国立社会保障・人口問題研究所が調査した結果によれば、国内のカップルのうち3組に1組のカップルが子どもをなかなか授からないという「不妊」で悩んでいると言われている。また、婦人科系疾患で悩む女性も増えており、妊娠するために努力する “妊活” という言葉も普及。妊活をはじめ、女性の体調管理に重要な役割を果たすのが体温の変化。寝ている間に装着するだけでこれらのデータを測定してくれるアイテムが開発された。

女性の健康管理に欠かせないと言われる基礎体温の計測。しかし、毎日同じ時間、しかも寝起きでまだ体を動かしていない状態で測るのが良いとされるため、続けるには努力を要する。計測した体温を記録に残していくのも面倒なのだが、努力なくしてこれらを可能にしてくれるウェアラブル計測機の人気が高まっているという。アメリカやスイスに会社を置くAva Scienceが開発した「Ava（エイバ）」。シリコン製のブレスレットにはセンサーがついており、体温、脈拍、呼吸数、心拍変動、組織の毛細血管系の血流や睡眠リズムをはじめ、水分や汗の状態、熱放出量、睡眠時間や睡眠の質にいたるまで、さまざまなデータを測定してくれる。計測されたデータがスマホに転送されるため、記録も自動で残すことができる。

引用元：https://www.avawomen.com/ja/

引用元：https://www.avawomen.com/ja/

引用元：https://www.avawomen.com/ja/

同社によれば、月経周期が24日〜35日と安定している人ならば、妊娠可能期間についてかなり信頼できるデータが取れるという。妊娠可能な日数は通常、1周期に6日程度とされているが、従来より用いられている排卵日検査薬ではそのうち2日間ほどしか検知できない。しかし、スイスのチューリッヒ大学病院で行った同社の1年間にわたる臨床検査では、1周期中の妊娠可能日を平均5.3日検出することができた。正解率は89%。現在普及している排卵日検査薬よりもチャンス日を多く検出することができる。

排卵日検査薬は、尿に含まれる黄体ホルモン（LH）の量を測定することで排卵日を予測するもの。妊娠可能期間の後半1日から2日を検知できるとされている。しかし、検査するためには検査するタイミングを読み違えると正確なデータが得られないなど、検査するにも日々の検温など努力が必要だった。毎日寝る時に腕につけるだけでよい「Ava」は、手軽さの点でも勝る。また、これらのデータが役立つのは妊活だけではないだろう。妊娠中の体調管理をはじめ、生理前後におこる不調PMSを持つ人にとっては体調変化の兆しの予測にも役立ちそうだ。年齢とともに変化する女性の体。無理せずにできる健康管理デバイスとして、「Ava」は世界中の注目を集めている。

［TOP動画引用元：https://www.avawomen.com/ja/］

日本人の二人に一人はかかると言われているがん。あまりにも有名な話だが、その7割の患者さんが薬のマッチングでさまようと言われている。人間の経験値だけではたどり着けない薬との素早いマッチングを探る仕組みが開発途上にある。スーパーコンピュータを用いて患者のデータを解析し、それぞれの体質に合った薬の処方をより敏速に行えるようにしようという取り組みだ。創薬分野でこの研究を進める京都大学大学院医学研究科 人間健康科学系専攻 ビッグデータ医科学分野の奥野恭史教授にHERO X 編集長 杉原行里がお話を伺った。

―医療ビッグデータを使った研究とは、具体的にはどういうことなのでしょうか。ビッグデータで医療はどう変わると思われていますか。オーダーメード医療などに発展するのでしょうか。

奥野：現状の医療はオーダーメードちっくなのですが、オーダーメードではない。たとえば、がんの治療で使われる抗がん剤でいくと、抗がん剤として売られて、抗がん剤として皆さん飲んでいるのだけれど、75％の患者さんは効いていないんです。効いていないのに投与されている。場合によっては副作用も出るという状態です。その方の体質に一番効くものが選ばれないといけないのですが、それが今は投与の前には分からない。だから医師の見立てで「これはどうかな」と試していくしか方法がないのです。これはこれで、お医者さんの経験に基づくすばらしいことなのですが、それでも、抗がん剤でいえば75％は効かないということが現状としてあるわけです。医療のビッグデータを使った薬のマッチングは、個人の体質を計測し、その人の特性を科学的にデータとして取っておき、これを踏まえて、その人の体質に一番適した薬はどれかという判断をできるようにするものです。

―病気にかかった時にどうかということだけではなく、かかる前からの生活や、体質などが、データとして必要になるということですか？

奥野：全てほしいですね。私的に言うと、取れるデータはすべて取ってほしいなというのが本音です。非侵襲的にデータが計測できるか、また個人情報などのこともあり難しい部分です。しかし、どういう食事をとって、どういう生活をしてきてというデータが蓄積されたものがあってはじめて「この特徴ならこの抗がん剤が効くだろう」というマッチングができる。一番わかりやすいのは遺伝子なのですが、父親と自分にはこの薬が効いている、でも母親は効いていないとなったら、父親と私の遺伝子にはあって、母親にない遺伝子に薬が効かない要因があるという仮説がたてられるようになります。一つ一つそういうピースが埋まっていけば、やがて個人個人に合ったものが提供できるようになる。ですが、それって無限大のパズルですよね。

―すごい数ですよね

奥野：どこまでいっても答えはないのですが、それに向かってデータ、知識を蓄えることで未来の患者さんに最適なものが提供できるようになるやろうということで研究を進めているところです。

理化学研究所と富士通が共同で開発したスーパーコンピュータ「京」。1秒間に1京回、つまり、10の16乗回というとてつもなく速い計算能力を持つ。奥野研究室では、薬効を一つずつ実験で確かめるのではなく、このスーパーコンピュータを使ってコンピュータ上で薬剤の結合をシミュレーションすることで創薬にかかる時間の削減がはかれないかと研究している。

マッチング率50％はもう目の前
医術の限界をデータが補う

―現在25パーセントのマッチング率を50％に高めるということが最初の目標でしょうか。

奥野：そうですね、それはもうそう遠くない未来で可能だと思います。世界がそういう方向に動いていくので。AIとかに自分自身は興味があるのですが、AIも母体となるのはデータです。そのデータをちゃんと集められるかという方が今は大事です。幸いにしてゲノム、遺伝子の情報に関しては世界規模で集めていきましょうという流れがあり、それを医療に活かしていきましょうという流れでますます加速されると思います。

「医学は科学ではなく、医術だよね」とよく言うのですが、人の経験に基づいて組み立てられてきた節が強い。○○先生がこう言っていたとか、論文を書いたりしながら先人たちが残してきてくれた経験を積み重ね、今それをもとに教科書を作ったり、学問として体系化されているのですが、科学的客観性はどこまであるかというのは疑問に思う部分もある。たとえば、「検査値をどう見ておられますか」とある医師に聞いた時に「相対的に下がっていればOKだよ」と言われることがあります。あれ、ちょっと待ってよ、絶対値は？と思うことがあるわけです。血圧がいい例です。これ以上になったら気をつけましょうという基準がありますが、検査する機器によって違いが出ることもあります。一般の方の知らないレベルでの客観性が薄い部分があります。こうしたことは、本当はデータを取っておけば客観性をもたせられる部分もあるわけです。

― 可視化ができるということでしょうか

奥野：なぜ、医学が科学的客観性ができなかったかというと、一番の大きなところは、医学は人を扱う学問だからというところです。人で実験はできませんよね。マウスを使った実験がされていて、データもたくさん存在して、エビデンスが取られているから資料として扱えるのですが、人でデータが取れないというのがこれまでの医学の世界だった。ビッグデータというのはまさに、その「人」からいろんなデータを取りましょうということです。そのためのいろんなデバイスが開発されていて、取れる状態になりつつあります。人の計測データが山ほど出てくるようになりました。やっと客観的に判断できるだけの材料がそろい始めているのです。

―すごくロジカルになりますよね。

奥野：おっしゃる通りで、計測をする機器を創る方たちはどういうかというと、「そんなので測っても計測の値が信用できないよ」というんですよね。まあ、それはそうなんだけど、例えば血圧の高い方が低くなると、「あなた、この血圧でヤバいですよ」と言われても、その人の体は血圧が高いのが普通という状態に慣れている。それが低くなったときの状態の方が、その人の体感としてははるかにしんどいということもあるわけです。血圧が135ですといったところで、今、135ということに何の意味もなくて、むしろ、前にいくつで今135なのかという違いの方が興味深いところです。時系列でモニタリングすることの方が大事だと思います。

（奥野恭史教授×杉原行里対談 vol.2はこちら）

奥野恭史
1993年京都大学薬学部卒業、同大学院薬学研究科にて博士（薬学）取得。京都大学大学院医学研究科特定教授を経て、2016年、京都大学大学院医学研究科人間健康科学系専攻ビッグデータ医科学分野教授、現在に至る。神戸医療産業都市推進機構先端医療研究センターグループリーダー、理化学研究所計算科学研究センター客員主管研究員等を併任。創薬計算科学、ビッグデータ医科学の研究に従事。

（TOP画像提供：理化学研究所）