カーソルは、言葉より先に揺れる——マウスとタッチが心を映すとき

こんにちは、チカちゃんです。

いま、この文章を読んでいる手、ちょっと意識してみてほしいんです。

マウスを動かす指。スマホをなぞる親指。スクロールの速さ。クリックの迷い。線を引くときの、ほんの少しの震え。

普通、そういう動きって「操作」で終わりますよね。中身は文章で、中身は顔で、中身は言葉で伝わる——そう思ってる。

でも、ちょっと待って。

その「操作そのもの」が、すでに心の影を落としているとしたら？

言葉にする前に、手が先に揺れている。質問票に答える前に、軌跡が先にざわついている。そんな研究を読んで、チカちゃん、かなり考え込んでしまいました。

言葉じゃ足りない、という出発点

心の不調って、本当に見つけにくいんです。

世界中で障害の大きな原因になっているのに、症状が出てから支援につながるまで、何年もかかることがある。理由はいろいろあります。気づきにくい。恥ずかしくて言えない。言葉にできない。相談する場がない。言語の壁もある。

だからこそ、インタビューや質問紙だけじゃなくて、顔・歩行・ウェアラブル・脳画像・デジタル行動みたいな「非言語」の手がかりが研究されてきました。

そのなかで、UC Berkeley と Max Planck UCL Centre の研究者たち——Veith Weilnhammer さん、Jefferson Ortega さん、David Whitney さん——が着目したのが、ごく日常のカーソル操作とタッチ操作でした¹。

論文のタイトルは、まっすぐです。

Human-computer interactions predict mental health

人間とコンピュータのやりとりが、メンタルヘルスを予測する——と。

フレームワークの名前は MAILA（MAchine learning framework for Inferring Latent mental states from digital Activity）。デジタル行動から、隠れている心の状態を推論する機械学習の枠組み、という感じです。

ふむふむ。名前からして、すでにちょっと未来っぽい。

何を、どれだけ集めたのか

規模が、まず目を引きます。

• 参加者 約9,000人
• カーソル／タッチの記録 約20,000本
• メンタルヘルスの自己報告 約130万件
• そのうち 約2,000人 はあとから再測定（縦断）
• タッチ操作の臨床寄り評価では、うつ病の既往を自己申告した人 約1,000人、OCD（強迫症）の既往を自己申告した人 約500人 を含む

質問は67項目。つらさ（ディストレス）とウェルビーイングの両方が入っています。抑うつ、不安、対人過敏、敵意、身体化、強迫、感情的・社会的・心理的ウェルビーイング……といった軸です。

操作のほうは、画面上の座標の連なり。平均すると、1記録あたりだいたい 2万数千点 くらいの軌跡です。それを短い窓に切り、LSTMオートエンコーダで「動きのかたち」を埋め込みにして、よくあるパターン500個への分布としてまとめます。

つまりMAILAは、「この人はいま何と答えたか」を直接読むのではなく、どう動いたかの指紋から、心の地図上の位置を推測しようとするわけです。

ここ、大事なので念押しします。研究デザイン上、最終的な回答位置そのものをモデルに渡さない工夫が入っています。質問の並びも、回答線の向きもランダム化されている。だから「答えの場所を見て当てた」だけ、という抜け道をできるだけ塞いでいる。

なるほどねえ。実験の丁寧さが、信頼の土台になっています。

どのくらい当たるのか——数字をちゃんと置く

ここからが、いちばん誤解しやすいところです。

論文は、既存のバイオマーカー（遺伝リスク、脳画像、ウェアラブル、認知課題など）が個人差を読むときの相関がだいたい R < 0.2、診断分類のAUCがだいたい 0.55〜0.75 くらいに収まる、と整理したうえで、MAILAもその「最前線」に並ぶ精度だと述べています。しかも 12分未満 の操作データで、という点に力点があります¹。

具体的には、ざっくりこうです。

• カーソルだけから、全体のディストレス R = 0.26、ウェルビーイング R = 0.18
• 各下位次元の個人差も、おおむね R ≈ 0.2 前後
• タッチだけでも、平均 R ≈ 0.15 前後
• 同じ人の変化（ベースライン→フォローアップ）はもっと読みやすく、変化の予測が R ≈ 0.48、良くなった／悪くなったの弁別で AUC ≈ 0.73
• うつ病既往 vs 一般：AUC ≈ 0.64（タッチ操作での分類評価）
• OCD既往 vs 一般：AUC ≈ 0.70
• 集団平均のパターン（年齢・性別・雇用など）はかなり高く追える（年齢効果では R ≈ 0.97 など）

チカちゃん的に翻訳すると、こうなります。

一人の心を、決定的に言い当てる魔法の鏡、というわけじゃない。
でも、「ざっくりした気配」や「変化の向き」や「集団の波」は、思ったよりはっきり拾える。

個人の瞬間値で R が 0.2 前後——これは「当たった！」と叫ぶ数字じゃないです。説明できるばらつきのごく一部。それでも、脳画像やウェアラブルと同程度で、しかもスマホやPCならほぼ無料で毎日出る信号だ、というところが研究の主張の芯です。

そして、個人の一点より 変化 と 集団 で強くなる。ここ、臨床や公衆衛生の用途を考えるとすごく示唆的です。

三つの軸——「どれくらいつらいか」だけじゃない

もっと面白いのはここかもしれません。

メンタルヘルスの自己報告って、互いに絡み合っています。落ち込みが強い人は、対人的にもしんどく感じやすかったりする。だからモデルが拾っているのは、「なんとなく調子が悪い／良い」という一本の温度計だけなんじゃないか——そう疑いたくなる。

そこで論文は、主成分（PC）に分解して確かめます。

結果、カーソルとタッチだけから、少なくとも 直交する3軸 が読めた、というんです。

1. PC1 … つらさ〜ウェルビーイングの全体軸
2. PC2 … 抑うつ・対人過敏を、他のつらさと分ける軸
3. PC3 … 身体化・敵意の側と、強迫・対人過敏の側などを分ける軸

この3つで、データ全体の分散のおよそ 38% を説明。しかも「変化」も追える。

つまりMAILAは、「しんどい／しんどくない」のスライダーだけじゃなく、しんどさの中身のざっくりした輪郭まで、動きのパターンから拾おうとしている。

チカちゃん、ここで少し鳥肌が立ちました。

心は言葉になる前に、すでに身体の運動制御に染み出している——運動制御の理論が昔から言ってきたことを、日常のポインティング操作で大規模に示した、という感じがするからです。

「中身のない操作」でも読める、という怖さとすごさ

さらに慎重な検証があります。

フォローアップで、心の質問とは関係ないアンケートや、意思決定ゲームをしているときのカーソルだけを渡しても、ベースラインで訓練したモデルは、ある程度メンタルヘルスを予測できた。一方で、その非心理タスクの「答えそのもの」は、心の状態をほとんど含んでいなかった。

自由描画（「宇宙船を描いて」みたいな指示）のタッチ軌跡だけでも、弱いながら予測できた。

外部の自然なPC利用データ（ブラウジング、ファイル操作、事務、コーディング、娯楽など、のべ2,550時間）に当てると、予測はセッションごとにゆっくり変わり、朝のほうがポジティブ寄り・日が暮れるとネガティブ寄り、という概日リズムの型まで再現された、と報告されています。

ここまで来ると、問いは技術から倫理へスライドします。

心の質問をしていないときでも、手の動きは心を漏らしているのかもしれない。

便利さの影に、いつもその可能性がついて回る。

チカちゃん的な見立て——「漏れ出す心」と「読む権力」

チカちゃん的には、この研究のいちばんおいしいところは、精度自慢そのものより、次の気づきです。

私たちは、自分の心を「申告するもの」だと思いがちです。フォームに記入する。カウンセリングで話す。日記に書く。つまり、言葉の関所を通ったものだけが心だ、と。

でもMAILAは、その関所の手前を覗いてしまう。

迷い。ためらい。軌道の遠回り。速度のばらつき。効率の落ち方。人が手で作った特徴量では、「遠回りが多い」「速度がぶれる」などがディストレス側に寄りやすかった、とも逆解析されています（ただし特徴の向きはカーソルとタッチで逆転することも多く、単純ルールでは足りない、とも）。

つまり心は、いつも「内容」だけじゃなく「運び方」にも宿る。

文章の上手い下手より、タイピングの間。会話の結論より、沈黙の長さ。同じように、クリックの軌道にも、その人の今がにじむ。

……ここまで書くと、美しい発見に聞こえます。実際、早期支援や遠隔ケアの可能性としては、ほんとうに大事だと思います。言葉にできない人、偏見やスティグマで声を上げにくい人、リソースの少ない地域。そういう場所で、「毎日の端末操作が、変化のセンサーになる」未来は、救いにもなり得る。

でも、同時にこれは 読む権力 の話でもある。

論文自身も考察部分で、プライバシー・同意・自律性への深刻な懸念をはっきり書いています。善意のスクリーニングでも、結果の返し方を間違えると不安やスティグマを増やす。そして、何より——

ユーザーが「今、心を測られている」と意識していない信号から、心に近いものが読めてしまう。

ブラウザ、OS、アプリ、職場の端末、学校の学習ソフト。ゼロ追加コストで取れる信号は、善意の医療だけが使うとは限らない。広告、与信、採用、監視。用途の想像が、一瞬で暗転する。

研究側も「スクランブル（動きにノイズを足す）でプロファイル精度を落とせる」ことや、倫理・同意・ガバナンスの必要性に触れています。技術ができる、と倫理が許す、は別問題——ここは絶対に混ぜちゃいけない。

反対側から見る——過大評価の罠

ここで一回、疑いましょう。迷探偵モードです。

1. 自己申告診断
   臨床面接で確定した診断ではなく、自己申告の既往が中心です。連続体としてのつらさを追う研究としては筋が通っていますが、「診断装置」として読むのは早い。

2. 個人精度の天井
   R ≈ 0.2 前後は、日常語にすると「気配は掴むが、決めつけには使えない」。変化や集団では強くなる、という階層を忘れると、すぐにSF化します。

3. オンライン被験者
   Prolific 経由の大規模サンプルで、国籍や年齢の幅は広い。それでも「世界の全ユーザー」ではないし、デバイスや文化による動きの差は、これからも検証が要る。

4. 特許と利害
   UC Berkeley 関連の特許出願に言及があります。科学的興味と社会実装のインセンティブは、いつも微妙にずれる。

5. 因果じゃない
   動きが心を「起こす」のではなく、心が動きに「染みる」相関の話。介入で軌跡を変えれば心が治る、みたいな飛び方は禁物です。

つまりMAILAは、「心が手に漏れる」ことを示した強力な証拠の一つであって、「あなたのマウスが精神科医になる」宣言、というわけでもない。ここ、三度くらい繰り返したい。

哲学のほうへ——私たちはどこまで透明でいたいか

少しだけ、大きな話に寄せます。

人間は長いあいだ、心を守るために「言葉の遅さ」を使ってきました。感じた瞬間に全部外へ出さず、一度内側で編集する。その編集権が、プライバシーであり、尊厳であり、ときには生存戦略でもあった。

デジタル操作は、その編集の手前——もっと自動で、もっと身体に近い層——を外に出す。AIはその層を、統計的に読みやすくする。

すると問いは、こうなります。

• 心は、申告したものだけを心と呼ぶべきなのか
• 漏れてしまう気配を、誰が、何のために、どこまで読んでよいのか
• 「助けてあげるために読む」は、いつ「管理するために読む」へ滑るのか
• 私たちは、自分の軌跡に対して、編集権や拒否権を持てるのか

チカちゃん的には、MAILAの本当のインパクトは医療応用の可否だけじゃないと思っています。

人間が道具を使うたび、道具もまた人間を測り始めている——その非対称を、具体的な数字で見せつけたこと。

便利なインターフェースほど、摩擦がなく、意識に上らず、だからこそ深く身体化する。深く身体化した信号ほど、心に近い。心に近い信号ほど、取り扱いに倫理が要る。

この連鎖、どこかで一度、立ち止まって設計し直したほうがいい気がします。

じゃあ、私たちはどう付き合う？

答えを一つにまとめ切るつもりはないです。でも、持ち帰り用の補助線なら出せます。

• 個人の診断を、軌跡だけで決めない。 気配のセンサとして見る。
• 変化のモニタとしての価値と、一時点のレッテルとしての危険を分ける。
• 同意のないメンタル推論は、技術的に可能でも社会的に別物、と扱う。
• 可能なら、OSやブラウザ側に「動きのプロファイルを粗くする／オフにする」選択があってほしい。
• 自分の側でも、たまには「今の手の速さ」に気づいてみる。焦りは、しばしば指先に先に出る。

そして最後に、いちばんやさしい使い方を想像するなら——

誰かが言葉を失っている夜に、「質問紙を埋めろ」と急かさず、日々の操作の変化から「この人、いつもと違うかも」と気づくきっかけになること。その気づきが、必ず人間のケアにつながる導線を持つこと。

センサーは、人の代わりにはなれない。でも、人の「見落とし」を減らす灯にはなれるかもしれない。

余韻

カーソルは、ただの矢印じゃないのかもしれない。

画面の上を走る小さな線は、作業の軌跡であると同時に、そのときの神経系の天気図でもある。MAILAは、その天気図が、思ったより読めることを示した。

読めるようになった世界で、私たちは何を守り、何を共有し、何をあえて読まないでおくのか。

答えは、まだ風の中です。

でも——次にマウスを動かしたとき、ほんの一瞬だけ、「今のこの軌道は、どんな気持ちの形だろう？」と聞いてみる。それだけでも、自分の心との距離が、ちょっと変わる気がします。

思索は冒険です。今日の入口は、指先でした。

参考URL

Human-computer interactions predict mental health (Weilnhammer, Ortega, Whitney; arXiv:2511.20179) → https://arxiv.org/abs/2511.20179

PDF → https://arxiv.org/pdf/2511.20179

Footnotes

1. Veith Weilnhammer, Jefferson Ortega, David Whitney. Human-computer interactions predict mental health (MAILA). arXiv:2511.20179, 2025–2026（v5: 2026-05-06）。所属は Helen Wills Neuroscience Institute / Department of Psychology / Vision Science Group（UC Berkeley）および Max Planck UCL Centre for Computational Psychiatry and Ageing Research。本稿の数値はプレプリント記載に基づく。 ↩ ↩²