研究・雑学

30秒の声で病気がわかる？研究を妨げた“用語のカオス”に終止符

2026年07月30日 00:45

「声を録音するだけで、アルツハイマー病やパーキンソン病、うつ病、心不全がわかるかもしれない」――そんな未来がずっと研究されてきた。でも、ちょっと待ってほしい。研究者たちは同じ現象を調べているのに、使う言葉がバラバラで、結果を比較したりデータを共有したりできず、規制当局を納得させるのも難しかったのだ。

この問題を解決するため、北米と欧州の24人の国際的な専門家が集まった。彼らは「声に基づく健康測定」の定義を統一するための枠組みを作り上げ、学術誌『Digital Biomarkers』に発表した。これがどれほど重要な一歩か、ちょっと想像してみてほしい。

これは高圧洗浄機と同等の強さで、電力不要BlastPro

例えば「ボーカルバイオマーカー」という言葉。ある研究者は声帯の物理的な特徴を指し、別の研究者は文のリズムを意味し、さらには単語の選び方や感情のトーンを指す人もいた。「音声バイオマーカー」「スピーチバイオマーカー」「ボーカルバイオマーカー」が同じ意味で使われているようで、実は体と脳の別々の部位から出る測定値を指していたのだ。この混乱のせいで、研究同士の比較ができず、データ統合もままならなかった。FDA（アメリカ食品医薬品局）やEMA（欧州医薬品庁）だって、矛盾だらけの説明では承認しようがない。

そこで立ち上がったのが「VOCALイニシアチブ」（Vocal Biomarker Guidelines for Ontology, Classification, Application, and Logistics）。参加者はBridge2AI Voice Consortium（北米）とeVoiceNet（EU）という二つの国際研究ネットワークから集まった。2024年から2025年にかけて、5回の正式なレビューとフィードバックを経て、2025年のBridge2AI Voiceシンポジウム（タンパ）で対面ワークショップを開催。各定義案に対し、25％以上の反対があれば再検討するという厳しいルールで合意を形成した。

できあがったのは、単なる用語集ではない。声の健康シグナルを「レベル0」から「レベル4」までに階層化したフレームワークだ。レベル0は基本定義（バイオマーカーとは何か、デジタルバイオマーカーとは何か、ボーカルバイオマーカーとの違いなど）。レベル1は呼吸に関連する音――咳の音響特性や、息継ぎによる発話の中断。例えば、咳の音が異常に弱いと呼吸筋の衰えが疑われる。レベル2は声帯そのもの――声の高さや明瞭さ。パーキンソン病では声の高低差がなくなり、単調な話し方になる。レベル3は舌や唇、軟口蓋を使った言葉の形成。ALS（筋萎縮性側索硬化症）では、これらの筋肉の弱りが音節のタイミングや明瞭さに影響する。レベル4は選ぶ単語や文の構成、感情のトーン。アルツハイマー病患者の語彙減少や、言語障害者の単純化した文構造がここに該当する。

ただし、各レベルは絶対的な壁ではない。例えば声の高さは、ある状況では声帯の物理的問題（レベル2）の指標になり、別の状況では精神状態（レベル4）の指標になりうる。文脈次第なのだ。

このフレームワークが特に重要視されるのは、AIの「ブラックボックス」問題に対処できる点だ。AIは大量の音声データからパターンを抽出できるが、その判断根拠が不透明で、医師や規制当局が信頼しにくい。新しい枠組みを使えば、「このAIはどのレベルの声の特徴を測定しているのか？」と具体的に問い詰めることができる。

もちろん、完璧ではない。研究者自身も認めているが、これは定義の枠組みであって、データ収集の標準化や臨床ツールの承認手順を定めたものではない。異なるデバイス、環境、言語、文化で録音された声のばらつきには対応できていない。特に、この枠組みは主に欧米の言語・臨床伝統に基づいており、アフリカ、アジア、ラテンアメリカの多様な人口への適用は今後の課題とされている。

それでも、研究者たちは「この一歩なしには、次の難しい作業に進めなかった」と語る。声の健康診断ツールの開発が停滞していたのは、科学が足りないからではなく、みんなが「レンガ」の定義を決めずに積み上げようとしていたからだ。今回の合意はゴールではなく、スタートの合図。30秒の声で病気がわかる未来は、もうすぐそこまで来ているかもしれない。