Validation of lower limb joint center localization and kinematics in markerless motion capture during sloped walking

Durante décadas, los científicos que estudian cómo se mueven los seres humanos han dependido de un método que se asemeja a una versión de alta tecnología de un juego de unir puntos. Para comprender la mecánica de un paso al caminar, los investigadores fijan pequeños marcadores reflectantes en la piel de una persona y utilizan cámaras para rastrear sus posiciones. Esta técnica, conocida como captura de movimiento óptica, ha sido durante mucho tiempo el estándar de oro para medir los ángulos de las articulaciones y los patrones de movimiento. Sin embargo, tiene un defecto significativo: la piel se mueve independientemente de los huesos que hay debajo. A medida que los músculos se contraen y se desplazan durante un paso, los marcadores en la superficie se deslizan, creando un desenfoque de datos que no coincide perfectamente con el movimiento real del esqueleto. Este problema, llamado artefacto de tejido blando, se vuelve especialmente difícil de resolver cuando una persona camina por colinas empinadas o realiza movimientos complejos, ya que la piel se estira y se abulta de forma más dramática.

En años recientes, ha surgido un nuevo enfoque que prescinde de los marcadores por completo. Utilizando visión computacional avanzada y aprendizaje profundo, estos sistemas sin marcadores analizan grabaciones de video para estimar dónde se encuentran las articulaciones basándose en la forma misma del cuerpo. Si bien esta tecnología promete hacer que el análisis del movimiento sea más natural y accesible, los científicos se han mostrado cautelosos sobre qué tan bien resiste bajo presión. La pregunta sigue siendo si estas estimaciones digitales pueden igualar la precisión de los sistemas tradicionales basados en marcadores, particularmente cuando el cuerpo está bajo la tensión de caminar por pendientes pronunciadas.

Un equipo de investigadores en Japón se propuso poner a prueba los límites de esta nueva tecnología sometiéndola a un riguroso ensayo en una cinta de correr. Reclutaron a veinticuatro adultos sanos y les pidieron que caminaran a un ritmo constante a través de cinco condiciones diferentes: terreno llano, pendientes moderadas de subida y bajada, y pendientes pronunciadas de subida y bajada. Para asegurar una comparación justa, los participantes usaron trajes ajustados que minimizaran la tela suelta que podría confundir a las cámaras, y caminaron mientras eran grabados simultáneamente por dos sistemas diferentes. Un sistema utilizó los marcadores reflectantes tradicionales y cámaras infrarrojas, mientras que el otro utilizó ocho cámaras de video estándar para capturar el movimiento sin ningún accesorio físico. Los investigadores luego utilizaron potentes programas para calcular la posición exacta de las articulaciones de la cadera, la rodilla y el tobillo, así como los ángulos de las piernas, para cada momento del ciclo de la marcha.

Los resultados revelaron una historia de éxito notable y limitaciones específicas y previsibles. Cuando los investigadores observaron la ubicación real de los centros de las articulaciones en el espacio tridimensional, el sistema sin marcadores funcionó con una precisión extraordinaria. Las posiciones estimadas de las caderas, las rodillas y los tobillos coincidieron casi perfectamente con el sistema tradicional, independientemente de si la persona caminaba en terreno llano o en una pendiente pronunciada del quince por ciento. Esto sugiere que los algoritmos computacionales son excepcionalmente buenos para encontrar el centro de una articulación, incluso cuando el cuerpo se mueve rápidamente o la vista está parcialmente bloqueada por otras partes del cuerpo.

Sin embargo, la historia cambió cuando los investigadores examinaron los ángulos de las articulaciones. Si bien la forma general de las curvas de movimiento fue muy similar entre los dos sistemas, hubo diferencias consistentes en cómo se reportaban los ángulos. Para la cadera y la rodilla moviéndose hacia adelante y hacia atrás, los dos sistemas coincidieron estrechamente, pero el sistema sin marcadores reportó consistentemente una inclinación inicial ligeramente diferente para la pelvis. Este pequeño desfase constante significó que, si bien el patrón de movimiento era correcto, los números absolutos estaban desplazados. Las diferencias fueron más pronunciadas en los movimientos laterales y de torsión de las articulaciones. El sistema tradicional, que depende de marcadores pegados a la piel, mostró fluctuaciones más erráticas, probablemente debido a que la piel se deslizaba sobre el hueso. En contraste, el sistema sin marcadores produjo datos más suaves, pero esta suavidad a veces enmascaraba los movimientos reales y complejos de los huesos, lo que llevó a desacuerdos significativos en cuánto rotaban o se inclinaban lateralmente la cadera y el tobillo.

La diferencia más sorprendente apareció cuando los participantes caminaron cuesta abajo. En esta condición, los músculos deben trabajar más duro para controlar el descenso del cuerpo y absorber el impacto del aterrizaje. Los investigadores encontraron que el desacuerdo entre los dos sistemas aumentó durante la caminata cuesta abajo, particularmente para el movimiento lateral de la cadera. Sospechan que la intensa actividad muscular y el impacto del aterrizaje causaron que la piel del muslo se moviera y vibrara de formas que confundieron al sistema de marcadores tradicional, mientras que el sistema sin marcadores, entrenado en patrones de movimiento promedio, suavizó estas variaciones extremas. Esto sugiere que, si bien la nueva tecnología es lo suficientemente robusta como para rastrear la ubicación de las articulaciones en terrenos empinados, los ángulos específicos que calcula para los movimientos de torsión y laterales pueden requerir una interpretación cuidadosa, especialmente cuando el cuerpo está bajo un alto estrés físico.

En última instancia, el estudio confirma que la captura de movimiento sin marcadores es una herramienta poderosa para analizar el movimiento en entornos desafiantes donde los métodos tradicionales podrían tener dificultades con el equipo o la oclusión. La tecnología puede rastrear de manera confiable dónde están las articulaciones, lo que la hace adecuada para estudios de campo y tareas complejas. No obstante, los hallazgos sirven como un recordatorio de que los números que produce para los ángulos articulares no son idénticos a los de los métodos más antiguos basados en marcadores. Los científicos y clínicos que utilicen esta nueva tecnología deberán tener en cuenta estos cambios sistemáticos, particularmente al analizar la torsión y la inclinación del cuerpo durante actividades exigentes como caminar por una colina empinada.