Apple WatchとWhoopの9.5年分のヘルスデータをClaude Codeに投入し、機械学習モデルを構築して甲状腺疾患（グレーブス病）の発症を予測できるようになったという驚きの事例が報告されています。検証精度98%、症状が現れる3〜4週間前にアラートを出せるシステムを個人で構築したこの事例は、AIと個人の健康管理の新たな可能性を示しています。
この記事のポイント
- Apple Watch + Whoopの9.5年分データでML予測モデルを構築
- 複数のMLモデルを比較検討し、XGBoostで98%の検証精度を達成
- 症状出現の3〜4週間前にアラート可能、バックテストでも有効性を確認
- iOSアプリ化してリアルタイム監視、GitHubでオープンソース公開
グレーブス病と予測の難しさ
投稿者が患っているグレーブス病は、甲状腺機能亢進症の一種で、エピソード的に発症するのが特徴です。慢性疾患と異なり、発症タイミングが予測しづらく、薬の調整が後手に回りがちな難しい病気です。症状が現れてから血液検査で確認するまでに時間がかかり、その間に状態が悪化してしまうことも珍しくありません。
このような状況を改善するため、投稿者は長年蓄積してきたウェアラブルデバイスのヘルスデータを活用することを思いつきました。Apple WatchとWhoopには、心拍数、心拍変動、睡眠パターン、活動量など、健康状態を反映する膨大なデータが記録されています。
Claude Codeによる機械学習モデル構築
Claude Codeに9.5年分のヘルスデータを投入し、甲状腺疾患の発症フェーズを検出するMLモデルの構築を依頼しました。Claude Codeは複数の機械学習アルゴリズムを試行し、最終的にXGBoostが最も高い性能を示したとのことです。この処理には1時間以上かかったそうですが、人間が手作業で行えば数日から数週間かかる作業を自動化できたことになります。
特筆すべきは、Claude Codeが単にモデルを構築するだけでなく、新しいアプローチを提案し、特徴量エンジニアリングの決定を自ら行ったという点です。人間のデータサイエンティストのように試行錯誤を重ね、最適な解を探索したのです。
驚異的な予測精度
構築されたモデルは約98%の検証精度を達成しました。さらに重要なのは、実際の過去のエピソードに対してバックテストを行った結果、8月末に血液検査で確認されたエピソードを、8月初旬の段階で予測できていたという点です。つまり、3〜4週間前に警告を出すことができたのです。
この「早期警告システム」があれば、症状が悪化する前に医師に相談し、投薬調整を行うことができます。慢性疾患の管理において、この先手を打てる能力は生活の質を大きく向上させる可能性があります。
iOSアプリ化と実用化
投稿者は構築したモデルをシンプルなiOSアプリに組み込み、いつでもリスク評価を確認できるようにしました。ウェアラブルデバイスからのデータが自動的に取り込まれ、モデルが継続的に評価を行います。異常な兆候が検出されれば通知を受け取ることができます。
多くの人がこのアプローチに関心を示したため、投稿者はClaude Codeのセットアップを含むリポジトリをオープンソースで公開しています。同様の健康課題を抱える人々が、自身のデータを使って予測モデルを構築できるようになっています。
知っておくと便利なTips
- 十分なデータ量が重要: 9.5年という長期間のデータがあったからこそ、パターン認識が可能でした。ウェアラブルデバイスのデータは継続的に蓄積しておくことをお勧めします
- 複数モデルの比較: Claude Codeに「すべてのMLモデルを試して」と指示することで、最適なアルゴリズムを自動的に選択させることができます
- バックテストの重要性: モデルの構築後、過去の既知のイベントに対してテストを行うことで、実際の予測能力を検証できます
- 医療判断への注意: このようなツールは補助的なものであり、医師の診断や治療方針を置き換えるものではありません。異常を検知したら必ず医療専門家に相談してください
まとめ
この事例は、Claude Codeが単なるコーディング支援ツールを超え、データサイエンスのワークフロー全体を自動化できる可能性を示しています。専門的なML知識がなくても、適切なデータとClaude Codeへの明確な指示があれば、実用的な予測システムを構築できるのです。健康管理、金融予測、ビジネス分析など、様々な分野での応用が期待できます。自分だけのデータを活用したAIシステムを構築する時代が、確実に近づいています。
📎 元記事: https://www.reddit.com/r/ClaudeAI/comments/1qi8x0r/i_gave_claude_code_95_years_of_health_data_to/
コメント