本研究の概要として、IoTを活用した身体活動セルフモニタリングの効果検証のため、高齢者機能健診の参加者を介入群（活動量計を配布して身体活動のセルフモニタリングをする群）と対照群（健康教育用の冊子を配布する群）に割り付けを行った。主要アウトカムは新規要介護認定の発生とし、二次的アウトカムは運動や認知機能、アンケートによる身体活動量とした。また、発症予測モデルの構築のため、集積した加速度センサーによる行動パターンとベースライン時の医学、社会、心理学的データとを組み合わせて、要介護認定の発生や認知症の発症を感度、特異度ともに90%以上の確率で予測するアルゴリズムを目指しAIによる開発を行った。今年度の成果として、セルフモニタリングの効果検証では、ベースライン調査として愛知県東海市在住の65歳以上の全高齢者を対象に高齢者機能健診である「脳とからだの健康チェック」を昨年度に引き続き実施し、目標対象者数を超える5,564名の参加が得られた。そのうち3,017名をランダムに介入群と対照群とに割り付け、介入群にはIoTを活用したセルフモニタリングを実施して活動量の向上を促した。また、アウトカムである要介護認定情報の追跡調査とともに、運動機能検査や認知機能検査、アンケート等による機能状態の追跡検査を行った。その結果、IoTを用いた身体活動のセルフモニタリングは、加齢による座位時間（不活動時間）の増加を抑制し、加齢による筋肉量の減少を抑制し、一部の認知機能を向上させる効果があることが明らかになった。一方で、新規要介護認定発生をアウトカムとした分析では、追跡期間の不足もあり、統計学的に有意な介入効果は認められなかった。今後さらなる追跡調査を継続することでより正確な追加検証が可能になると考えられる。発症予測アルゴリズムの開発では、昨年度から継続しているモデルの作成およびデータ準備を完了し、学習結果の評価を中心に実施した。また、予測精度の向上に向けてデータの洗練や機械学習方法の見直しと正答率の検証を繰り返し行った。その結果、feedforward neural networksを用いたディープラーニングから、要介護認定発生の予測確率90.5%、認知症発症の予測確率92.4%のアルゴリズムが得られた。本研究により、介護予防のための効果的なポピュレーションアプローチの方法を明示することができた。また、要介護や認知症のハイリスク者の効果的なスクリーニングに関する知見を提供できたと考えられる。