MoniCardiは、タンペレ大学から生まれた医療テクノロジーおよびソフトウェア企業であり、心拍変動（HRV）に関する革新的な手法の開発に取り組んでいます。心臓の働きを分析することで、人体の複雑な機能をより深く理解し、健康モニタリングやパフォーマンス最適化における新たな可能性を切り拓くことを目指しています。
基盤：大規模データセットによる検証
MoniCardiの画期的な研究は、もともと計算物理学で開発された統計解析および時系列解析の手法に基づいています。これらの手法は、一見意外でありながら、心電図（ECG）分野、とりわけ心拍変動（HRV）解析において非常に大きなインパクトをもたらしています。
MoniCardiの新しい手法とその有用性は、複数の科学研究［1–9］によって検証されており、アメリカ心臓協会（AHA）のScientific Sessionsをはじめとする主要な心臓病学会でも発表されています。これらの研究には、フィンランド心血管研究（FINCAVAS）といった大規模データセットの活用が含まれており、同研究では4,386名の臨床運動負荷試験参加者から得られた包括的な測定データが収集されています。最近の画期的な研究［1］では、運動負荷試験前の1分間の安静時におけるMoniCardiのHRV解析が、従来の20分間の負荷試験全体に基づく解析よりも、突然心臓死の予測精度において有意に優れていることが示されました（ハザード比はそれぞれ約2.5と約1.5）。さらに、他のリスク要因を考慮に入れることで、MoniCardiの優位性は一層高まります。
臨床研究の枠を超えて、MoniCardiの特許取得済み手法は、スポーツ分野における代謝閾値の高精度な推定も可能にします。これは、2023年に主要な生理学ジャーナルで発表された画期的な研究［2］によって実証されました。この研究は、フィンランドの主要紙であるHelsingin Sanomatの全面記事を含め、国内外の複数のニュースメディアでも取り上げられています。現在、この成果はタンペレ大学とフィンランドハイパフォーマンススポーツ研究所（KIHU）との学術連携により、さらなる検証が進められています。
2024年に開始されたSuuntoとのパートナーシップを通じて、MoniCardiの革新的な技術は、プロアスリートやスポーツ愛好家をはじめ、これらの先進的な機能に関心を持つすべてのユーザーに向けて展開されています。HRV解析を新たな次元へと引き上げ、実用的かつ行動につながるインサイトを提供します。
心拍変動（HRV）の理解
心拍変動（HRV）とは、連続する心拍の間隔のばらつきを測定する指標です。これらの間隔の変動を分析することで、身体の状態、特に自律神経系が心臓に与える影響についての洞察を得ることができます。従来、HRVはRMSSD（隣接する心拍間隔差の二乗平均平方根）を用いて、睡眠中の回復状態を評価するために活用されてきました。これは、夜間におけるHRVの変化を観察し、ストレスレベルを検出するものです。
安静時には、心拍間隔には大きな変動（HRV）が見られますが、身体がストレスにさらされると、自律神経系は「闘争・逃走反応（fight-or-flight）」へと切り替わり、心拍変動は最小限に抑えられます。このHRVの低下は、ストレスレベルを評価する指標として利用することができます。
DDFAの紹介：革新的な測定技術
HRVの解析手法は、一般的に時間領域、周波数領域、そして非線形手法に分類されます。非線形手法の中でも代表的なものが、1990年代初頭に開発されたデトレンド変動解析（DFA）です。DFAは、心拍間隔の変化同士の相関、特にある時点の変化が別の時点にどのように影響するかといった、長期的な特性を明らかにします。この情報は高い予測価値を持っていますが、その実用性が本格的に引き出されたのは、近年開発されたダイナミカルDFA（DDFA）［8,9］によるものです。さらにDDFAは、時間に応じたHRV相関の変化を評価できるよう改良されています［10］。
簡単に言えば、DDFAは4拍から50拍以上にわたる複数の「測定スケール（measure sticks）」を同時に利用します。そして各時点において、これらすべてのスケールに対する「スケーリング指数」と呼ばれる指標（心拍間隔の相関特性を示す特徴量）を算出します。この情報により、運動中の生理状態を高精度にマッピングすることが可能になります。
リアルタイム強度モニタリング
DDFAは、運動中における心拍間の相関のリアルタイムな変化を評価する点で優れています。トレーニング強度は、DDFAのスケーリング指数に見られる時間およびスケール依存の変化と直接的に相関しています。研究によると、運動強度が高まるにつれてスケーリング指数は低下します。さらに非常に高い強度に達すると、心拍間隔にはいわゆる「反相関（anticorrelation）」が現れ、大きい間隔と小さい間隔が時間スケールに応じた特定のパターンで交互に現れるようになります。このような情報により、運動強度や生理学的閾値を高精度でモニタリングすることが可能になります。
DDFAの可視化
2023年に『Frontiers in Physiology』に掲載された重要な研究「Estimation of Physiological Exercise Thresholds Based on Dynamical Correlation Properties of Heart Rate Variability」［2］は、DDFAの有効性を示しています。この研究では、時間とともに運動強度が徐々に増加するシナリオが示されています。シアン色のラインは2つの代謝閾値、すなわちLT1（有酸素性閾値）とLT2（無酸素性閾値）を表しており、黒の点線は血中乳酸レベルに基づいてこれらの閾値が位置付けられる箇所を示しています。
この結果は、DDFAに基づく解析によって得られた閾値が、乳酸ベースの閾値定義とほぼ一致する理想的なケースを示しています。ただし、これは最良のシナリオであり、実際の応用ではばらつきが生じることが想定されます。DDFA解析と乳酸ベースの閾値はケースごとに差異が見られる場合がありますが、心拍数の測定値は通常±5拍/分の範囲で一致します。また、乳酸閾値自体にも解釈に依存する不確実性が存在します。
臨床レベルに匹敵する精度
MoniCardiの手法は、全体的な心臓リスクや突然心臓死の予測［1］に加え、QT延長症候群［4,5］、心房細動、うっ血性心不全（研究進行中）など、さまざまな心疾患の評価に活用されています。また、ストレスや睡眠段階の推定［6,7］にも応用されています。突然心臓死の予測［1］に関する研究は大きな注目を集め、フィンランドの主要メディア（YLE、Helsingin Sanomat、Ilta-Sanomat、Aamulehti）をはじめ、複数の国際的なニュースサイトでも取り上げられました。
医療技術分野においては、MoniCardiは現在、先進的な心電図（ECG）デバイスおよびシステムを開発するスウェーデンのMedTech企業Cardiolex Medicalと協業しています。さらに、心臓リスク評価をより広い市場へ展開するため、ウェアラブル技術分野でのパートナーも積極的に模索しています。
参考文献：
[1] Jussi Hernesniemi, Teemu Pukkila, Matti Mölkkäri, Kjell Nikus, Leo-Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen, Esa Räsänen
「超短時間の心拍変動に基づく突然心臓死の予測」
JACC: Clinical Electrophysiology, 2024年
[2] Matias Kanniainen, Teemu Pukkila, Joonas Kuisma, Matti Mölkkäri, Kimmo Lajunen, Esa Räsänen
「心拍変動の動的相関特性に基づく生理学的運動閾値の推定」
Frontiers in Physiology 14（2023年）
[3] Teemu Pukkila, Matti Mölkkäri, Matias Kanniainen, Jussi Hernesniemi, Kjell Nikus, Leo-Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen, Esa Räsänen
「運動中のRR間隔相関に対するβ遮断薬療法の影響」
Computing in Cardiology 50（2023年）
DOI: 10.22489/CinC.2023.104
[4] Matias Kanniainen, Teemu Pukkila, Matti Mölkkäri, Esa Räsänen
「QT延長症候群におけるRR間隔相関への日内リズムの影響」
Computing in Cardiology 50（2023年）
DOI: 10.22489/CinC.2023.287
[5] T. Pukkila, M. Mölkkäri, J. Kim, E. Räsänen
「QT延長症候群患者におけるRR間隔相関の低下」
Computing in Cardiology 49（2022年）
DOI: 10.22489/CinC.2022.284
[6] Teemu Pukkila, Matti Mölkkäri, Esa Räsänen
「複雑作業中の心拍動的相関 ― 自動車運転におけるケーススタディ」
Computing in Cardiology 48（2021年）
DOI: 10.23919/CinC53138.2021.9662676
[7] M. Mölkkäri, M. Tenhunen, A. Tarniceriu, A. Vehkaoja, S.-L. Himanen, E. Räsänen
「フォトプレチスモグラフィを用いた睡眠段階解析における非線形心拍変動指標」
Computing in Cardiology 46（2019年）
DOI: 10.22489/cinc.2019.287
[8] M. Mölkkäri, G. Angelotti, T. Emig, E. Räsänen
「ランニング中の心拍動的相関」
Scientific Reports 10, 13627（2020年）
[9] M. Mölkkäri, E. Räsänen
「心拍変動におけるデトレンド変動解析のスケーリング指数のロバスト推定」
Computing in Cardiology 45（2018年）
DOI: 10.22489/CinC.2018.219
[10] M. Mölkkäri, E. Räsänen
「被験者の状態推定のための心拍間隔に関する手法」
特許出願中
最新ニュース：MoniCardi
国際ニュース:
Science Daily: https://www.sciencedaily.com/releases/2024/06/240613140808.htm
Science Alert: https://www.sciencealert.com/new-algorithm-can-predict-and-help- prevent-sudden-cardiac-death
Mirage News: https://www.miragenews.com/tampere-university-researchers- predict-sudden-1255528/
Medical XPress News: https://medicalxpress.com/news/2024-01-method-based-series-analysis-thresholds.html
フィンランド国内ニュース:
YLE: https://yle.fi/a/74-20093771
Helsingin Sanomat: https://www.hs.fi/tiede/art-2000009847625.html
Ilta-Sanomat: https://www.is.fi/terveys/art-2000010505400.html
Aamulehti: https://www.aamulehti.fi/tiedejateknologia/art-2000010497986.html https://www.aamulehti.fi/tiedejateknologia/art-2000009863997.html
STT: https://www.sttinfo.fi/tiedote/70082024/aikasarja-analyysiin-perustuva-uusi-menetelma-helpottaa-urheilun-kynnysarvojen- maarittamista?publisherId=69818730&lang=fi
[AIによる自動翻訳につき、誤訳が含まれる場合があります。]
