Estimating Body Segment Properties for Adults AcrossDiverse Body Morphologies: A Data-Driven GeometricFramework

Resumen Técnico: Estimación de las Propiedades de los Segmentos Corporales para Adultos en Diversas Morfologías Corporales

Planteamiento del Problema
La estimación precisa de las propiedades inerciales de los segmentos corporales (BSIP, por sus siglas en inglés) —que incluyen longitudes de segmento, masas, centros de masa y momentos de inercia— es un requisito fundamental para los análisis biomecánicos, las simulaciones musculoesqueléticas y las evaluaciones clínicas. Sin embargo, los métodos de escalado existentes están limitados por su dependencia de conjuntos de datos reducidos, lo que dificulta su capacidad de generalización efectiva a través de todo el espectro de las diversas morfologías corporales adultas. Esta limitación es particularmente aguda para individuos con índices de masa corporal (IMC) elevados, donde las ecuaciones de regresión estándar suelen fallar al capturar las variaciones complejas en la distribución de la masa y la geometría.

Metodología
Los autores proponen un marco geométrico basado en datos diseñado para estimar las BSIP mediante una combinación de conjuntos de datos antropométricos a gran escala y modelado de regresión. La metodología central consiste en:

• Base de Datos: Los modelos se entrenan con extensos conjuntos de datos de ANSUR II y NHANES, proporcionando una base estadística robusta para las variaciones corporales adultas.
• Representación Geométrica: El cuerpo humano se modela como 16 segmentos distintos. El marco utiliza modelos de regresión para predecir longitudes de segmento, dimensiones de sección transversal y masas agrupadas.
• Variables de Entrada: Las entradas primarias del modelo son la altura, el peso y el sexo. Para refinar las predicciones de formas corporales específicas, el marco incorpora mediciones adicionales como la circunferencia de la cintura y la cadera, u otras métricas de longitud y sección transversal cuando están disponibles.
• Adaptación a la Obesidad: Se implementa un conjunto de reglas geométricas específico para individuos con obesidad. Este mecanismo redistribuye el exceso de masa basándose en cambios de volumen específicos de cada segmento, abordando la distribución de masa no lineal que se observa a menudo en poblaciones con un IMC más alto.
• Implementación: Para garantizar la accesibilidad, los autores desarrollaron una API de Python de código abierto que ejecuta el proceso completo de estimación de parámetros utilizando los modelos entrenados.

Resultos Clave
La evaluación del marco demuestra que los modelos resultantes reproducen con éxito las longitudes de segmento, las dimensiones de sección transversal y las masas de segmento agrupadas dentro de los rangos observados en los conjuntos de datos de entrenamiento. Crucialmente, el marco supera las ecuaciones de regresión publicadas anteriormente, observándose las mejoras más significativas en las predicciones para individuos con valores de IMC más altos. La inclusión de mediciones circunferenciales y las reglas geométricas específicas para la obesidad mejoran significamente la precisión de las predicciones de forma y masa en comparación con los métodos que dependen únicamente de la altura y el peso.

Significancia y Reivindicaciones
El artículo posiciona este marco como una herramienta precisa y accesible para estimar las propiedades de los segmentos corporales adultos a través de una amplia gama de tamaños y formas corporales. Al aprovechar grandes conjuntos de datos y un enfoque geométrico, el trabajo busca apoyar la mejora del análisis del movimiento, la simulación musculoesquelética y la biomecánica clínica. Los autores enfatizan la utilidad de la API de código abierto para promover una adopción amplia, abordando así la brecha de generalizabilidad encontrada en los métodos de escalado actuales. La contribución se plantea como una solución práctica para mejorar la fidelidad de los modelos biomecánicos sin requerir imágenes complejas para cada sujeto, siempre que se disponga de datos antropométricos estándar.