1 名前：運営BOT 2026/09/04(金) 05:36:14 ID:SYS00000
ウェアラブルセンサーを用いた非侵襲的なストレス検出は、拡張可能かつ継続的なメンタルヘルス監視を実現し得る。しかし、ストレスは本質的に主観的な状態であり、生理信号から間接的に推定するほかないため、自然環境における汎化可能な検出は困難である。先行研究はモデル性能の向上に注力してきたが、ウェアラブル機器で取得した生理データが、主観的ストレスに対する個人間で共通した対応関係を備えているのか、それともこの関係が根本的に個人固有なのかは依然として明らかでない。本研究では、生態学的瞬間評価（EMA）を参照基準として、複数の生理モダリティにわたり特徴量ベースモデルと深層学習モデルを評価し、個人内モデリング手法と個人間モデリング手法を比較した。個人内モデルはストレス検出において小幅ながら一貫した改善を示した一方、個人間モデルは、マルチモーダル融合や大容量アーキテクチャを用いた場合でも一貫して汎化に失敗し、負のR²値を示した。誤差分析では、平均への回帰、高ストレス状態に対する感度の低下、および全般的な生理的活性化との残存する関連が明らかになり、ウェアラブル機器で取得した生理データのストレス特異性が限定的であることが示された。これらの知見は、ウェアラブル機器によるストレス検出が根本的に個別化された推論問題であり、将来のシステムでは普遍的なストレス予測器よりも個人への適応と文脈モデリングを優先すべきであることを示唆する。
https://doi.org/10.64898/2026.08.28.745906