バイタルサイン再構成モデル PENGUIN
PENGUINは、ニューロジカが開発した、脈波(PPG)からバイタルサインの波形を再構成する生成モデルである。信号処理分野のトップカンファレンスであるICASSP 2026に採択された。心電図(ECG)・呼吸・動脈血圧(ABP)という3種類のタスク、6つの実データセットで評価し、8指標のうち7つで既存手法を上回る最高精度を達成している。
なぜPPGなのか
PPGは、光で血流の変化を測るセンサーである。腕や指に当てるだけで測定でき、スマートウォッチや指輪型デバイスにも組み込まれている。非侵襲で低コストなため、日常生活の中で心血管の状態を連続的に見守る手段として有力である。
一方で課題も大きい。PPGは体動やノイズの影響を受けやすく、そこから血圧などのバイタルサインを正確に推定するのは難しい。既存手法の多くは特定のタスクや環境に特化しており、汎用性に欠ける。複数のバイタルサインを扱う近年のモデルも、数秒間隔の離散的な数値を予測する方式が中心で、波形の形そのものを捨ててしまう。心電図の鋭いピークや血圧波形の振幅など、波形の形には臨床的に重要な情報が含まれている。
PENGUINの設計
PENGUINは、ノイズから目的の波形へ変換する経路を学習する「フローマッチング」という生成手法を土台に、長い系列の時間依存を捉える状態空間モデル(S5)を拡張した。中核となる仕組みは2つある。
波形を波形のまま生成する。 数値の列ではなく連続した波形そのものを生成するため、心電図のQRS波の鋭さや呼吸のリズム、血圧の振幅といった形の情報が保たれる。フローマッチングの採用により、少ないサンプリングステップで高品質な波形を生成できる。
時刻ごとにPPGで条件付ける。 PPGとバイタルサインを2本のストリームで並行して処理するFlow-SSMブロックを設計し、各時刻の出力にPPGの情報を直接加算する。PPGの脈のピークと心電図のR波のように、2つの信号は時間的に揃っているため、この時刻単位の条件付けが波形の対応関係を正確に捉える。
結果
心電図の再構成(PPG-DaLiA・WildPPG)、呼吸のモニタリング(BIDMC・WESAD)、血圧のモニタリング(UCI-BP・MIMIC-BP)の6データセットで、タスク特化型の専門モデルと汎用モデルの双方と比較した。PENGUINは8指標中7で最高精度を達成し、特に血圧では誤差を大きく削減した。再構成された波形は、心電図の鋭いピークやPPGの周期とは異なる呼吸のリズムを正しく再現しており、離散値を予測する既存の汎用モデルとの差は定性的にも明確である。
この研究が意味すること
日常のウェアラブルデバイスで取れるPPGから、これまで専用の医療機器でしか得られなかった波形レベルのバイタルサインへ。PENGUINはその変換を1つのモデルで担う枠組みであり、非侵襲・連続的な健康モニタリングの土台となる技術である。医療・ヘルスケア分野で当社が進める、生体信号のAI研究開発の中核を成している。