「あなたの姿を一切映さない」転倒検知システムを作った理由
母は火曜日の夜、私に電話をかけてきた。自分のことではなく、隣人について話すためだった——81歳の女性が浴室で転倒し、一人きりで誰にも発見されないままタイルの床に約7時間も横たわっていたのだという。その女性は一命を取り留めたが、股関節骨折によって自立した生活は終わりを告げた。彼女はその月のうちに介護付き施設に入居した。
「あの手のカメラシステムを勧められたそうよ」と母は言った。「浴室で誰かに見られているくらいなら、床で死ぬ危険を冒すほうがましだと彼女は言ったの」
その一言が、私の頭の中で何かを打ち砕いた。それが非合理だったからではない——むしろ、ここ数ヶ月で耳にした中で最も合理的な言葉だったからだ。確実な監視よりも死のリスクを選ぶ女性がそこにいた。そして高齢者介護テクノロジー業界全体が、彼女にそれ以上のものを提供できずにいた。
これこそ、私がVeriprajnaで解決しようと決めた問題だ。「どうやって転倒を検知するか」ではない——それはカメラやウェアラブル端末によって、すでに何十回も解決されてきた。本当の問題はもっと難しい。人生で最もプライベートな瞬間において、生きる価値を支えるプライバシーを壊すことなく、どうすればその人の安全を守れるのか?
その答えは、より優れたカメラではないことがわかった。そもそもカメラですらなかったのだ。
ケアのパノプティコン
この危機を数字で示そう。転倒は65歳以上の成人における傷害関連死の最大の原因である。米国だけでも、非致命的な転倒による年間医療費はおよそ500億ドル.に達する。負傷を伴う転倒が一件発生すると、医療費、賠償責任、そして増大する介護負担により、介護施設には3万ドルから6万ドルのコストが発生する。
だが、私の頭から離れない統計は財務的なものではなく、行動に関するものだ。恐怖——転倒そのものではなく——が、高齢者に自らの行動を制限させ、社会的に孤立させ、身体機能の低下を加速させる。モニタリングは本来、この悪循環を防ぐはずのものだ。しかし実際には、モニタリングはしばしば引き起こしてしまう、別の形の悪循環を。
私たちの研究の初期段階で、私は数週間かけて介護付き施設を訪ね歩いた。ある施設では、一人の入居者が着替えるたびに部屋のカメラをタオルで覆う様子を目にした。スタッフがやって来てそのタオルを取り除く。すると彼女はまたタオルを掛け直す。このタオル一枚をめぐる静かな攻防こそ、プライバシーと安全性のジレンマそのものを凝縮した縮図だった。
高齢者介護業界はパノプティコンを築き、それを思いやりと呼んだ。尊厳を犠牲にして得た安全は、もはや安全ではない——それは別の種類の害である。
カメラには他にも欠点がある。光を必要とするため、暗闇では機能しないか、あるいは睡眠を妨げる赤外線照明が必要になる。シャワーカーテンや毛布の向こうを見ることもできない——まさに転倒が最も危険な状況においてだ。では装着型のペンダント端末はどうか?遵守率のギャップは深刻だ。認知機能の低下、物忘れ、あるいは単に手首に装置をつけたまま眠る不快感によって、午前3時に転倒が起きたとき、ペンダントはナイトテーブルの上に置かれたままになっている。
私たちには根本的に異なる何かが必要だった。より優れた監視技術ではなく、監視することが物理的に不可能な技術だった。
なぜ私は見えない電波に会社を賭けたのか
チームの誰かが転倒検知にミリ波レーダーを使うことを提案してきたとき、私は最初、それはやり過ぎだと思った。レーダーは戦闘機が使うものだ。自動運転車が200メートル先の車両を追跡するために使うものだ。それを4メートル四方ほどの寝室で高齢者を見守るために使うなど、画鋲を叩くのに大槌を使うようなものに思えた。
だが物理の仕組みを理解したとき、私はむしろその逆だと気づいた——それはこの仕事をこなせるほど精密な、唯一の道具だったのだ。
ミリ波レーダー、具体的には60GHz帯のものは、電磁波を発信し、その反射を解析する。画像を撮影することはない。顔や体型、視覚的に認識できるものを再構成することもできない。それにできるのは、驚異的な精度で動きを検知することだ——サブミリメートル単位の変位まで捉えられる。つまり、呼吸による胸壁の上下動を検知できる。空間を移動する身体の軌跡を追跡できる。人が立っている状態と床に横たわっている状態を区別できる。
そしてこれらすべてを、壁越しに、完全な暗闇の中で、シャワーカーテン越しに、毛布越しに行う。
私の確信を決定づけた、ある美しい物理特性がある。60GHz帯は酸素吸収スペクトルの範囲内にあり、これは信号が距離とともに急速に減衰し、厚いコンクリート壁を効果的に透過しないことを意味する。モニタリングデータは物理的に封じ込められている——その部屋の中に。たとえ試みても、廊下に漏れ出すことはできない。プライバシーは、ソフトウェア利用規約の条項ではなく、物理法則によって強制されているのだ。
技術アーキテクチャの全容——FMCWチャープの仕組み、4Dセンシングのパラダイム、信号処理チェーン——については、私たちのインタラクティブ・ホワイトペーパーに詳しく書いた。だが核心となる洞察はシンプルだ。60GHz帯で4GHzの帯域幅を使うと、距離分解能はおよそ3.75センチメートルになる。これは人の手足と胴体を区別するのに十分な精度であり、転倒としゃがみ込みの違いを見分けるのに十分であり、命を救うのに十分だ。だが、顔を識別するには不十分なのだ。
物理法則によるプライバシー保護であり、規約によるものではない。それが私たちの設計原則になった。
レーダーに転倒を「見る」ことを教えようとすると何が起きるのか?
ここで、これが実際どれほど困難だったかについて、正直に話す必要がある。
素朴なレーダー転倒検知の発想は単純だ——急激な下向きの速度の後、床の高さで動きが止まることを検知すればよい。研究室ではこれが見事に機能する。数週間のうちに、クラッシュマットへの制御された転倒をほぼ完璧な精度で検知できるプロトタイプが完成した。
そして私たちは、それを実際の部屋に設置した。
最初の導入先は、介護付き住居ユニットを模して設営したテスト用アパートだった。最初の1時間で、システムは14件の転倒を検知した。そのうち本物は一件もなかった。3件はシーリングファン、2件はエアコンの吹き出し口付近で揺れるカーテン。そして忘れられない一件は、同僚の飼うゴールデンレトリバーがソファから飛び降りた動作だった。
真夜中にそのアパートに座り込み、ノートパソコンのスペクトログラムを見つめながら、シーリングファンが完璧で規則的なドップラー・シグネチャを繰り返し生み出す様子を眺めていたのを覚えている。私たちのモデルは、それを無視するよう訓練されたことなど一度もなかった。共同エンジニアが私を見て言った。「研究室での精度なんて意味がない」
彼女は正しかった。制御された実験と実世界での運用との間のギャップ——私はそれを「誤警報のロングテール」——と呼び始めたのだが、そこがほとんどのエイジテック向けレーダー製品が息絶える場所だ。病院における誤警報は単に煩わしいだけではない。それはアラーム疲労を生む。看護師は反応しなくなる。そして本物の転倒が起きたとき、誰も来ない。
AIに転倒と犬の違いをどう教えるか?
私たちは誤警報の問題に、複数の方向から同時に取り組んだ。
シーリングファン対策として、私たちは「マイクロ波ノイズ適応処理」と呼ぶ仕組みを構築した。このシステムは部屋そのものを学習する。もし高いドップラー速度が固定された座標——たとえば天井——で継続的に検知された場合、その場所は転倒検知ロジックからマスクされる。AIは「天井付近の速い動きは正常である」と学習するのだ。
ペットの問題はより厄介で、より興味深いものだった。大型犬が家具から飛び降りると、転倒する人間と不気味なほど似たドップラー・シグネチャを生成する。私たちの解決策は、レーダー反射断面積の解析(人間は犬よりも多くの電磁エネルギーを反射する)と幾何学的分類を組み合わせるというものだ。人間の点群は通常、垂直な柱状になる。犬は水平に広がる塊状になる。私たちは分類器に明示的な「動物」クラスを追加した——それは誤検知の約30%を排除するまでは、ばかげているとしか思えなかった。
あなたの祖母とあなたの飼うラブラドールの違いを判別できない転倒検知システムは、転倒検知システムとは呼べない。それは高価なノイズ発生装置にすぎない。
カーテンや隙間風対策としては、設置時にゾーンマスキングを実装し、布地特有の低周波の正弦波的振動を認識するよう深層学習の分類器を訓練した——何を見るべきか分かってしまえば、それは人間の動きとはまったく似ていない。
誰も語らないAIアーキテクチャの話
ヘルスケア分野のAIに関する記事の多くは、モデルに焦点を当てている。トランスフォーマー、CNN、キャッチーな名前のついた最新のアーキテクチャ。だが、モデルが占める割合は問題全体のせいぜい20%にすぎない。残りの80%は、モデルにデータを供給する信号処理パイプライン——そして、それらすべてをわずか512キロバイトのRAMしか持たないチップ上で動かすために必要なエンジニアリングだ。
私たちのセンサーが転倒を検知したとき、実際に何が起きているのかを順を追って説明しよう。
生の電磁波反射はアナログ信号として届く。私たちはそれをデジタル化し、一連の高速フーリエ変換によって「レーダー・データ・キューブ」と呼ばれるものを構築する——一つは各チャープ内で距離を求めるため、一つはチャープ間で速度を求めるため、一つはアンテナ間で空間角度を求めるためだ。これにより、距離、速度、水平角、垂直角という4次元のデータセットが得られる。この空間内のあらゆる点には、それぞれ対応する電力強度が結びついている。
このキューブから、私たちは二つの並行するデータストリームを抽出する。一つ目はマイクロドップラー・スペクトログラム——本質的には、時間経過に伴う速度の指紋のようなものだ。人が歩くと特徴的なパターンが生まれる。安定した胴体の動きに、振動する手足のシグネチャが重なる。転倒は、突発的な広帯域のエネルギーバーストの後に静寂が続くパターンを生む。二つ目のストリームは3D点群——検知された各対象について、速度と信号強度を伴う空間座標の集合である。
ここで、私たちのアプローチはほとんどの競合他社とは異なる道をたどる。私たちはどちらか一方のストリームを選ばない。両方を融合させるのだ。
私たちは「デュアルストリーム・ネットワーク」と呼ぶものを構築した。ストリームA(スペクトログラム)はどれだけ速く物体が動いているかを解析する。ストリームB(点群)はどこに物体が空間内に存在するかを解析する。融合層がその両方を統合する。
これによって、私たちが抱えていた最も困難な分類問題——「勢いよく座る動作」——が解決した。誰かがソファに勢いよく腰を下ろすと、速度のスパイクはスペクトログラム上では転倒とほぼ同一に見える。しかし点群は異なる物語を語る——身体の重心の最終位置は、床の高さではなくソファの高さ(およそ50センチメートル)にあるのだ。スペクトログラムのみに基づくCNNベースの手法は、従来の機械学習を精度で常に7〜10%上回る。しかし空間ストリームを加えたことで、システムは臨床導入に十分足りうる信頼性の閾値を超えることができた。
アーキテクチャの比較——CNN、PointNet、LSTM、そして新しいRadMamba状態空間モデル——についての技術的な詳細は、私たちの研究論文を参照してほしい。
なぜ私たちはクラウドの利用を拒んだのか
開発の初期段階で、私が心から尊敬するアドバイザーの一人が、エッジ処理にこだわるのは間違いだと私に言った。「レーダーデータをただAWSに送ればいい」と彼は言った。「好きなモデルを何でも動かせる。推論はより速く、より正確になるし、マイクロコントローラー向けの最適化という悪夢に付き合わずに済む」
エンジニアリング上の難しさについて、彼は間違っていなかった。Texas Instruments IWRL6432——C674x DSPとARM Cortex-M4を搭載したシステム・オン・チップ——の上で深層ニューラルネットワークを動かすのは、極限の制約との格闘だ。標準的なニューラルネットワークは32ビット浮動小数点演算を使う。私たちはすべてを8ビット整数へと量子化しなければならず、それによってモデルサイズは4分の1になった。冗長な接続を削減した。ARMが手作業で最適化したCMSIS-NNアセンブリカーネルを使い、ハードウェアからクロックサイクルを一滴残らず絞り出した。
それは、クラウド展開であれば不要だったはずの、何ヶ月にも及ぶ作業だった。
しかし、製品そのものについて、彼は間違っていた。
レーダーデータが部屋の外に出た瞬間——たとえ「匿名化された」レーダーデータであっても——プライバシー上の負債が生まれる。トイレの利用頻度のような行動パターンは、HIPAAのもとで保護される医療情報に該当する。データ漏洩は写真を流出させるわけではないが、誰かの日常生活の親密な詳細を流出させる。そして実務的な観点から言えば、クラウド処理は遅延を生む。誰かが転倒したとき、介護者への通報が1秒遅れるごとに重要な意味を持つ。ネットワーク障害も重要だ。数百の部屋から高頻度のレーダーデータをストリーミングする帯域幅コストも重要だ。
私たちはすべてをセンサー自体の上で処理する。ニューラルネットワークの推論は、レーダーを動かしているのと同じチップ上で行われる。画像が生成されることは一度もない。デバイスの外に出るデータは、構造化されたアラート以外には存在しない。「302号室:転倒検知(高信頼度)」。そのアラートはナースコールシステムへ送られる。それ以外は、どこにも送られない。
もしあなたのプライバシー・アーキテクチャが、物理法則やハードウェアの制約ではなく、規約文書に依存しているのなら、それはプライバシー・アーキテクチャとは呼べない。それはただの約束にすぎない。
私たちはまた、電力を管理するための階層的なウェイクアップ・システムも実装した。低消費電力の存在検知チャープが常時稼働している。おおまかな動きが検知されたときにのみ、完全な深層学習モデルが起動する。このカスケード方式によって、バッテリー寿命を数日から数ヶ月へと延ばすことができる——すべての部屋に新たな電源配線を引くことが現実的でない施設にとって、これは決定的に重要だ。
レーダーセンサーは1990年代のナースコールシステムとどう対話するのか?
これは、AI業界のほとんど誰も考えない問いだ。そして、あなたの技術が実際に導入されるかどうかを左右する問いでもある。
あらゆる介護施設の中枢神経系にあたるのがナースコールシステムであり、これは病院用信号機器の規格であるUL 1069によって規定されている。これらのシステムの大半は数十年前に設置されたものだ。それらが話す言語は、REST APIではなく、ドライ接点やリレー接点閉結である。
私はこれを痛い思いをして学んだ。研究室では、MQTTベースの美しい統合システムが動いていた。きれいなJSONペイロード、リアルタイムダッシュボード、すべて揃っていた。ところが、中西部にある200床の施設に足を踏み入れると、2000年代初頭製のRauland社のナースコールパネルが目に入った。そこには一列の補助入力端子があり、それが求めているものはただ一つ——回路の閉結だった。
そこで私たちは、センサーにフォトカプラ絶縁のソリッドステートリレーを追加した。転倒が検知されると、リレーが閉じる。ナースコールのランプが点灯する。ポケベルが鳴る。恐ろしいほどシンプルであり、既存インフラのおよそ90%と互換性がある。IT部門の関与は不要。ネットワーク設定も不要。必要なのはたった2本の配線だけだ。
IPベースのナースコール・プラットフォームを備えた新しい施設向けには、MQTTまたはRESTを通じて構造化データを送信する。看護師の目に映るのは単なる「302号室 警報」ではなく、「302号室:転倒を検知」あるいは「302号室:入居者が4時間動いていません」という表示だ。この二つ目のアラート——非活動アラート——は、転倒検知よりもさらに施設側が求めているものだと判明した。それは、入居者がまだ呼吸しているかどうかを確認するためだけに看護師が数時間おきにドアを開けるという、プライバシーを侵害する慣習に取って代わるものだ。
投資対効果(ROI)についてはどうか?
人々は決まって、新しいセンサーインフラを導入するコストに反発する。「カメラのほうが安い」と彼らは言う。あるいは「すでにペンダント型システムを導入している」と。
これが、私が施設運営者と一緒に確認する計算だ。入院を要するレベルの転倒が一件発生すると、3万ドルから6万ドルのコストがかかる。エビデンスに基づいた転倒予防プログラムは、500%を超えるROIを実証している——投資した1ドルにつき5ドルの節約になるということだ。私たちのシステムは、1部屋あたり5年に一度、重大な転倒を一件防ぐだけで元が取れる。
だが、最も重要なROIは貸借対照表の上にあるものではない。それは、このシステムが可能にすることの中にある。その先——緊急時の検知を超えた部分にある。数週間にわたって歩行速度と活動レベルを追跡することで、レーダーは転倒に先立つ微細な機能低下を検知できる。「ジョーンズさんは今週、歩行速度が20%遅くなっている」というのは、先行指標であり、それは事故が起きる前の段階での介入を可能にする。それは転倒検知ではない。転倒予防だ。そしてこの二つの間の経済的な違いは計り知れないほど大きい。
すべてを変える転換
私はこれまで一度ならず——たいていは投資家から——こう尋ねられてきた。カメラは単に「プライバシー保護の面で改善されていく」だけではないのか、と。顔にぼかしを入れる。身体をマスクする。ローカルで処理して削除する。
そうかもしれない。だがそれでも出発点は、初期状態で身元情報を取得し、それを後から差し引こうとする技術である点に変わりはない。それは入居者に対し、その差し引きが確実に機能すること、ソフトウェアが誤作動を起こさないこと、データが保存されないこと、誰も生の映像を目にすることがないことを、信じてほしいと求めているに等しい。
ミリ波レーダーは正反対の立場から出発する。顔を捉えることは物理的に不可能だ。漏洩しうる生の映像そのものが存在しない。誤って解除されうる「プライバシーモード」も存在しない。入居者は私たちのソフトウェアを信頼する必要がない。彼らが信頼できるのは、電磁スペクトルそのものだ。
あの女性——母の隣人であり、確実なカメラよりも浴室の床のリスクを選んだあの女性——彼女は、今後10年間で同じ選択を迫られることになる何百万人もの人々を代表している。世界の65歳以上の人口は、他のどの年齢層よりも速いペースで増加している。モニタリングへの需要は、今後さらに高まる一方だろう。
問題は、私たちが高齢者を見守るかどうかではない。彼らの安全を守りながら、彼らが人間らしくあり続けられるようなやり方でそれを行えるかどうかだ。
私たちは、暗闇の中で、シャワーカーテン越しに、その人がどんな見た目をしているかを一切知ることなく転倒を検知するシステムを構築した。それは切手よりも小さなチップの上で動作する。1990年代のナースコールシステムとも、2025年のクラウドダッシュボードとも対話する。誰かが呼吸しているとき、そして動かなくなったときを認識する——そしてこれらすべてを、一つのピクセル画像すら生成することなく行うのだ。
私は、高齢者介護の未来が、より巧みな広報を伴った監視であるとは思わない。私はそれが「センシング」であると思う——目に見えず、環境に溶け込み、尊厳を保つセンシングだ。物理法則はすでにそれを支えている。AIはすでに機能している。残された唯一の問いは、この業界がカメラに手を伸ばすのをやめるだけの想像力を持てるかどうかだ。
私たちはそれをやり遂げた。そして、振り返ったことは一度もない。
