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

Per decenni, gli scienziati che studiano il modo in cui gli esseri umani si muovono si sono affidati a un metodo che somiglia a una versione tecnologica avanzata di un gioco di unire i puntini. Per comprendere la meccanica di un passo, i ricercatori attaccano piccoli marcatori riflettenti sulla pelle di una persona e utilizzano delle telecamere per tracciarne le posizioni. Questa tecnica, nota come motion capture ottico, è stata a lungo il gold standard per misurare gli angoli articolari e i modelli di movimento. Tuttavia, presenta un difetto significativo: la pelle si muove indipendentemente dalle ossa sottostanti. Mentre i muscoli si contraggono e si spostano durante un passo, i marcatori sulla superficie scivolano, creando una sfocatura di dati che non corrisponde perfettamente al vero movimento dello scheletro. Questo problema, chiamato artefatto del tessuto molle, diventa particolarmente difficile da risolvere quando una persona cammina su colline ripide o esegue movimenti complessi, poiché la pelle si tende e si gonfia in modo più drammatico.

Negli ultimi anni, è emersa un nuovo approccio che evita completamente l'uso dei marcatori. Utilizzando la visione artificiale avanzata e il deep learning, questi sistemi senza marcatori (markerless) analizzano le riprese video per stimare la posizione delle articolazioni basandosi sulla forma stessa del corpo. Sebbene questa tecnologia prometta di rendere l'analisi del movimento più naturale e accessibile, gli scienziati si sono dimostrati cauti riguardo alla sua capacità di resistere sotto pressione. La domanda rimane se queste stime digitali possano eguagliare la precisione dei tradizionali sistemi basati su marcatori, in particolare quando il corpo è sottoposto allo sforzo di camminare su pendii ripidi.

Un team di ricercatori in Giappone ha deciso di testare i limiti di questa nuova tecnologia sottoponendola a una prova rigorosa su un tapis roulant. Hanno reclutato ventiquattro adulti sani e hanno chiesto loro di camminare a un ritmo costante attraverso cinque diverse condizioni: terreno pianeggiante, pendenze in salita e in discesa moderate, e pendenze in salita e in discesa ripide. Per garantire un confronto equo, i partecipanti indossavano tute aderenti che minimizzassero il tessuto sciolto che potrebbe confondere le telecamere, e camminavano mentre venivano registrati simultaneamente da due sistemi diversi. Un sistema utilizzava i tradizionali marcatori riflettenti e telecamere a infrarossi, mentre l'altro utilizzava otto telecamere video standard per catturare il movimento senza alcun aggancio fisico. I ricercatori hanno poi utilizzato software potenti per calcolare la posizione esatta delle articolazioni di anca, ginocchio e caviglia, nonché gli angoli delle gambe, per ogni momento del ciclo del cammino.

I risultati hanno rivelato una storia di straordinario successo e di limitazioni specifiche e prevedibili. Quando i ricercatori hanno osservato la posizione reale dei centri articolari nello spazio tridimensionale, il sistema senza marcatori ha operato con un'eccezionale precisione. Le posizioni stimate di anche, ginocchia e caviglie corrispondevano quasi perfettamente al sistema tradizionale, indipendentmente dal fatto che la persona camminasse su un terreno pianeggiante o su una ripida pendenza del quindici per cento. Ciò suggerisce che gli algoritmi informatici siano eccezionalmente bravi a trovare il centro di un'articolazione, anche quando il corpo si muove rapidamente o la visuale è parzialmente ostruita da altre parti del corpo.

Tuttoveve, la storia è cambiata quando i ricercatori hanno esaminato gli angoli delle articolazioni. Sebbene la forma complessiva delle curve di movimento fosse molto simile tra i due sistemi, vi erano differenze costanti nel modo in cui venivano riportati gli angoli. Per l'anca e il ginocchio nei movimenti avanti e indietro, i due sistemi concordavano da vicino, ma il sistema senza marcatori riportava costantemente una leggera differenza nella inclinazione iniziale del bacino. Questo piccolo scostamento costante significava che, sebbene il modello di movimento fosse corretto, i numeri assoluti erano traslati. Le differenze diventavano più pronunciate nei movimenti laterali e di rotazione delle articolazioni. Il sistema tradizionale, che si basa su marcatori incollati alla pelle, mostrava fluttuazioni più erratiche, probabilmente perché la pelle scivolava sopra l'osso. Al contrario, il sistema senza marcatori produceva dati più fluidi, ma questa fluidità a volte mascherava i veri movimenti complessi delle ossa, portando a disaccordi significativi su quanto l'anca e la caviglia ruotassero o si inclinassero lateralmente.

La differenza più sorprendente è apparsa quando i partecipanti hanno camminato in discesa. In questa condizione, i muscoli devono lavorare più duramente per controllare la discesa del corpo e assorbire l'impatto dell'atterraggio. I ricercatori hanno scoperto che il disaccordo tra i due sistemi aumentava durante la camminata in discesa, in particolare per il movimento laterale dell'anca. Sospettano che l'intensa attività muscolare e l'impatto dell'atterraggio abbiano causato alla pelle della coscia movimenti e vibrazioni che hanno confuso il sistema tradizionale con marcatori, mentre il sistema senza marcatori, addestrato su modelli di movimento medi, ha smussato queste variazioni estreme. Ciò suggerisce che, sebbene la nuova tecnologia sia abbastanza robusta da tracciare le posizioni articolari su terreni ripidi, gli angoli specifici che calcola per i movimenti di rotazione e laterali potrebbero richiedere un'interpretazione attenta, specialmente quando il corpo è sottoposto a un elevato stress fisico.

In definitiva, lo studio conferma che il motion capture senza marcatori è uno strumento potente per analizzare il movimento in ambienti impegnativi dove i metodi tradizionali potrebbero incontrare difficoltà con l'attrezzatura o l'occlusione. La tecnologia è in grado di tracciare in modo affidabile la posizione delle articolazioni, rendendola adatta agli studi sul campo e ai compiti complessi. Tuttavia, i risultati servono da promemoria: i numeri che produce per gli angoli articolari non sono identici a quelli dei metodi più vecchi, basati sui marcatori. Gli scienziati e i clinici che utilizzano questa nuova tecnologia dovranno tenere conto di queste differenze sistematiche, in particolare quando analizzano la rotazione e l'inclinazione del corpo durante attività impegnative come camminare giù per una ripida collina.