクは基本的に円の外側の信号をすべて除外し、人が移動してもその人の軌跡と身長を捉え続けます。身長、体格、動きといった情報を組み合わせることで、ネットワークは特定のRF反射を特定の個人と結び付けます。
しかし、匿名の塊に個人の識別情報を付与するには、まずシステムを「学習」させる必要があります。数日間、各人が低出力の加速度センサーを装着します。これを使って、反射した無線信号にそれぞれの個人の識別情報を付与できます。学習時にMarkoは、実際の運用時と同じように、まずユーザーのトラックレットを生成します。次にアルゴリズムが、特定の加速度の特徴と動作の特徴を照合します。たとえばユーザーが歩くと、加速度は歩調に合わせて振動しますが、止まると平らな線になります。アルゴリズムは加速度データとトラックレットの最適な組み合わせを見つけ、そのトラックレットにユーザーの識別情報を付与します。こうしてMarkoは、どの反射信号が特定の個人に対応するかを学習します。
センサーは充電する必要がなく、学習後、個人が再び装着する必要もありません。家庭での使用では、新しい住居にいる個人の識別情報を85～95％の精度で付与できました。
適切な（データ収集の）バランスを取る
研究者らは、医療施設がMarkoを使って、たとえば患者と家族や介護者との関わり方、患者が時間どおりに薬を受け取っているかどうかを受動的にモニタリングすることを期待しています。たとえばある高齢者向け介護施設では、看護師が患者の部屋の薬品棚に立ち寄ってから患者のベッドへ向かった時刻を、研究者らが記録しました。これは、その時刻に看護師が患者に薬を投与したことを示していました。
このシステムは、心理学者や行動科学者が研究対象者の家族関係、日々の予定、睡眠パターンなどの行動データを集めるために現在使っているアンケートや日記に取って代わる可能性もあります。こうした従来の記録方法は不正確で、偏りが入り得るほか、数日または数週間前の行動を思い出す必要がある長期研究には適していません。動きや生体情報をモニタリングするため、ウェアラブルセンサーを人々に装着してもらう研究者も出てきています。しかし、特に高齢の患者は、装着や充電を忘れがちです。「研究者にとってより優れたツールを設計することが、ここでの動機です」とHsu氏は語ります。
カメラを設置するだけではだめなのでしょうか。まず、必要な情報をすべて人が見て、手作業で記録する必要があります。一方Markoは、動き、睡眠、交流といった行動パターンを、特定の場所、日付、時刻に自動的に結び付けます。
さらに、映像はよりプライバシーに踏み込むものだとHsu氏は付け加えます。「たいていの人は、特に自宅で常に撮影されることに、あまり抵抗がありません。無線信号を使ってこうした作業を行うことで、役立つ情報をある程度得ながら、人々に不快感を与えないという適切なバランスが取れます。」
Katabi氏と学生たちは、周囲の無線信号から呼吸数や心拍数を推定するこれまでの研究とMarkoを組み合わせる計画も立てています。そうすればMarkoを使って、こうした生体情報を該当する個人と関連付けられます。また、歩行速度を追跡することも可能です。歩行速度は、高齢患者の生活機能上の健康状態を示す優れた指標です。
「ここには計り知れない可能性があります」と、ケンブリッジ大学コンピューターサイエンス・テクノロジー学科のモバイルシステム教授、Cecilia Mascolo氏は語ります。「カメラによる撮像と比べて、情報量を抑え、より対象を絞って情報を収集するモデルであり、ユーザーのプライバシー保護の観点から非常に望ましいものです。一方、収集されるデータは依然として非常に豊富で、論文の評価では、多くの有用な応用を可能にする精度が示されています。たとえば高齢者介護、服薬遵守のモニタリング、さらには病院でのケアなどです。」
「ただし、コミュニティとして、この種の技術がもたらすプライバシー上のリスクを認識する必要があります」とMascolo氏は付け加えます。データのプライバシーを確保するため、特定の計算技術を検討すべきだと同氏は述べています。
