体脂肪率を女性の写真一覧に当てはめて決めてよいのか。スマートフォンの画像解析をDXAと比べた研究から、平均誤差、個人のずれ、繰り返し測る安定性の違いを読む。精度のよい研究と慎重な結論の研究を比べ、写真に付いた数字を食事や運動の判断へ直結させる前の確認点を整理する。
体型写真の横にある体脂肪率は、誰がどう測った数字だろう。自分の輪郭と似ているだけで、その数値を借りてよいのか。しかし、写真から数値を推定する研究で検証されているのは、見本との印象の近さではなく、決められた方法で画像を処理した推定値と基準測定との一致である。[3][5]
写真を使った推定には可能性がある。ただし、良好な結果を示した画像解析でも個人のずれは残り、別の検証では安定して測れても正確さが足りないと判断された。写真に数字を付ける技術があることと、見た目から自分の体脂肪率を言い当てられることは分けて考えたい。[2][3][4]
撮影時の見え方は既存記事「女性の筋トレの見た目は照明で変わる？体脂肪率と写真を比べる前に読む話」に譲る。ここで確かめるのは、写真から出た数字がどんな比較を経ており、平均的な成績を自分の正確さとして受け取ってよいのか、という問いである。
写真を見ることと、写真から計算することを分ける
画像を使う体脂肪率推定は、写真の中に脂肪の割合がそのまま写っているという意味ではない。成人と子どもを対象にした画像推定法の開発・検証研究では、写真から体の容積や形状に関する情報を取り出し、年齢、性別、人種、体格指数などと組み合わせて計算した。体格指数は、身長に対する体重の関係を示す指標である。成人と子どもを含む結果を18〜39歳の女性にそのまま当てはめず、対象を分けて読む必要がある。[5]
この研究の成人は226人、平均年齢は38.1歳で、子どもは97人だった。画像を使うモデルのほかに、写真の情報を使わないモデルも設け、それぞれをDXAによる体脂肪率と比較している。DXAは異なるエネルギーのX線を用いる体組成の測定法で、ここでは推定法を評価する際の比較基準である。[5]
成人の画像モデルには身長と体重を測った情報も入っていた。つまり、画像研究という名前から「写真だけを見れば同じ結果が出る」と読むと、実際の手順から離れてしまう。見本写真の人物と自分の輪郭が似ているかを考える行為に、この計算モデルの検証結果を移すことはできない。[5]
別の研究では、通常のスマートフォンで撮影した平面画像を、画像の特徴を学習する仕組みで処理した。健康な成人134人を対象に、画像による推定と複数の体組成測定法をDXAと比べた検証である。女性は61.2%で、年齢は21〜76歳にわたった。中高年や男性も含む成績であり、18〜39歳の女性だけの精度としては扱えない。[3]
同じ「写真から推定する」でも、形の情報と属性を組み合わせる方式と、学習済みの画像解析を使う方式がある。どちらも、研究で評価された計算手順まで含めて読む必要がある。写真一覧に添えられた数字を、その一覧とは別の人へ貼り付けるための精度を示した結果ではない。[3][5]
検索画面で「自分はこの写真に近い」と感じたら、まず何を知りたいのかを言葉にするとよい。輪郭の印象を見たいのか、測定値に相当する数値を知りたいのか。後者を望むなら、似ているという感想の先に、比較基準と検証成績が必要になる。画像研究が用意したのも、その照合の手順である。[3][5]
初日の汗は、予約した人だけが持ち帰れる。
集団の平均と、自分の誤差を分ける
画像モデルの開発研究では、成人のDXAによる体脂肪率の平均は32.9%、画像モデルでは32.8%だった。並んだ平均は非常に近い。ただし、これは研究参加者をまとめた値であり、各人について同じ程度に近かったという意味にはならない。[5]
平均は、集団を眺めるための窓である。誰かの推定が基準より高く、別の誰かが低ければ、集団全体ではその方向の違いが打ち消される可能性がある。だから自分の推定値を読む際には、集団の平均だけでなく、個人ごとの誤差を評価した研究へ進みたい。画像推定の検証でも、平均の比較とは別に一致の程度が調べられている。[2][3][4]
成人の画像モデルとDXAとの相関係数は0.87だった。相関係数は、値の大小がどの程度一緒に動くかを表す指標である。写真を使わないモデルの相関係数は0.86で、画像を加えたモデルの相関は統計的に高かった。改善があったという結論と、数字が個人単位でぴたりと一致するという主張は同じではない。[5]
ここで注目したいのは、写真を加える前のモデルにも年齢や体格の情報が入っていた点である。画像のあるモデルだけを見て「写真が体脂肪率をすべて説明した」と受け取ると、比較相手を見失う。研究は、既に属性情報がある計算に、体の形状の情報を追加する価値を検証していた。[5]
写真付きの紹介文を読むときも、平均が近いという説明に出会ったら、その平均が誰の集団なのかを見る。成人をまとめた結果なのか、子どもを含むのか、女性だけなのか。成人と子どもを分けて検証したこの研究も、性別や人種・民族、移動能力による下位集団の基準づくりを今後の課題としている。[5]
自分が集団のどこに位置するかを知る問いと、自分の測定値を正確に知る問いは別々に扱う。この区別があれば、良好な相関を軽視せず、同時に相関の数字へ必要以上の仕事を頼まずに済む。写真の横の数値は、比較の仕方まで読んで初めて意味が定まる。[2][5]
平均絶対誤差は、全員に保証された誤差ではない
成人134人のスマートフォン画像解析研究では、DXAに対する平均絶対誤差が2.16ポイントだった。平均絶対誤差とは、基準より高いか低いかという符号を外して、ずれの大きさを平均したものである。この研究では、比較したほかの方法より小さい誤差だった。[3]
体脂肪率そのものの%と、体脂肪率どうしの差を混同しないよう、この記事では差を「ポイント」と記す。研究で報告された誤差の標準偏差は1.54ポイントだった。平均絶対誤差と、その散らばりを一緒に示しているのであり、個人の誤差にはばらつきがある。[3]
さらに、この研究の一致限界はマイナス5.5〜プラス4.7ポイントだった。一致限界は、比較した測定法の差がどの程度広がるかを見るための指標である。平均絶対誤差だけを読むときとは違い、個人の数値を扱う際に考えたいずれの幅が見えてくる。[3]
この結果から、研究者は画像解析法の推定はDXAに対して正確で、有意な偏りがなく、比較したほかの測定法より成績がよかったと結論している。その肯定的な評価を消す必要はない。ただし「平均的によい成績」と「自分の誤差が小さいと保証されること」を重ねないのが、結果を生かす読み方である。[3]
立川駅北口の帰り道に写真を開き、昨日より細く見えるかを気にしている場面を考える。そこで必要なのは、数字を急いで確定させることだろうか。研究で評価された画像解析ですら差の広がりを伴うため、印象だけで細かな数値を付けることには、さらに慎重でありたい。[3]
比較した測定法の内訳も、成績の意味を読む手掛かりになる。成人134人の検証では、画像解析のほかに家庭向けの生体電気インピーダンス法を使う機器と、専門的な機器を評価した。生体電気インピーダンス法は、体に電流を流した際の電気的な特性から体組成を推定する方法である。一部の参加者では、空気の置き換わりを用いる体積測定も行われた。[3]
そこでの「ほかの方法よりよかった」は、同じ参加者に対して調べた方法どうしの比較である。市場にあるすべての測定法や、今後登場する方式との比較ではない。また、検証は異なる施設で行われ、参加者の体格指数にも幅があった。対象に多様性があることは結果を読む材料になるが、それを特定の女性の誤差の保証に変えることはできない。[3]
論文中の誤差の標準偏差と一致限界にも、役割の違いがある。前者は報告された誤差の散らばりを添え、後者は基準との差の広がりを評価するために示された。どちらも自分が必ずその位置に入るという約束ではない。平均絶対誤差の短い紹介だけでなく、差の方向と幅まで見ることで、同じ研究から得られる情報が増える。[3]
数字で読む写真による体脂肪率推定
134人：女性61.2%を含むスマートフォン画像解析の検証対象。[3]
2.16ポイント：同研究でのDXAに対する平均絶対誤差。[3]
マイナス5.5〜プラス4.7ポイント：同研究で報告された一致限界。[3]
148人：写真から周囲径を推定する方式を調べた、体重が安定した成人。[4]
57人：複数の画像推定法を標準化条件で比べた研究の対象。[2]
初日の汗は、予約した人だけが持ち帰れる。
1
2
