Bodilab AI写真から体脂肪率を計算する仕組み｜AIは何を見てる？式・精度・限界
体脂肪率は「測る」のではなく「当てる」数値です。体脂肪率の推定＝体脂肪を直接量らず、測りやすい量（周囲径・電気抵抗・見た目）から統計的に当てはめること。代表的な公開式は米海軍式（Hodgdon & Beckett, 1984：首とウエストから推定、誤差 約3.5〜4ポイントと紹介されることが多い）とBMI式（Deurenberg et al., 1991：体脂肪率＝1.20×BMI＋0.23×年齢−10.8×性別[男1女0]−5.4、誤差 約4ポイント程度）。写真AIはこうした固定の数式ではなく、①シルエットの輪郭 ②体表の陰影 ③入力した身長・体重・年齢・性別を学習済みモデルに通して推定し、研究条件下でDEXA比 平均2〜3ポイント程度の誤差という報告があります（出典：arXiv smartphone body-composition study）。同じ人・同じ日でも式が違えば2〜3ポイント動くため、絶対値ではなく同じ方法を続けたときの推移で判断してください。体組成の数値は推定であり、医療診断ではありません。
- 体脂肪率を直接測れる家庭用の方法は存在しない。すべて別の量からの推定（DEXAですら参照基準であって真値ではない）。
- 米海軍式は身長・首・ウエストだけで計算できる。誤差の目安は約3.5〜4ポイントと紹介されることが多い。
- BMI式（Deurenberg, 1991）は体格の中身を見ないため、筋肉質な人ほど高く出やすい。
- 写真AIが見ているのは輪郭・陰影・入力値であって、皮下脂肪と内臓脂肪を物理的に見分けているわけではない。
- 同一人物の試算で米海軍式19.7% / BMI式22.3%＝2.6ポイント差。式を乗り換えても体は変わっていない。
- 実用の結論は「1つの方法を選び、条件をそろえて続ける」。比べるのは他人の数字ではなく先週の自分。
「写真を撮るだけで体脂肪率が出るなんて、本当に計算できているの？」——もっともな疑問です。この記事では、公開されている計算式の中身、写真AIが実際に見ている情報、どこで・どれくらい外れるのかを、同じ人物の数値を使った試算つきで整理します。仕組みが分かると、出てきた数字をどこまで信じ、どこから疑うべきかが判断できるようになります。
そもそも「体脂肪率を計算する」とは何をしているのか？
脂肪の重さを量っているのではなく、測りやすい別の量から統計的に当てはめています。体から脂肪だけを取り出して秤に載せることはできないので、あらゆる方法は「間接測定＋回帰式」という構造をとります。たとえば水中体重秤量法は体の密度を測り、そこからSiri式：体脂肪率＝(4.95÷体密度−4.50)×100で脂肪の割合に換算します。キャリパーは皮下脂肪の厚みを測って体密度を推定し、同じSiri式に渡します。周囲径式はウエストと首の差、BIA（体組成計）は体を流れる微弱電流の抵抗値、写真AIは見た目の特徴——入り口が違うだけで、どれも「当てはめ」であることは共通です。
※ DEXAは体組成研究での参照基準（gold standard）として扱われますが、これも組織のX線減衰率からの推定であり、絶対的な真値ではありません。
体脂肪率の計算式にはどんな種類がある？
公開されている主要な式は「BMI式」「周囲径式」「皮下脂肪厚式」の3系統で、写真AIとBIAは公開数式ではなくモデル・独自回帰式を使います。入力が増えるほど個人の体型を反映しやすくなる、というのが基本の関係です。
| 方式 | 入力するもの | 式・出典 | 誤差の目安 | 手軽さ |
|---|---|---|---|---|
| BMI式 | 身長・体重・年齢・性別 | 1.20×BMI＋0.23×年齢−10.8×性別（男1女0）−5.4（Deurenberg et al., 1991） | 約4ポイント程度 | ◎ 電卓だけ |
| 周囲径式（米海軍式） | 身長・首・ウエスト（女性はヒップも） | 下記の対数式（Hodgdon & Beckett, 1984） | 約3.5〜4ポイントと紹介されることが多い | ◎ メジャー1本 |
| 皮下脂肪厚式 | キャリパーで3〜7点＋年齢 | Jackson-Pollock等で体密度→Siri式で換算 | 約3.5ポイント程度（測定技術に依存） | △ 熟練が要る |
| BIA（家庭用体組成計） | 電気抵抗＋身長・体重・年齢・性別 | メーカー独自の回帰式（非公開） | 水分状態で日内変動あり | ◎ 乗るだけ |
| 写真AI | 写真＋身長・体重・年齢・性別 | 学習済みモデル（固定の数式ではない） | 研究条件下でDEXA比 平均2〜3ポイント（arXiv） | ◎ 道具なし |
| DEXA | X線スキャン | —（参照基準） | 参照基準として扱われる | × 来院・費用 |
※ 誤差の目安は各手法の推定誤差（SEE）として一般に紹介される範囲であり、あなたの1回の測定でこの範囲に収まることを保証するものではありません。
米海軍式は自分でも計算できる？（実数の計算例）
できます。メジャー1本と電卓、そして対数（log10）が使える計算機さえあれば数分です。式は次のとおりで、単位はすべてcmです。
- 男性：体脂肪率 ＝ 495 ÷ (1.0324 − 0.19077×log10(ウエスト − 首) + 0.15456×log10(身長)) − 450
- 女性：体脂肪率 ＝ 495 ÷ (1.29579 − 0.35004×log10(ウエスト + ヒップ − 首) + 0.22100×log10(身長)) − 450
身長172cm・ウエスト88cm・首38cmの男性で当てはめてみます。ウエスト−首＝50cm、log10(50)＝1.699、log10(172)＝2.236。分母は 1.0324 −（0.19077×1.699）＋（0.15456×2.236）＝1.0538。495÷1.0538＝469.7、そこから450を引いて約19.7%。ACEの区分では男性18〜24%が「平均的」なので、その下側に位置します。
同じ人がウエストだけ5cm絞って83cmになった場合を再計算すると約15.9%。ウエスト1cmあたり、体脂肪率にしておよそ0.7〜0.8ポイント動く計算です（この身長・首まわりでの試算）。ここに、この式のいちばん正直な弱点も見えます——首の測り方が1cm変わるだけで結果は約0.7ポイント動くのです（首38cm→39cmで19.7%→約19.0%）。式の選択よりも、メジャーを毎回同じ位置に当てられるかのほうが結果を左右します。
同じ人でも式が違うと結果はどれくらい変わる？
およそ2〜3ポイント変わります。上と同じ人（身長172cm・体重75kg・35歳）をDeurenbergのBMI式で計算すると、BMI＝75÷1.72²＝25.4なので、1.20×25.4＋0.23×35−10.8−5.4＝約22.3%。米海軍式の19.7%とは約2.6ポイントの差です。
| 方式 | 同一人物での試算値 | この式が見ていないもの |
|---|---|---|
| 米海軍式（Hodgdon & Beckett, 1984） | 約19.7% | ウエスト以外の脂肪分布（脚・腕） |
| BMI式（Deurenberg et al., 1991） | 約22.3% | 体格の中身（筋肉と脂肪の区別） |
※ 上記は公開式に数値を当てはめた計算例で、実在の個人の測定結果ではありません。
どちらが「正解」ではありません。式を乗り換えるたびに体脂肪率は動きますが、あなたの体は動いていません。だから実務上のルールはひとつ、1つの方法を決めて、乗り換えないことです。
写真AIは、写真の「何」を見ているのか？
主に、シルエットの輪郭・体表の陰影・入力された身長体重などの数値の3つです。公開されている手法の系統としては、次のような流れになります（特定アプリの内部実装の説明ではありません）。
- 輪郭：肩幅・胸囲・ウエスト・ヒップにあたる部分の幅と、その比。周囲径式が首とウエストを使うのと同じ情報を、メジャーではなく画素から取ろうとしています。
- 陰影：腹直筋の区切りや鎖骨・肋骨の見え方など、皮下脂肪が薄いほど出やすい凹凸のコントラスト。照明で腹筋の見え方が変わるのは、まさにこの情報が光に依存しているからです。
- 入力値：身長・体重・年齢・性別。同じシルエットでも身長が15cm違えば体積は大きく変わるため、画像だけでは決まりません。
そしてモデルは、DEXAやInBodyでラベル付けされた大量の写真との対応づけを学習しています。つまり写真AIは脂肪を透視しているのではなく、「この見た目の人はDEXAでこれくらいだった」という統計を引いている——構造としては米海軍式と同じ「当てはめ」で、入力が数値ではなく画像になっただけです。仕組みの詳細は筋肉の付き方を写真で判定できる？AIアプリの仕組みと限界でも扱っています。
写真からの推定はどれくらい正確？どこで外れる？
研究条件下でDEXA比 平均2〜3ポイント程度という報告があります（出典：arXiv smartphone body-composition study）が、実使用ではこれより広がると考えるのが安全です。外れ方には決まった癖があり、怠けた記事が書かない具体はここにあります。
- 照明を変えた日は数値が動く：真上からの照明は陰影を強調し、実際より絞れて見えます。窓際の自然光と蛍光灯を行き来していると、体でなく光を記録していることになります。
- 服のシルエットが輪郭を汚す：ぶかぶかのTシャツは、ウエストの情報を丸ごと隠します。
- 撮影距離とカメラの高さ：近距離・低い位置からの撮影は下半身を大きく写します。目安として距離2m前後・カメラは腰から胸の高さで固定します。
- 水分と食事：周囲径は食後や生理周期で1〜2cm動き、これは体脂肪率にしておよそ1ポイント分に相当します。朝と夜の数値差は、体組成の変化ではなく測定条件の差です。
- 体型の偏り：内臓脂肪が多く手足が細いタイプは、正面写真からは相対的に読みにくい部類です。内臓脂肪と皮下脂肪の違いは、見た目だけでは切り分けられません。
ここが重要な点です。これらの誤差は毎回ランダムに揺れるのではなく、条件をそろえれば同じ方向に一定量ずれます。絶対値は2〜3ポイントずれていても、条件を固定した推移の差分はずっと信頼できる——これが「1枚の数値より推移」と言われる理由です。数値と見た目の対応が知りたい場合は体脂肪率の見た目（無料ツール）で目安を確認できます。
結局、どの方法をどう使えばいい？（段階別）
二択で選ぶ話ではなく、記録の蓄積量に応じて段階的に足していくのが現実的です。
- 第1段階：まだ記録が1点もない。道具の要らない方法（写真かメジャー）で、とにかく4週間分の点を作ります。方法選びより、比較できる記録が2点以上あることが先です。
- 第2段階：数値が動かない・迷う。入力の違う方法を1つ足します（写真AI＋メジャー、あるいは体組成計＋写真）。2つが同じ向きを指したときだけ体の変化と判断するのが、誤差との現実的な付き合い方です。
- 第3段階：絶対値が知りたい。節目にDEXAかInBodyで測り、普段使っている方法とのズレ幅を確認します。「自分の場合はアプリの値が実測より2ポイント高い」と分かれば、以後その2ポイントが自分用の補正値になります。
- 第4段階：維持したい。頻度を落として、月1回の定点写真とウエストだけ残します。体脂肪率は火災報知器ではなくサーモスタットとして使う——鳴らすためではなく、微調整するための数字です。
体脂肪率を推定・記録する手段には何がある？
方式の違いを踏まえて、実在する手段を目的別に並べます。開示：本記事はBodilab AIの運営が書いています。競合も優れた点を隠さず載せます。
| 手段 | できること（掲載情報による） | 体脂肪率の推定 | 向く人 |
|---|---|---|---|
| BodyNote（iOS） | ウエスト・上腕・大腿など15部位のサイズ記録、写真比較、グラフ、CSV入出力 | しない（実測の記録） | 米海軍式を自分で計算し、入力値を残したい人 |
| BodyJourney（iOS） | 前回写真を半透明で重ねるオーバーレイ撮影、体型変化の写真記録 | しない（撮影と記録） | 撮影条件のブレを物理的に潰したい人 |
| BodyTL（Android） | 毎日の変化をタイムラプス動画化、ガイドライン表示、日付スタンプ | しない | Androidで変化を動画で見たい人 |
| あすけん（iOS/Android） | 食事記録が主。AI体型測定（写真から3Dアバター）を搭載 | 体型測定機能あり | 食事管理と一体で運用したい人 |
| スマート体組成計 タニタ／オムロン／RENPHO／Withings | BIAで体脂肪率・筋肉量を毎日推定、自動記録 | する（独自回帰式） | 毎日の点を自動で貯めたい人 |
| Bodilab AI（iOS・自社） | 写真1枚から体脂肪・除脂肪・12部位を推定し、週次の推移と次の一手を提示。自分のDEXA/InBody値で校正できる | する（写真AI） | 推定値を実測で「答え合わせ」しながら続けたい人 |
| DEXA／InBody（施設） | 参照基準としての体脂肪・除脂肪の測定 | する | 年1〜2回の基準合わせ |
Bodilab AIが一番だと言うつもりはありません。撮影条件を揃えることも、実測値を残すことも、上のアプリで十分にできます。Bodilab AIが引き受けているのは、そこから先の「で、それは良い変化なのか」——推定した体脂肪・除脂肪・12部位を週ごとに並べ、自分のDEXA/InBody値で校正して、次の一手まで返す部分です。式の絶対値ではなく、比較できる記録が積み上がることに価値を置いています。方式全体の精度比較は体組成測定の精度を方式別に比較にまとめています。
式に迷う前に、比べられる1枚を。
Bodilab AI は、写真1枚から体脂肪・除脂肪・12部位の変化をAIが推定し、週ごとの推移で「効いてるか」に答えます。自分のDEXA/InBody値での校正にも対応。体組成の数値は推定であり、医療診断ではありません。
Download on theApp Storeよくある質問
写真から体脂肪率は計算できますか？
推定はできますが、直接計算しているわけではありません。写真AIは体の輪郭や陰影から特徴を抽出し、DEXAなどでラベル付けされた学習データとの対応づけで体脂肪率を推定します。研究条件下ではDEXA比 平均2〜3ポイント程度の誤差という報告があります（出典：arXiv smartphone body-composition study）。推定値であり医療診断ではありません。
写真AIは体脂肪率を何から計算しているのですか？
主に3つです。①シルエットの輪郭（肩・胸・ウエスト・ヒップの幅とその比）、②体表の陰影（脂肪の被り方や筋の輪郭の出方）、③入力された身長・体重・年齢・性別です。これらを学習済みモデルに通して推定値を出します。皮下と内臓の脂肪を物理的に見分けているわけではありません。
体脂肪率の計算式にはどんなものがありますか？
代表的なのは4系統です。BMI式（Deurenberg et al., 1991／身長・体重・年齢・性別）、周囲径式（米海軍式・Hodgdon & Beckett, 1984／首とウエスト）、皮下脂肪厚式（Jackson-Pollockなど／キャリパー）、そして体密度から換算するSiri式（体脂肪率＝(4.95÷体密度−4.50)×100）です。写真AIとBIA（体組成計）は公開された数式ではなく学習モデルやメーカー独自の回帰式を使います。
米海軍式の体脂肪率の計算式を教えてください
男性は 体脂肪率 = 495 ÷ (1.0324 − 0.19077×log10(ウエスト − 首) + 0.15456×log10(身長)) − 450、女性は 495 ÷ (1.29579 − 0.35004×log10(ウエスト + ヒップ − 首) + 0.22100×log10(身長)) − 450 です（すべてcm）。Hodgdon & Beckett（1984年）の回帰式で、推定誤差は約3.5〜4ポイント程度と紹介されることが多い方法です。
身長と体重だけで体脂肪率は計算できますか？
年齢と性別を加えれば概算はできます。Deurenberg et al.（1991年）の式では 体脂肪率 = 1.20×BMI + 0.23×年齢 − 10.8×性別（男性1・女性0）− 5.4 です。ただし体格の中身を一切見ないため、筋肉量の多い人では高めに、筋肉量の少ない人では低めに出る傾向があります。
写真から計算した体脂肪率はどれくらい正確ですか？
研究条件下でDEXA比 平均2〜3ポイント程度の誤差という報告があります（出典：arXiv smartphone body-composition study）。実使用では照明・姿勢・服装・角度・水分状態でさらに動くため、1枚の絶対値ではなく同条件で撮り続けた推移を見るのが実用的です。
計算式によって体脂肪率の結果が違うのはなぜですか？
どの式も体脂肪を直接測っておらず、別々の集団データから別々の入力で「当てている」からです。身長172cm・体重75kg・35歳・ウエスト88cm・首38cmの男性を試算すると、米海軍式では約19.7%、Deurenberg式では約22.3%と約2.6ポイント差が出ます。式を乗り換えると数値は動きますが、体は動いていません。
写真で体脂肪率を計算するとき、失敗しやすいのはどんなときですか？
照明を変えたとき、ぶかぶかの服で撮ったとき、撮影距離やカメラの高さを変えたとき、そして毎回ちがう時間帯に撮ったときです。特に真上や真下からの角度は体型そのものを歪めます。同じ場所・同じ光・同じポーズ・同じ距離を守るだけで、推定のブレは大きく減ります。