Validating OpenCap Kinematics for ACL Injury-Related Movements In and Out of the Lab

Chaque année, plus de 120 000 personnes aux États-Unis se déchirent un ligament crucial du genou, le ligament croisé antérieur, souvent en pratiquant des sports. Pour les jeunes athlètes féminines, le risque est particulièrement élevé, avec des taux de blessures plus de deux fois supérieurs à ceux de leurs homologues masculins. Ces blessures ne sont pas seulement un contretemps temporaire ; elles peuvent entraîner des problèmes de santé à long terme, notamment une probabilité nettement plus élevée de développer de l'arthrose plus tard dans la vie. Comme la plupart de ces déchirures surviennent sans choc direct au genou, les chercheurs pensent qu'elles pourraient être évitables en apprenant aux athlètes à bouger différemment. Les scientifiques ont identifié des manières spécifiques de se déplacer — comme la façon dont une personne atterrit après un saut ou effectue des changements de direction sur un terrain — qui exercent une pression supplémentaire sur le genou. En mesurant ces mouvements, ils peuvent calculer un score qui indique la résilience du corps d'un athlète face aux blessures. Le défi a toujours été que la mesure précise de ces mouvements nécessite des caméras et des capteurs coûteux, occupant une pièce entière, que l'on ne trouve que dans des laboratoires spécialisés, ce qui rend impossible le contrôle fréquent des athlètes ou le suivi sur les lieux où ils jouent réellement.

Une équipe de chercheurs a entrepris de voir si un outil beaucoup plus simple pourrait remplacer le laboratoire. Ils ont testé un système de logiciel appelé OpenCap, qui utilise des vidéos enregistrées par des smartphones standards pour estimer comment le corps se déplace en trois dimensions. L'objectif était de déterminer si cette méthode basée sur le téléphone pouvait mesurer avec précision les mêmes facteurs de risque de blessure que l'équipement de haute technologie du laboratoire, et si elle pouvait capturer la façon dont les athlètes se déplacent dans le monde réel, en dehors de l'environnement contrôlé d'un laboratoire. L'équipe a recruté 26 adolescentes, dont l'âge moyen était d'environ 16 ans, pratiquant des sports comme le football, le basket-ball et le volley-ball. Aucune des participantes n'avait d'antécédents de chirurgie du genou. Les chercheurs ont demandé à ces athlètes d'effectuer une série de cinq mouvements courants utilisés pour le dépistage du risque de blessure : des squats sur une jambe, des sauts sur une jambe et sur deux jambes, ainsi que deux types de changements de direction brusques. Ils ont enregistré ces mouvements à deux reprises pour chaque athlète : une fois à l'intérieur du laboratoire avec le système de capture de mouvement de référence, et une fois à l'extérieur, dans un cadre plus naturel, en utilisant uniquement des smartphones.

Les résultats ont montré que le système de smartphone fonctionnait remarquablement bien par rapport à l'équipement de laboratoire. À l'intérieur du laboratoire, les scores de résilience aux blessures calculés à partir des vidéos du téléphone étaient fortement liés aux scores provenant des caméras de haute technologie. Les deux méthodes concordaient suffisamment pour que les téléphones puissent classer les athlètes de manière fiable, du risque le plus élevé au plus faible. Lorsque les chercheurs ont examiné les détails spécifiques des mouvements, tels que l'amplitude de la flexion du genou ou la rotation de la hanche, le système de téléphone a capturé les schémas avec une grande précision pour la plupart des articulations, particulièrement le genou et la hanche. Les erreurs de mesure de ces angles étaient suffisamment faibles pour que le système puisse probablement détecter les changements qui surviennent lorsqu'un athlète améliore sa technique grâce à l'entraînement. Cela suggère que les entraîneurs et les préparateurs physiques pourraient utiliser de simples smartphones pour surveiller les athlètes et fournir un retour immédiat sur leur façon de bouger, sans avoir besoin de se rendre dans un centre de recherche.

Cependant, l'histoire a légèrement changé lorsque les athlètes sont sorties du laboratoire. Bien que les téléphones aient toujours fonctionné, les scores calculés lors des sessions en extérieur ne correspondaient pas aussi étroitement aux scores intérieurs que les chercheurs l'espéraient. De nombreuses athlètes se déplaçaient différemment lorsqu'elles étaient à l'extérieur par rapport à lorsqu'elles étaient dans le laboratoire, et ces différences étaient assez importantes pour modifier considérablement leurs scores de risque. Par exemple, une athlète qui présentait un schéma d'atterrissage très sûr à l'intérieur du laboratoire affichait, à l'extérieur, un atterrissage plus rigide et plus risqué, avec moins de flexion du genou et une inclinaison plus marquée du torse. Une autre athlète présentait la tendance inverse, se déplaçant avec une meilleure forme à l'extérieur du laboratoire. Cela indique que l'environnement lui-même influence la façon dont les gens bougent, et qu'un test unique dans une pièce calme peut ne pas raconter toute l'histoire du risque d'un athlète. L'étude n'a pas conclu que le système de téléphone était défaillant ; elle a plutôt révélé que les athlètes se comportent réellement différemment dans le monde réel.

Les chercheurs ont conclu que les outils basés sur les smartphones sont un moyen valide de mesurer la biomécanique du risque de blessure, offrant une voie pratique pour surveiller les athlètes plus fréquemment et dans les contextes où ils jouent réellement. La technologie est assez précise pour suivre l'amélioration des mouvements et identifier les schémas dangereux. Pourtant, les différences entre les performances en laboratoire et dans le monde réel soulignent un point crucial : pour véritablement comprendre et prévenir les blessures, nous devons voir comment les athlètes se déplacent dans leurs environnements naturels, et non pas seulement dans une pièce contrôlée. Ce travail jette les bases d'un avenir où la prévention des blessures ne sera plus limitée à quelques visites en laboratoire, mais deviendra une partie continue de l'entraînement quotidien de l'athlète, guidée par des données qui reflètent ses véritables habitudes de mouvement.