女性の腹筋写真から体脂肪率を推定する技術は、どんな人で確かめられたのか。スマートフォン画像の検証研究を手掛かりに、学習用とテスト用の違い、女性を含む集団の読み方、繰り返しの安定性と測定法の一致を整理し、自分に数字を当てはめる前の確認点を考える。
腹筋写真の横に体脂肪率が添えてある。その数字は、自分の写真にも当てはまるのだろうか。写真の横に数字があれば、目で見た印象より確かな情報に見える。けれど、まず確かめたいのは腹筋の線の濃さではない。その数字を出す仕組みが、どんな人で試されたかだ。
写真から体脂肪率を推定する技術には、基準となる測定法とよく一致した検証研究がある。一方、別のスマートフォン画像アプリの研究では、女性で体脂肪率を高めに推定する傾向が報告された。写真による推定を一括して正しい、あるいは間違いと決めず、使った仕組みと検証対象を組にして読む必要がある。[3][4]
既存記事「体脂肪率は女性の写真から分かる？画像推定の平均誤差と自分のずれを読む」には誤差の大きさの読み方を譲る。ここで問うのは、研究の参加者で確かめた性能を、自分にも持ち込めるかである。女性の腹筋は何キロで見えるかという目標表を作るのではなく、数字が届く範囲を見定めたい。
腹筋写真の判定は、どの仕組みの成績なのか
体組成とは、体を構成する脂肪や脂肪以外の成分などを捉える考え方である。体組成測定技術のレビューは、画像を使うスマートフォンの方法を、電気の流れを利用する方法や画像検査などと並べて扱い、精度と便利さにそれぞれ利点がある一方、異なる集団での信頼性と適用には課題があると整理している。[2]
この整理から始めると、スマートフォンで使えることと、誰にでも同じ精度で使えることを分けやすい。便利さは、測る場所や手間の話である。自分への当てはめは、その方法が誰を対象に評価されたかという話だ。道具が身近でも、検証した集団と自分との距離は別に確認する必要がある。[2]
研究で扱われた画像推定と、投稿写真を見て人が体脂肪率を当てる行為も区別したい。成人134人の検証研究が調べたのは、通常のスマートフォンで撮った平面的な写真を入力し、画像の特徴を処理する仕組みで全身体脂肪率を推定する方法である。腹筋の線だけを人が眺める早見表の検証ではない。[4]
つまり、「写真で測った」という説明だけでは対象となる技術を特定できない。研究に登場する画像推定法の名前、比較相手、対象者を読み、その方法の成績として受け取る。自分が見ている数字と研究の数字が同じ方法に由来するかを確認してから、精度の話へ進む。この順序なら、別の仕組みのよい成績を借りて安心することを避けられる。[3][4]
写真の見た目が似ているから同じ数字、という連想もいったん保留する。画像から全身の体脂肪率を推定した研究と、体型の特徴を分類した研究は、答えようとする問い自体が異なる。似た画像技術でも、何を正解として学習し、何を当てたかをそろえないと性能の比較にならない。[4][5]
初日の汗は、予約した人だけが持ち帰れる。
学習した人と、答え合わせをした人を分ける
学習とテストを分けた具体例として、単眼カメラを用いた立体的な体の計測から、体型の特徴を推定した研究がある。開発のための学習・検証には46人、評価のテストには別の17人のデータを用いた。画像から体の形の特徴を取り出し、その特徴から予測した体型を、手作業による計測と比較した研究である。18〜39歳の女性への適用を考えるには、体型分類の評価と体脂肪率の評価を分ける必要がある。[5]
ここで学習用とは、予測の仕組みを作るために使うデータのことだ。テスト用は、できあがった仕組みが答えを出せるか評価するためのデータである。同じ研究でも役割が分かれている。人数が書かれていたら、単に全部を合計して大きい研究だと見るのでなく、どの役割に何人が使われたかを見ると、成績の意味が具体的になる。[5]
ただし、この研究が推定したのは、体の形や構成を特徴づける体型分類の値である。報告された平均誤差0.8を、体脂肪率が0.8ポイントずれるという意味には置き換えられない。体型分類を当てる研究の数字を、そのまま女性の腹筋写真の体脂肪率判定の保証に使うことはできない。[5]
研究者は、大きなデータで現在のモデルを改善した後に、従来の体型評価に代わる方法となり得ると述べている。よい成績が得られたことと、どんな体型にも完成した道具になったことは同じではない。評価用の人を分ける手続きは大切だが、それで今後出会うすべての人まで確かめ終えたことにはならない、という読み方が必要だ。[5]
読者の側で、学習に使った体型の全体像を自力で推測する必要はない。「学習用とは別の人で試したか」「その人はどんな集団か」「推定対象は体脂肪率か、それとも別の体型指標か」と確認すればよい。写真の技術という共通点よりも、研究が実際に答えた問いを優先するのである。[4][5]
女性が参加していても、自分と同じ集団とは限らない
スマートフォンカメラを使った2022年の検証研究には、健康な成人134人が参加した。年齢は21〜76歳で、女性は61.2%だった。体格指数であるBMIの範囲は18.5〜51.6であり、参加者は異なる体格を含んでいた。人種構成も報告され、白人が60.4%、黒人が23.9%だった。中高年や男性も含む集団の結果なので、18〜39歳の女性にそのまま当てはめるには、その層での性能を別に確かめたい。[4]
幅広い年齢や体格の人を含むことは、読者が自分との接点を考える材料になる。ただ、範囲に自分の年齢が入ることと、その年齢の女性に限って同じ性能が確かめられたことは別である。女性の割合を示す数字は参加構成の説明であって、どの女性でも必ず同じ誤差になるという約束ではない。[4]
この研究は臨床施設で行われ、参加者の内訳は施設ごとに64人と70人だった。比較の基準には、異なるエネルギーのエックス線を使って体組成を調べるDXAを置いた。研究の成績を読むときには、人数だけでなく、どこで測り、何を基準に比べたかまでをひとかたまりにしたい。[4]
施設が複数だからといって、それだけで日常のあらゆる写真を検証したと考えるのも早い。研究での測定と、友人から届いた画像や検索結果の腹部写真を、同じ入力として扱う理由にはならない。ここで確かめられたのは、その検証研究で使われた画像推定法の性能である。研究の舞台を読めば、数字に余計な役割を背負わせずに済む。[4]
立川駅で電車を待ちながら研究紹介を見るなら、「女性も参加」だけで読み終えず、その先の対象者と比較法までたどりたい。女性を含んでいるという入口から、どの女性についての結果かという問いへ進む。自分に近い人が見つからない場合に、別の参加者の成績を無理に自分へ引き寄せる必要はない。[3][4]
参加者の構成を見るときには、人種や民族の情報も、体型の優劣を決めるための分類として読まない。検証された集団の特徴を知り、自分が使う場面との隔たりを考えるための情報である。成人49人の研究では少数者集団についても分析し、画像アプリの脂肪量などの推定と測定法との関係に違いがあった。参加者の多様さは飾りの紹介欄ではなく、性能を確かめる際の論点になる。[3]
また、対象者の年齢の幅が広い研究を、年齢ごとの比較研究のように読むのは避けたい。若い成人から高齢者までを含む検証と、年を重ねることで画像推定の誤差がどう変わるかを調べる問いは異なる。年齢範囲は自分との距離を考える入口だが、それだけで年齢による違いの答えにはならない。対象者の一覧と、実際に比べた結果を区別して読むのである。[4]
実際の使い方を想像すると、この区別は難しくない。自分の年齢が参加者の範囲に入っていたら、そこで丸を付けて終わるのでなく、健康な成人という条件や基準の測定法も続けて見る。性別だけが近い場合と、年齢や測定条件まで近い場合を、同じ「自分に合う」の言葉で済ませない。研究が示した接点を確かめ、分からない接点を想像で埋めないための読み方だ。[4]
数字で読む画像推定の検証範囲
134人：スマートフォン写真を使い、DXAを基準に評価した健康な成人の人数である。[4]
61.2%：同じ検証研究に参加した女性の割合であり、女性全員への精度保証の割合ではない。[4]
49人：別の画像アプリを、空気置換法と電気を使う方法に比較した成人の人数である。[3]
29人：その49人のうちの女性参加者数である。全体の結果とは別に性別による違いも調べた。[3]
46人と17人：体型分類の研究で、学習・検証用とテスト用にそれぞれ使った人数である。[5]
初日の汗は、予約した人だけが持ち帰れる。
1
2
