この記事には広告（Amazon アソシエイトのリンク）を含みます。
紙に渦巻きを描いてもらう。それだけで、その人がパーキンソン病かどうかをAIが見分ける——そんな研究が、インドの計算機科学のチームから出た。掲載誌は Discover Computing、公開は2026年8月22日である。報告された精度は、うねうねした折れ線（メアンダー）で98.95%、渦巻き（スパイラル）で97.74%。数字だけ見れば、もう病院で使えそうに思える。
先に一つだけ書いておく。これは診断法ではない。研究チーム自身が論文の中で、この結果は枠組みの可能性を示すものであって、臨床で使える診断の証明ではない、とはっきり書いている。なぜそう言い切れるのか——というより、なぜそう言わなければならないのかが、この記事の本題である。
診断の現状と手書き検査
パーキンソン病は、脳の中脳にある黒質という場所でドーパミンを出す神経細胞が減っていく病気だ。手のふるえ、動きの遅さ、体のこわばり、バランスの取りにくさが出る。WHOは、障害と死亡の増え方で見て最も速く増えている神経の病気だとしていて、世界の患者は850万人以上とされる。日本では、厚生労働省の令和2年患者調査で約29万人が治療を受けている。
これだけ多い病気なのに、診断は今も医師の診察が中心である。血液検査や画像で「これが出たらパーキンソン病」と決められる確定的な指標（バイオマーカー）がまだないからだ。だから、ごく初期の小さな変化は見逃されたり、別のものと取り違えられたりする。負担が少なくて、どこでも受けられて、早く見つけられる方法がほしい——このニーズは、ずっと前からある。
そこで昔から使われてきたのが、手書きの検査だ。渦巻きを描いてもらう、折れ線をなぞってもらう。ふるえや動きの遅さは線の乱れとして紙に残るので、神経内科の診察でも、ふつうに行われている。描いた線を機械学習で判定する研究も、この10年でかなり積み上がっていて、精度9割超を報告するものは珍しくない。2021年には99.22%という数字を出した研究もある。つまり、今回の研究は「初めて手書きでパーキンソン病を見分けた」わけではない。競争はすでに終盤に入っていて、そのなかでの一本である。
「何を描いたか」と「どう描いたか」
今回のチームは、シクシャ・オ・アヌサンダン大学と国立工科大学ジャムシェドプル校のイシャン・アユス氏ら3人。使ったデータは、自分たちで集めたものではない。ブラジルのサンパウロ州立大学ボトゥカトゥ医学部が2016年に公開した NewHandPD というデータセットで、これは手書き研究の分野ではよく知られたものだ。
このデータセットが面白いのは、ふつうのペンではなく、センサーを積んだ「スマートペン」で記録されていることだ。描き上がった線の画像だけでなく、描いているあいだの指の握り、ペン先の筆圧、ペンの傾きと加速度（X・Y・Zの3方向）、それにマイクの音まで、時間を追って記録している。
上の図のように、この研究は情報を2種類に分けて扱う。左が「何を描いたか」——紙に残った線の形で、ふるえによるゆがみ、線の太さのむら、渦巻きの間隔のずれといった空間的な情報だ。右が「どう描いたか」——速さの揺らぎ、筆圧のばらつき、手の協調の乱れといった、時間の流れの中にある情報である。完成した絵が同じに見えても、そこに至る手の動きは違う。この2つを別々に学習させ、最後に2つの判定を重み付きで足し合わせる、というのが今回の作りだ。
画像のほうは、写真の分類でよく使われるトランスフォーマー系のモデル（DaViT）が最も成績がよく、手の動きのほうは、時系列を扱う再帰型のモデル（Conv1D–BiGRU）がよかった。どちらのモデルも、学習率やバッチサイズといった設定値の調整に、ヘビの動きを模した最適化アルゴリズム（Snake Optimizer、論文中では SNAKE）を使っている。ニュース記事ではこの SNAKE が2つの判定を統合しているように読めるものもあるが、論文を読むと役割は設定値の調整で、統合そのものは「精度の高いほうに大きな重みを付けて平均する」というシンプルな計算である。
結果はこうだった。メアンダーでは、画像だけで97.37%、手の動きだけで96.34%、両方合わせて98.95%。スパイラルでは、画像だけで95.48%、手の動きだけで97.74%、両方合わせて97.73%。
98.95%という数字の出どころ
ここからが、この記事でいちばん書きたかったところだ。
NewHandPD に入っているのは、66人分のデータである。パーキンソン病の人が31人、健康な対照が35人。98.95%という数字は、この66人を見分けた成績だ。
評価の仕方は、ていねいである。66人のうち1人を丸ごと外し、残り65人で学習して、外した1人を当てる。これを66回、全員が一度ずつテスト役になるまで繰り返す（leave-one-subject-out と呼ばれるやり方だ）。同じ人の画像が学習にもテストにも混ざる、という手書き研究でよくある落とし穴は、これで避けられている。一人ひとりの結果のばらつきも小さく、統計検定もしている。研究としての手続きは、しっかりしている。
それでも、66人は66人だ。年齢・性別・利き手の影響は調べられていない（データに情報が足りず、できなかったと論文に書いてある）。病気の重さ、罹病期間、薬を飲んでいたかどうかも分からない。使ったデータセットは一つだけで、別の集団・別の施設・別のペンで集めたデータでの検証（外部検証）は、まだ行われていない。深層学習は、小さなデータの細かい癖まで覚え込んでしまう（過学習）ことがあり、66人で出た成績が、次の66人でも出るという保証はない。研究チームは、この点を「限界」の節で自分たちの言葉で列挙している。
数字をもう一段だけ分解すると、別のことも見えてくる。スパイラルでは、手の動きだけで97.74%だったところに画像を足しても、97.73%で変わらなかった。統計的にも差はない。2つの情報を合わせる効果がはっきり出たのはメアンダーのほうだけで、しかもその差は、97.37%から98.95%への1.6ポイントである。66人のうちの1人分に相当する。「両方使うと精度が上がる」という今回の売りは、この規模のデータで見える限りでは、かなり細い差の上に立っている。
健康な人と分けることと、似た病気と分けること
もう一つ、数字の外側にある話がある。今回の対照群は「健康な人」35人だ。
実際の診察室で医師が悩むのは、健康な人とパーキンソン病の人を分けることではない。本態性振戦（ほんたいせいしんせん）という、手がふるえるけれどパーキンソン病ではない病気や、薬の副作用で似た症状が出る場合、進行性核上性麻痺のような別の神経の病気——これらとパーキンソン病を分けることだ。渦巻きが乱れる、という点では、どれも同じように乱れる。健康な人と分けるのと、似た病気と分けるのは、難しさの桁が違う。
今回の研究は、この鑑別にはまったく触れていない。論文の言葉で言えば「二値分類」で、パーキンソン病か健康かの二択しかしていない。研究チームも「今後の課題」として、他の運動障害との鑑別を挙げている。診察室で使えるかどうかは、そこを通ってからの話になる。
数字の受け止め方
それでも、この研究に意味がないわけではない。むしろ、手法そのものは素直に面白い。
「何を描いたか」と「どう描いたか」は別の情報だ、という指摘は、パーキンソン病を抜きにしても示唆がある。完成した渦巻きがきれいでも、それを描くまでの筆圧や加速度には、本人も気づかない揺らぎが乗っている。論文では、モデルがどの部分を見て判定したかも調べていて、画像モデルは線が方向を変えるところや、渦の間隔が不揃いなところに注目し、動きのモデルはペンの傾きと加速度、指の握りを重く見ていた。人間の医師が診察で見ているものと、だいたい重なる。判定の根拠が、それなりに筋の通った場所にある、ということだ。
掲載誌が医学誌ではなく計算機科学の雑誌である点も、頭に入れておくとよい。この論文の主張は「この組み合わせ方はうまくいく」という工学側の話であって、「この検査で診断できる」という医学側の話ではない。研究チームが最後に書いているのも、外部検証、複数施設での試験、神経内科医との比較、規制当局の審査を経てはじめて臨床に近づく、という順序である。
だから、この記事を読んで自分で渦巻きを描いてみて、線が乱れているから心配だ、きれいだから大丈夫だ、と判断するのはやめてほしい。66人で作られたモデルは、あなたを見ていない。手のふるえや動きにくさが気になるなら、渦巻きではなく神経内科に行くのが、いまのところ唯一の確かな道である。
この研究は「99%で診断できる」という話ではなく、「筆圧や傾きにも病気の手がかりがある」という話だ。その手がかりが本物かどうかは、次の何百人かが決める。
関連する商品
この記事に関連する本や商品は、Amazon で探せます。
上のリンクから購入されると、このブログに紹介料が入ることがあります。
画像について
この記事の画像は AI（ChatGPT）で作った想像図で、ご自由にお使いいただけます。お使いになるときは、出典としてこの記事へのリンクを載せていただけるとうれしいです。
出典
論文（オープンアクセス）：Ayus I, Jena B, Azad C. “SNAKE optimised deep neural networks for Parkinson’s disease detection using multimodal handwriting as a digital biomarker.” Discover Computing 29, 564 (2026年8月22日公開). doi:10.1007/s10791-026-10507-0
紹介記事：The Way You Draw Can Reveal Parkinson’s Disease With Up to 99% Accuracy, Study Reveals（ScienceAlert、2026年8月29日、Peter Dockrill）
参考：パーキンソン病の患者数について（筑波大学 脳神経内科、厚生労働省 令和2年患者調査に基づく）
コメント