GPT-4は運動処方ができるか

医師として、この問いは避けて通れません。AIは運動処方ができるのか。 患者一人ひとりに最適な運動メニューを、AIが提案できる時代は来るのか。

2023年、GPT-4が米国医師国家試験（USMLE）に合格ラインを超えるスコアで合格したというニュースが世界を駆け巡りました[1]。その後も、AIの医療分野での能力は加速度的に向上しています。放射線画像の読影精度は専門医に匹敵し、一部の領域では凌駕するケースも報告されています[2]。皮膚科の画像診断、病理診断、心電図の解析。AIは「診断」の世界で着実に実力を証明しつつあります。

では、「処方」はどうか。特に、薬ではなく「運動」の処方は。

結論。「できる、しかし限界がある」

答えは、「ある程度はできる。しかし、本質的な限界がある」です。

すでに、AIを活用した運動処方のプラットフォームが多数登場しています。Noom、Virta Health、Omada Health、Peloton Guide。年齢、体重、既往歴、運動歴、目標を入力すると、個別化されたトレーニングプランが出力される。ウェアラブルのデータと連動させれば、リアルタイムで負荷を調整することも可能です。

実際、糖尿病予備群に対するデジタル介入プログラム（Digital Diabetes Prevention Program）では、一人あたり1,000ドル超の医療費削減が報告されています[3]。AIが行動変容を促し、生活習慣病のリスクを下げる。技術的にはすでに実用段階です。

私自身、試みとしてGPT-4に運動処方を依頼してみたことがあります。

「45歳男性、BMI 26、2型糖尿病予備群、運動歴なし、膝に軽度の変形性関節症あり。週3回・1回30分を目標に、運動プログラムを作成してください」

返ってきた回答は、驚くほどまともでした。関節への負荷を考慮して水中ウォーキングから開始し、段階的にレジスタンストレーニングを導入するプログレッシブオーバーロードの原則に基づいたプラン。禁忌の確認、ウォームアップとクールダウンの指示、疼痛が増悪した場合の対応も含まれていました。

エビデンスに基づく一般的な運動処方として、十分に使えるレベルです。実際に、GPT-4の運動に関するアドバイスの質を検証した研究では、国際的なガイドラインとの整合性が高いことが確認されています[4]。

「何を／どれくらい／どうやって」の壁

では、AIの運動処方は万能なのでしょうか。

ここから先が、医師として話しておきたいことです。

運動処方には、大きく分けて3つの要素があります。「何を」「どれくらい」「どうやって」です。

「何を」と「どれくらい」。これはAIが得意な領域です。ACSM（アメリカスポーツ医学会）のガイドラインをベースに、個人の特性に応じた運動種目と頻度・強度・時間を算出する。膨大な文献データから最適な組み合わせを提案する。AIは人間の医師より多くの論文を読み、より正確にガイドラインを適用できるかもしれません。

「どうやって」。ここに本質的な難しさがあります。

フォーム（動きの質）の問題です。スクワットのプログラムをAIが処方できたとしても、そのスクワットのフォームが正しいかどうかを判断するには、身体の動きを「見る」必要があります。膝がつま先より前に出ていないか、背中が丸まっていないか、股関節のヒンジが適切か。これは現状、テキストベースのAIには困難です。

もちろん、コンピュータビジョンの進化により、カメラでフォームを解析するアプリも登場しています。TempoCaの3Dセンサー搭載マシンや、スマートフォンのカメラを使ったフォーム解析AI。しかし、微妙な代償動作（compensation）。たとえば、腰が痛い人がスクワット中に無意識に体を傾けて代償する。を検出する精度は、経験豊富なコーチにはまだ及びません[5]。

アドヒアランスという最大の壁

でも、AIにできないことが、もっと根本的なレベルであります。

あなたの代わりに動くことです。

AIは完璧な処方箋を書けます。「月曜日は30分のウォーキング、水曜日はレジスタンストレーニング、金曜日はヨガ」。でも、月曜日の朝、ベッドから起き上がるかどうかは、あなたが決めることです。

これは「アドヒアランス（治療遵守）」の問題であり、医療における最大の課題の一つです。WHOは、慢性疾患の治療におけるアドヒアランスは先進国でも約50%に過ぎないと報告しています[6]。つまり、最高の処方箋があっても、半分の人は実行しない。

運動のアドヒアランスはさらに低いことが知られています。新しい運動プログラムを始めた人のうち、6か月後も継続しているのは約40〜50%です[7]。1年後には、さらに減ります。

AIが処方精度を100%に高めたとしても、アドヒアランスが50%なら、効果は半減します。

「動機」はAIにはまだ作れない

もう一つ、AIにはまだ難しいことがあります。「動機」を作ることです。

人が運動を続けるのは、科学的に最適だからではありません。楽しいから。仲間がいるから。達成感があるから。自分の体が変わっていく実感があるから。コーチの「ナイス！」という一言に背中を押されるから。

こうした「感覚」は、AIにはまだ理解しにくい領域です。

自己決定理論（Self-Determination Theory）によると、人間が内発的動機を維持するには3つの心理的欲求が満たされる必要があります。自律性（自分で選択している感覚）、有能感（できるようになっている感覚）、関係性（他者とつながっている感覚）です[8]。

クロスフィットのジムが強力なアドヒアランスを生む理由は、この3つすべてを満たしているからです。スケールの選択肢があり（自律性）、PRボードに記録が残り（有能感）、クラスの仲間と苦しみを共有する（関係性）。AIが処方する「一人用の完璧なプログラム」よりも、「仲間と一緒にやる不完全なプログラム」のほうが、継続率で上回ることがしばしばあります。

私が9年間クロスフィットを続けられているのは、プログラムが科学的に最適だからではありません。5時のクラスに一緒に来る仲間がいるからです。コーチが名前を呼んでくれるからです。WODの後に「今日のやつ、きつかったな」と笑い合える関係があるからです。

ハイブリッドモデルへ

では、AIの正しい使い方は何でしょうか。

私は、AIは「運動処方のデモクラタイゼーション（民主化）」を実現する道具だと考えています。

これまで、個別化された運動処方は、スポーツ医やパーソナルトレーナーにアクセスできる一部の人々の特権でした。1時間あたり数千円から数万円のパーソナルトレーニング料。専門医の予約は数週間待ち。

AIは、このアクセスの壁を劇的に下げます。スマートフォン一つで、ガイドラインに準拠した基本的な運動処方が手に入る。既往歴や身体的制約を考慮した安全なプログラムが、24時間いつでも利用できる。これは、特に医療アクセスの限られた地域や、経済的に余裕のない層にとって、大きな意味を持ちます[9]。

AIは最高の「処方箋」を書ける。でも、最高の「動機」は、自分で見つけるしかない。

テクノロジーと身体。AIと人間のコーチ。オンラインのデータとオフラインのコミュニティ。どちらか一方ではなく、両方を活かすことが、これからの時代のスタンダードになるはずです。

医師として私が目指しているのは、AIの処方精度と、人間のコーチングの温かさを組み合わせた「ハイブリッドモデル」です。テクノロジーが「何を」「どれくらい」を最適化し、人間が「なぜ」「誰と」を支える。それが、運動を「処方」から「文化」に変える鍵だと考えています。

参考文献 [1] Nori H, et al. Can generalist foundation models outcompete special-purpose tuning? Case study in medicine. arXiv. 2023. [2] Rajpurkar P, et al. AI in health and medicine. Nat Med. 2022;28(1):31-38. [3] Castro Sweet CM, et al. Cost savings with digital diabetes prevention program. JHEOR. 2020;7(2):139-147. [4] Ponzo S, et al. Evaluating ChatGPT's ability to provide exercise recommendations. J Med Internet Res. 2024. [5] Kianifar R, et al. Automated assessment of dynamic knee valgus and risk of knee injury during the single leg squat. IEEE J Transl Eng Health Med. 2017;5:1-13. [6] World Health Organization. Adherence to long-term therapies: evidence for action. WHO. 2003. [7] Dishman RK, et al. Exercise adherence: its impact on public health. Human Kinetics. 1988. [8] Ryan RM, Deci EL. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. Am Psychol. 2000;55(1):68-78. [9] Topol EJ. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books. 2019.

この記事は連載「なぜ動く人は、幸せそうなのか」の第61回です。 前回 → 第60回「ウェアラブルとAIが変える自己理解」