「10年後の自分の体は、今日のデータに宿っている」——そんな未来が、現実味を帯びてきました。
NECと弘前大学が、AIと20年分の健康ビッグデータを組み合わせ、個人ごとの「未来の健康」を予測する技術の検証に成功しました。
2026年3月23日、NECと弘前大学は、2024年11月から2026年2月にかけて、NECの長期予測AIと弘前大学COI-NEXT拠点が保有する健康ビッグデータを活用し、約10年先の健康リスクを個人ごとに予測する共同検証を実施したと発表した。
検証では、60〜65歳時点の健康データを起点に、3年後・6年後・9年後の血圧・血糖・脂質・BMI・握力・歩行速度・認知機能などを予測した。予測値と実測値の相関係数は0.67で、従来手法の0.13から大幅に向上した。活用した健康ビッグデータは、弘前大学が20年以上にわたり実施してきた「岩木健康増進プロジェクト」によるもので、約3,000項目・延べ3万人分のデータから成る。
From: 
NECと弘前大学、AIと健康ビッグデータを活用し、約10年先の健康リスクを個人ごとに予測する検証を実施
【編集部解説】
今回の発表で特に注目すべきは、「長期追跡データがなくても予測できる」という点です。通常、ある個人の10年後の健康状態を予測しようとすれば、同じ人を10年間継続して追い続けたデータが必要です。それがいかに困難で、コストのかかる作業であるかは、想像に難くありません。
NECの長期予測AIはその常識を覆します。「今の60歳は、10年後には今の70歳に近い状態になる」という集団的な傾向を、最適輸送アルゴリズムという数学的手法で定式化することで、単年度データの積み重ねから個人の未来を推定します。これは、気象予報が過去のデータパターンから明日の天気を導き出すのと概念的に近く、「データの代替による予測」という発想の転換です。
予測精度の評価指標である相関係数0.67という数値は、どう読むべきでしょうか。統計学的に0.67は「中程度から高い相関」とされます。完璧な予測（相関係数1.0）には及びませんが、従来手法の0.13と比べると、飛躍的な改善であることは明らかです。つまり「完璧ではないが、使える精度」という段階に初めて到達したと理解するのが適切です。
この技術が社会に実装されたとき、何が変わるでしょうか。個人レベルでは、たとえば60歳の健診時に「あなたは9年後に認知機能が低下するリスクが高い」という予測を受け取り、今から具体的な予防行動を始めるきっかけになります。自治体レベルでは、地域全体の健康状態の未来予測にもとづいて、医療資源の配分や予防施策の優先順位を合理的に設計できるようになります。
一方で、冷静に見ておくべき課題もあります。今回の検証はあくまで60〜65歳のコホート（集団）を対象としたものであり、若い世代や他地域への汎用性はこれからの課題です。また、約3,000項目・延べ3万人という弘前の健康ビッグデータは、専門家が「世界に類を見ない」と評する特別なデータセットであるがゆえに、同等のデータが存在しない環境でこの技術をどう展開するかは、社会実装における現実的な壁となりえます。
プライバシーと倫理の問題も、見過ごせません。「10年後に認知症になる可能性が高い」という予測が保険や雇用の判断材料に使われるリスクは、技術の普及とともに現実的な脅威となります。欧州のGDPRのようなデータ保護規制の文脈でも、予測医療AIに対するガイドラインの整備が今後急務となるでしょう。日本においても、次世代医療基盤法の運用や個人情報保護法の改正議論と連動した制度設計が問われてくるはずです。
なお、今回の研究は特許出願中の段階であり、商用化・社会実装の時期は未定です。「検証で精度を確認した」という段階を、「すでに使えるサービスが登場した」と読み違えないよう、注意が必要です。
長期的な視点で見れば、この取り組みは「治療医療から予防医療へ」という世界的なパラダイムシフトの、日本における重要な一里塚といえます。Nature Biotechnology誌が2026年2月号でAIによる疾病予測の進展を特集したように、この分野はグローバルで急速に動いています。日本発の技術がその最前線に並んでいることは、素直に評価に値します。
【用語解説】
最適輸送アルゴリズム（Optimal Transport Algorithm）
あるデータの分布を別の分布へ「移し替える」際に、分布間の差が最小となるよう各データ点を数学的に対応付ける手法。本来は物流の最適化問題を解くための理論に由来し、近年は画像処理・機械学習など幅広い分野で応用されている。今回はこの手法を使って、異なる年代の人々の健康データを「橋渡し」することで、個人の将来の健康変化を推定している。
相関係数
2つのデータの間にどれだけ強い関係があるかを示す指標。−1から1の範囲で表され、1に近いほど正の相関が強く、0に近いほど関係が薄いことを意味する。一般的に0.6以上は「中程度から高い相関」とされる。今回の検証では予測値と実測値の相関係数が0.67であり、統計的に十分な精度を持つと評価できる。
コホート
ある共通の特性（年齢、出身地、疾患歴など）を持つ集団を一定期間にわたって追跡調査する研究手法、またはその対象集団のこと。医学・疫学研究で広く使われる概念。今回の検証は60〜65歳という年齢帯のコホートを対象としており、この年齢層以外への汎用性は今後の課題とされている。
GDPR（General Data Protection Regulation）
2018年に施行された欧州連合（EU）の個人データ保護規則。個人の同意なしにデータを収集・処理することを厳しく規制しており、違反した場合は全世界年間売上高の4%、または2,000万ユーロのいずれか高い方の制裁金が科される。予測医療AIの普及に伴い、健康データの取り扱いに関するGDPRの適用範囲が世界的に注目されている。
COI-NEXT（共創の場形成支援プログラム）
文部科学省と国立研究開発法人科学技術振興機構（JST）が実施する、大学を核とした産学官連携の研究拠点形成を支援するプログラム。弘前大学は2022年10月に採択され、健康ビッグデータを活用したヘルスケア産業の創出と地域のwell-being実現を目指している。
【参考リンク】
日本電気株式会社（NEC）公式サイト（外部）
NECの公式サイト。ヘルスケアAIや生体認証をはじめとする先端技術の研究開発・ソリューション情報を網羅的に掲載している。
弘前大学健康未来イノベーション研究機構（COI-NEXT拠点）（外部）
弘前大学COI-NEXT拠点の公式サイト。岩木健康増進プロジェクトを中心に、産学官連携の研究活動と成果を詳しく紹介する。
岩木健康増進プロジェクト（公式ページ）（外部）
2005年から20年以上続く大規模健康診断の公式ページ。約3,000項目・延べ3万人分のビッグデータの背景を詳述している。
【参考記事】
AI tool predicts over 1,000 diseases years before they happen（Nature Biotechnology）（外部）
AIが1,000種類以上の疾患を数年前に予測できる可能性を特集。予測医療AIのグローバルな最前線を報じるNature Biotechnology誌の論文。
NECと弘前大、AIと健康ビッグデータを活用し約10年先の健康リスクを個人ごとに予測する検証を実施（日本経済新聞）（外部）
今回の発表を報じた日経記事。相関係数0.67など主要数値を正確に伝え、事実確認の参照元として活用した。
岩木健診20年 ビッグデータに世界が注目（陸奥新報）（外部）
岩木健康増進プロジェクト20周年時点の詳細レポート。ビッグデータの規模や世界的注目度について詳しく伝えている。
青森県弘前市で進む一大健康革命 仕掛け人が語る「次の10年」の戦略とは（未来コトハジメ／日経BP）（外部）
弘前大学COI拠点の研究機構長へのインタビュー記事。岩木健診データの世界的希少性と産学官連携の実態を詳述している。
Recent Advances in Optimal Transport for Machine Learning（arXiv）（外部）
最適輸送アルゴリズムの機械学習への応用を解説した学術論文。NECの長期予測AIが採用する技術の学術的背景として参照。
【編集部後記】
「10年後の自分の健康」を、今日の健診データから知ることができたら、あなたは何を変えますか？
私たちも、この問いに対する答えをまだ持っていません。ただ、技術が「未来を選ぶ自由」を個人に渡しつつある時代が、静かに始まっているのかもしれない、そんな予感を覚えています。みなさんはどう感じましたか？
