生体信号処理とは——身体が発するデータを読み解く
生体信号（バイオシグナル）とは、生体システムが生成する電気的・力学的・化学的信号の総称だ。
ECG（Electrocardiography、心電図）は心臓の電気活動を記録する。P波、QRS群、T波からなる波形は心拍リズム、不整脈、心筋虚血の診断に不可欠だ。EEG（Electroencephalography、脳波）は脳の電気活動を頭皮上から記録し、α波、β波、θ波、δ波の周波数帯域で認知状態や睡眠段階を評価する。EMG（Electromyography、筋電図）は筋肉の電気活動を測定し、運動制御やリハビリテーションに応用される。EDA（Electrodermal Activity、皮膚電気活動）は汗腺活動に起因する皮膚コンダクタンスの変化を捉え、自律神経系の覚醒度やストレス反応の指標となる。PPG（Photoplethysmography、光電容積脈波）は光学的に血液量変化を測定し、Apple WatchやOura Ringなどのウェアラブルデバイスで広く採用されている。RSP（Respiration、呼吸）は気流や胸壁の拡張から呼吸パターンを記録する。EOG（Electrooculography、眼電図）は眼球運動を検出する。
これらの生データは、そのままでは使えない。電磁干渉、電源ノイズ、体動アーティファクト（ECG信号時間の18.7%がモーションアーティファクトで失われる）、センサーの故障、伝送エラーといったノイズに覆われている。ノイズ除去、ピーク検出、特徴量抽出、周波数分解、非線形解析——これらの信号処理ステップなしに、生体信号から意味のある情報を引き出すことはできない。
従来、この処理は専用商用ソフトウェア（AcqKnowledge、Kubios、LabChart）やMATLABベースのツール（Ledalab、PsPM）に依存していた。高額なライセンス料、ブラックボックスなアルゴリズム、再現性の制約が課題だった。Pythonエコシステムの成熟とオープンサイエンスの潮流が、NeuroKit2のようなオープンソースライブラリの台頭を可能にした。
NeuroKit2——2行のコードで臨床研究レベルの信号処理
NeuroKit2は、Dominique Makowski（サセックス大学助教）を中心とする研究者チームが開発したPython製オープンソースライブラリだ。2021年に*Behavior Research Methods*誌に論文が掲載され（Makowski et al., 2021）、MITライセンスでGitHubに公開されている。
その設計哲学は明快だ。
「プログラミングや生体医工学信号処理に関する広範な知識を持たない研究者や臨床家でも、わずか2行のコードで生理学的データを分析できる。」
実際、ECG解析は以下の2行で完了する:
ecg = nk.ecg_simulate(duration=15, sampling_rate=1000, heart_rate=80)signals, info = nk.ecg_process(ecg, sampling_rate=1000)
対応する生体信号モダリティ
NeuroKit2はECG、PPG/BVP、RSP、EDA/GSR、EMG、EOG、EGG（胃電図、開発中）、EDR（ECG由来呼吸）の7+モダリティに対応する。ほとんどの競合ライブラリが単一モダリティに特化する中、NeuroKit2は統一APIで全モダリティを処理できる点が最大の差別化要因だ。
ECG処理パイプライン
ecg_process()関数は、クリーニング、ピーク検出、デリネーション（P波、QRS群、T波の検出）を一括実行する。R波検出アルゴリズムはNeuroKit（デフォルト）、Pan & Tompkins（1985）、Hamilton（2002）、Zong et al.（2003）、Martinez et al.（2004）、Christov（2004）、Gamboa（2008）、Elgendi et al.（2010）の8種類を内蔵し、UoGデータベースで0.9761の精度を達成した。12誘導マルチチャネルECGにも対応する。
HRV（心拍変動）解析——124の指標
心拍変動は自律神経系の活動を反映する重要な生体指標だ。NeuroKit2は124の HRV指標を一括計算する。
時間領域: RMSSD、MeanNN、SDNN、SDSD、CVNNなど。周波数領域: ULF、VLF、LF、HF、VHFパワー、LF/HF比率、LFn、HFn、LnHF。非線形指標: SD1、SD2、SD2/SD1、CSI（心臓交感神経指標）、CVI（心臓迷走神経指標）、SampEn（サンプルエントロピー）。
この網羅性は商用ソフトウェアのKubios（HRV解析のゴールドスタンダード）にも匹敵する。
複雑性解析——112の非線形指標
NeuroKit2の複雑性解析モジュールは112の非線形指標を提供する。エントロピー系（Shannon、Approximate、Sample、Fuzzy、Multiscale、Composite Multiscale）、フラクタル次元（Sevcik、Katz、ラインレングス）、Detrended Fluctuation Analysis（DFA）、リアプノフ指数など。
Makowskiらの研究「The Structure of Chaos」（2022年、MDPI Entropy）は、これら112指標を実証的に比較し、12の選択された指標が全指標の全分散の85.97%を説明することを示した。
EDA解析
EDAのトニック成分（SCL: Skin Conductance Level）とフェーズ成分（SCR: Skin Conductance Response）を自動分解し、ピーク検出と振幅抽出を行う。信号品質評価機能も内蔵する。
類似ツールとの比較——NeuroKit2はどこが違うのか
生体信号処理のPythonエコシステムには、複数の主要ライブラリが存在する。
BioSPPyはECG、RSP、EDA、EMG、EEG、PPGに対応するマルチモーダルライブラリで、NeuroKit2と最も直接的に競合する。NeuroKit2はBioSPPyのアルゴリズムをオプションとして内部に統合しており、BioSPPyのユーザーがNeuroKit2に移行する際の互換性を確保している。
MNE-Pythonは脳信号（EEG、MEG、sEEG、ECoG）に特化した業界標準だ。ソースローカライゼーション（脳内信号源の推定）でState-of-the-artの性能を持つ。脳波解析ではMNE-Pythonが第一選択であり、NeuroKit2とは補完関係にある。
HeartPyはECGとPPGに特化し、ノイズの多いフィールドデータ向けに設計されている。ArduinoやTeensyマイコンで動作する点がユニークで、リアルタイム組み込み用途ではHeartPyが有利だ。
WFDBはPhysioNetの公式ライブラリで、データ入出力に特化する。MIT-LCPが開発し、PhysioNetデータベースへのアクセスに不可欠だ。
BrainFlowはバイオセンサーハードウェアへの統一SDKを提供する。C++コアにPython、C#、Java、MATLAB、Rustバインディングを持ち、OpenBCI等のデバイスとの接続に優れる。
pyEDAはEDA/GSRに特化し、WESADデータセットで97%のストレス検出精度を達成した。
NeuroKit2の独自性は、7モダリティを統一APIで処理できるマルチモーダル対応、112の複雑性指標、8種類のR波検出アルゴリズムの内蔵と比較、そして2行のコードで完結する低い参入障壁にある。BioSPPy、HeartPy、Systole、noldsなどの競合ライブラリと比較検証済みであり、既存ツールのアルゴリズムをオプションとして取り込む包括的な設計思想が、世界標準としての地位を支えている。
応用領域——生体信号が拓くデジタルヘルスの未来
感情認識とアフェクティブ・コンピューティング
ECG、EDA、PPGは感情の信頼性の高い指標だ。EEGは4感情で88.86%の認識精度を達成し、ECG+EMG+生体信号のマルチモーダルでは4感情状態で79.3%、アンサンブルディープラーニングでは90.96%のF1スコアを記録している。NeuroKit2は、これらの研究で生体信号の前処理と特徴抽出に広く使用されている。
デジタルバイオマーカーとリモートペイシェントモニタリング
デジタルバイオマーカーは、臨床環境外での連続的な生理学的測定を可能にする。米国CMS（メディケア・メディケイドサービスセンター）は2026年1月から、リモートペイシェントモニタリング（RPM）の最低日数要件を16日から2〜15日に緩和し、普及を加速させた。ウェアラブルデバイスから収集される生データの品質管理と特徴量抽出において、NeuroKit2のような標準化されたオープンソースツールの役割は増大している。
ウェアラブルヘルスエコシステム
Apple Watch（2億人以上のユーザー）は、FDA承認済みのECG、心房細動履歴、血中酸素、睡眠時無呼吸検出、高血圧アラート（2025年9月FDA承認）を搭載する。高血圧検出は光学式心拍センサーとMLで実現され、2,000人以上の参加者で検証。初年度に100万人以上の未診断ユーザーへの通知が期待される。
Oura Ring（Gen 4）は消費者向けウェアラブルでHRV精度最高評価を獲得し、2025年後半に「Cumulative Stress」バイオマーカーを導入した。WHOOPは26Hzの心拍キャプチャと「Healthspan」メトリクスを提供し、MG variantではECGと心房細動検出を搭載する。Ultrahumanはリング、環境モニター、血液検査、AI解釈を統合するエコシステムを構築している。
NeuroKit2は、これらのウェアラブルデバイスから出力されるPPGや加速度データの解析ツールとして、研究者がウェアラブルアルゴリズムの検証に使用している。消費者デバイスの生データと研究グレードの解析結果を橋渡しするインフラだ。
臨床応用
Beacon Biosignalsは、FDA承認済みのWaveband EEGデバイスで在宅神経診断を実現した。EpiWatch（ジョンズ・ホプキンス発スピンアウト）はApple Watchを用いた発作モニタリングでFDA 510(k)承認を取得した。こうした臨床AIの背後では、EEGやECGの信号処理パイプラインが不可欠であり、NeuroKit2のようなオープンソースツールが研究開発の基盤を提供している。
VC投資動向——デジタルヘルスに流れ込む資金
主要投資事例
Beacon Biosignalsは2025年11月のシリーズBで8,600万ドルを調達し、累計1億2,100万ドル以上を調達した。Innoviva、Google Ventures、Nexus NeuroTech Ventures、S32、Catalio Capital、武田薬品が投資に参加。AI駆動のEEG脳健康バイオマーカーに特化する。
日本のテックドクターは2025年5月のシリーズBで120億円を調達し、累計180億円に達した。JAFCO、NVCC、三井住友キャピタルが参加。デジタルバイオマーカー開発プラットフォーム「SelfBase」を展開する。
マクロレベルの投資動向
a16z Bio + Healthは2025年に7億ドルを配分し、a16zのAIプロジェクトの50%がヘルスケア分野だった。a16zとEli Lillyは最大5億ドルのバイオテックエコシステムファンドを設立した。
米国のデジタルヘルススタートアップは2025年に142億ドルを調達（前年比35%増）。グローバルのデジタルヘルス資金調達は2025年に223億ドル（前年比19%増）、平均ディールサイズは2,030万ドル（29%増）だった。
生体信号取得・処理システム市場は2024年の約28億ドルから2033年に52億ドルに成長する見通し（CAGR 7.1%）。ウェアラブル医療デバイス市場は2025年の1,030億ドルから2034年に5,053億ドルに拡大する（CAGR 20%）。
課題と制約
モーションアーティファクト
ウェアラブルデバイスで収集される生体信号の最大の課題がモーションアーティファクトだ。ECG信号時間の18.7%がモーションアーティファクトで失われ、偽の頻脈検出につながる。日常環境でのノイズ耐性の向上は、アルゴリズムとハードウェアの両面で継続的な改善が必要だ。
リアルタイム処理
NeuroKit2は主にオフライン/バッチ解析向けに設計されており、リアルタイム組み込み用途には最適化されていない。HeartPy（Arduino/Teensy対応）やBrainFlow（C++コア）がリアルタイム/組み込み用途ではより適している。
臨床検証
オープンソースツールは、医療機器としてのステータスに必要な正式な臨床検証を欠くことが多い。デジタルバイオマーカーの多くが、研究段階から規制当局の承認に至らない。AI/MLソフトウェア医療機器（SaMD）は、大規模で高品質なラベル付きデータセットを要求し、継続的学習システムは安全性・有効性の規制に課題がある。
プライバシー
生体信号は個人の再識別を可能にし得る。EEGデータは機密情報を開示する可能性がある。GDPRは健康関連データの二次利用を制限し、国際データ移転の制約が研究コラボレーションを困難にしている。
日本の動向——デジタルバイオマーカーと超高齢社会
日本は世界最速の高齢化と、それに伴う医療費の急増・地域医療の偏在という構造的課題に直面している。生体信号処理とデジタルバイオマーカーは、この課題への有力な解答だ。
テックドクターはシリーズBで120億円を調達し、デジタルバイオマーカー開発プラットフォーム「SelfBase」でウェアラブルデバイスから連続的な生体データ（睡眠、運動、脈拍）を収集・解析する。100以上の研究機関・企業との共同研究実績を持ち、IQVIAジャパンと臨床研究ソリューションで提携している。
中外製薬は複数の創薬プロジェクトでウェアラブルデバイスによる客観的・連続的な生理学的データ収集を導入し、デジタルバイオマーカープログラムを推進している。日立はポータブル・アプリ・ウェアラブル型のデジタルバイオマーカーを開発し、高齢者の健康増進と疾病予防に焦点を当てている。
2025年の医療法改正でオンライン診療が法的に正式位置づけされたことは、リモートペイシェントモニタリングと連携するデジタルバイオマーカーの普及を後押しする重要なマイルストーンだ。
科研費プロジェクト（2024〜2029年）ではデジタルバイオマーカーによるフレイル評価が研究され、東京大学ではAIベースECG解析による心機能低下検出、2025年のJSAI会議ではテンソルECG解析による心筋梗塞推定が報告されている。
日本のウェアラブル医療デバイス市場は2025年の約22億ドルから2034年に86億ドルに成長する見通しだ。デジタル治療（DTx）市場は2026年の1.5億ドルから2035年に11.3億ドルに拡大する（CAGR 23.6%）。
将来の見通し——生体信号処理が標準インフラになる日
2026〜2027年: Apple Watch、Oura Ring、WHOOPなどのウェアラブルデバイスのFDA承認機能が拡大し、消費者向け生体信号データの爆発的増加が予測される。NeuroKit2のような標準化されたオープンソース処理パイプラインの需要は加速する。FDA 2026年のウェルネスデバイスアップデートにより、フィットネストラッカーと医療機器の境界が明確化され、規制環境が整備される。
2028〜2030年: マルチモーダル生体信号解析（ECG+EDA+PPG+RSP+EEG同時処理）がAIファウンデーションモデルと統合され、個人の健康状態のリアルタイム連続モニタリングが実用化する。デジタルバイオマーカーがFDA承認のコンパニオン診断として創薬パイプラインに組み込まれ、臨床試験のデジタルエンドポイントが標準化される。
2030年以降: 生体信号メタデータは、動画の字幕やタイムコードと同様に、デジタルコンテンツの標準的な付随データとなる。NeuroKit2の112の複雑性指標やHRVの124指標は、ウェアラブルデバイスのファームウェアに直接組み込まれ、エッジデバイス上でリアルタイム計算される。生体信号処理は「特殊な専門技術」から「標準インフラ」に変貌する。
Hugging Face CEOのClement Delangueが「ローカルAIの時代が来た」と述べたように、生体信号処理もまた、クラウドから個人のデバイスへと移行する。NeuroKit2はその移行を支える基盤の一つであり、「2行のコードで臨床研究レベルの信号処理」という設計哲学は、この分野の民主化を象徴している。
業界への影響
第一に、NeuroKit2は生体信号処理の「jQuery」——つまり、複雑な低レベル処理を抽象化し、誰もがアクセスできるようにした標準ライブラリ——としての地位を確立しつつある。月間93,500ダウンロード、590以上の学術引用、Duke、ワシントン大学、オークランド大学など世界の主要大学での採用がこれを裏付ける。
第二に、ウェアラブルヘルスデバイス市場の急成長（2025年1,030億ドル→2034年5,053億ドル、CAGR 20%）は、生体信号処理ライブラリの需要を構造的に押し上げる。Apple Watchの2億人以上のユーザー、Oura Ring、WHOOP、Ultrahumanが生成するPPG、加速度、心拍データの解析ニーズは、NeuroKit2のようなオープンソースツールなしには満たせない。
第三に、VC投資がデジタルヘルスに集中している。a16zのBio + Health 7億ドル配分、Beacon BiosignalsのシリーズB 8,600万ドル、テックドクターのシリーズB 120億円は、生体信号×AIの交差点に巨額の資金が流入していることを示す。生体信号処理の標準ツールを提供するNeuroKit2は、このエコシステムの基盤インフラとして重要性を増す。
第四に、日本の超高齢社会における医療課題——医療費急増、地域偏在、介護人材不足——に対して、デジタルバイオマーカーとリモートペイシェントモニタリングは構造的な解決策を提供する。2025年の医療法改正でオンライン診療が法的に位置づけられたことは、この方向性を制度的に支える。
第五に、オープンソースの生体信号処理ツールは、研究の再現性と透明性を保証する。商用ブラックボックスツールでは実現できない「アルゴリズムの公開と検証」が、NeuroKit2のGitHubリポジトリとMITライセンスによって可能になっている。これは科学的方法論の観点からも重要な貢献だ。