📄 bioengineering

StaBLE: digital metrics capture balance performance across a wide spectrum of balance tasks and abilities

Stanford Balance Level Evaluation (StaBLE)は、18種類のビデオベースの課題で構成される検証済みのデジタル評価ツールであり、標準的な測定法との強い相関関係と多様な集団における転倒リスクを識別する能力を示すことで、既存の臨床スケールの限界を克服し、幅広いバランス能力を効果的に定量化するものである。

原著者： Heigold, H., Ruth, P. S., Muccini, J., Lee, D., Barta, S., Rodrigues, A., Hastie, T., Steenerson, K. K., Delp, S. L.

公開日 2026-09-23

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Heigold, H., Ruth, P. S., Muccini, J., Lee, D., Barta, S., Rodrigues, A., Hastie, T., Steenerson, K. K., Delp, S. L.

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

バランスは、人間の動きを支える静かなエンジンであり、転倒することなく歩き、手を伸ばし、向きを変えることを可能にする目に見えないスキルです。それは非常に根本的なものであるため、それが損なわれるまでは滅多に意識されることはありませんが、ひとたび失われれば、その結果は深刻なものになり得ます。特に高齢者にとってはなおさらです。安定性が失われると、しばしば転倒を招き、それは高齢者における負傷や死亡の主要な原因となります。医師たちは長い間、過去の転倒に関する単純な質問や基本的な身体テストを用いて患者の安定性を判断してきましたが、これらの手法は、人が実際にどのように動いているかという微妙なニュアンスを見落としがちです。それらは、単に安定している人と、並外れて機敏な人とを区別することに苦慮しており、最もスキルの高い個人であっても、単に十分なレベルにある人と同じ最高スコアになってしまうという「天井」に突き当たることがよくあります。こうした限界を乗り越えるために、研究者たちは、障害のある人からエリート層に至るまで、人間の安定性の全スペクトラムを捉えることができる、精密かつアクセシブルなバランス測定法を必要としています。

スタンフォード大学の研究チームは、スマートフォンのみを使用してデジタルな精度でバランスを測定するために設計された、「Stanford Balance Level Evaluation（StaBLE）」と呼ばれる新しいアプローチを開発しました。臨床医の主観的な判断や粗いスコアリングシステムに頼る代わりに、この手法は、一連の挑戦的な身体的タスクを実行する様子を記録し、コンピュータビジョンを用いてその動きを詳細に分析します。チームは、バランスに影響を与える医学的状態を持つ個人から、プロのバレリーナや体操選手に至るまで、能力が大きく異なる180人の参加者を募りました。参加者には、目を閉じて片脚で立つ、ジャンプする、後ろ向きに歩くといった18種類の異なるタスクを実行してもらい、その間、周囲に設置された3台のスマートフォンで彼らを撮影しました。システムは、ビデオ映像を、動きの速さから姿勢の安定性に至るまで、各目的をどれだけうまく遂行できたかを反映する、単一の連続的なスコアへと変換しました。

この新しい評価の結果は、従来の臨床テストよりもはるかに広い能力の範囲を捉えられることを示しています。研究者がこの新しいデジタルスコアを既存の手法と比較したところ、従来のテストでは高いパフォーマンスを示す人々を区別できないことが多いことが分かりました。例えば、標準的なアセスメントでは、研究対象となったほぼすべてのエリートアスリートが最高スコアを獲得しており、誰が真に最もバランスが取れているのかを判別することが不可能でした。対照的に、StaBLEスコアはこれらのアスリートを分散させ、従来のテストが見逃していた彼らのパフォーマンスの微細な違いを明らかにしました。また、この新しいスコアは年齢とも強い相関関係にあり、加齢に伴うバランス能力の明確な低下を示しました。さらに、人々が自身のバランスに対して感じている自信ともよく一致していました。決定的なことに、このデジタルスコアは、転倒のリスクがある人とそうでない人を分けることができ、これは転倒歴のある人々を観察した際に一部の伝統的なテストが判別できなかった差異です。

このアセスメントを日常的に使える実用的なものにするために、研究者たちは、精度を損なうことなくテスト時間を短縮できるかどうかを調査しました。彼らは統計的手法を用いて、どの特定のタスクが最も価値のある情報を提供するかを特定しました。その結果、片脚で立ちながら様々な方向に手を伸ばすダイナミック・バランス・テストを含む、5つのタスクの小さなサブセットがあれば、高い精度でフルスコアを予測できることが分かりました。この短縮版は10分足らずで完了できるため、クリニックやコミュニティセンターでの使用が可能です。この研究は、多様な身体的課題とデジタル分析を組み合わせることで、客観的であり、かつパフォーマンスの向上や低下を検知できるほど敏感なバランス評価を作成できることを示しています。この成果は、バランス・テストの未来が、かつては高価で専門的な研究所でしか不可能であったような明晰さをもって人間の動きを測定できる、アクセシブルなビデオベースのツールにある可能性を示唆しています。

技術要約：StaBLE – デジタル指標によるバランス・パフォーマンスの捕捉

問題提起
バランス（平衡）は人間の移動性と自立の基本であるが、その評価は臨床および研究現場において依然として大きな課題となっている。既存の手法には二極化が見られる。臨床スクリーニングツール（例：Mini-BESTest、4-Stage Balance Test、SPPB）は、広く普及させるには実現可能であるが、粗い順序尺度に依存しており、「天井効果」を示すため、高能力者の差別化や微細な改善の検出を制限している。対照的に、ラボベースの運動学的測定は高い精度を提供するものの、コスト、機器の要件、および専門のオペレーターの必要性により、幅広い採用には不向きである。さらに、過去の転倒歴はバランス能力の代用として用いられることが多いが、これは報告バイアスの影響を受けやすく、バランス制御の多次元的な性質を捉えることができない。既存の尺度の限界を克服しつつ、多様な集団に対して実現可能な、定量的かつ客観的なバランス評価が切実に求められている。

方法論
著者らは、デジタル・モーションキャプチャを用いて幅広いバランス能力を捕捉するように設計された包括的なプロトコルである、Stanford Balance Level Evaluation (StaBLE) を開発した。

対象者： 本研究では、多様なバランス能力を持つ180名の参加者（18歳～87歳）を募集した。これには、疾患を持つ者（前庭機能障害、パーキンソン病、末梢神経障害など）から、エリート層（プロのバレリーナ、アクロバット、大学生の体操選手）までが含まれる。
プロトコル： 評価は、静止立位、動的動作（ジャンプ、リーチング）、および歩行タスクを含む18のバランス挑戦タスクで構成される。5つのタスクには、感覚統合を困難にするための「目閉鎖」成分が含まれている。
データ収集： データは、3台のスマートフォンカメラとノートPCを利用したオープンソースのマーカーレス・モーションキャプチャシステムである OpenCap を用いて取得された。セットアップは、視覚的ノイズを最小限に抑えるために、特定のカメラの高さ、向き、および背景のドロップクロス（布）を用いて標準化された。単一の実験者がプロトコルを実施でき、運動試行の完了までに約25〜35分を要した。
特徴量エンジニアリング： ビデオデータから、タスクのパフォーマンスを定量化するために76個のデジタル特徴量が抽出された。これらの特徴量は、ピーク垂直重心速度、ピーク底屈、揺動偏差、保持時間などのバイオメカニクス的な目的を測定している。
スコアリング・アルゴリズム：
1. 正規化： 各特徴量は、全データセット内で観察された最小値と最大値に基づき、[0, 1]のスケールに正規化された。最大化を目指す目標（例：速度）と最小化を目指す目標（例：揺動）は、それぞれ適切にスケーリングされた。
2. 集計： 正規化された特徴量は、18のタスクスコアを作成するために平均化された。これらはさらに集計され、単一の StaBLEスコア となった。スコアが高いほど、パフォーマンスが良いことを示す。
3. 失敗の処理： タスクを実行できなかった、あるいは特定の目標を達成できなかった参加者には、その特徴量のスコアとして0が割り当てられた。

主な結果

分布と天井効果： StaBLEスコアは、コホート全体で左裾が長い分布（平均：0.64、範囲：0.08–0.84）を示した。極めて重要なことに、スコアは天井効果を示さなかった。エリートのバランサーであっても、完璧なスコアである1.0に達した参加者は存在しなかった。対照的に、既存の尺度は顕著な天井効果を示した（例：Mini-BESTestのRise-to-Toesタスクにおいて、エリートのバランサーの24/26名が最大スコアを記録した）。
妥当性と相関：
- 年齢： 年齢との強い負の相関（ $\rho = -0.76, p < 0.001$ ）。
- 自己効力感： Activities-Specific Balance Confidence (ABC) Scaleとの正の相関（ $\rho = 0.60, p < 0.001$ ）。
- 臨床尺度： StaBLEスコアは、Mini-BESTest（ $\tau = 0.55$ ）、4-Stage Balance Test（ $\tau = 0.55$ ）、およびSPPB（ $\tau = 0.57$ ）の推定スコアと有意に相関した。
転倒リスクの差別化： StaBLEスコアは、「転倒リスクあり」と判定された参加者（CDC STEDI基準による）と「リスクなし」の参加者の間で、有意に異なる分布を示した（コルモゴロフ–スミルノフ検定： $KS = 0.67, p < 0.001$ ）。さらに、StaBLEスコアは、転倒歴のある者とない者を区別したが、既存の尺度（4-Stage Balance Test、SPPB）では、このデータセットにおいて統計的に有意な区別を行うことができなかった。
タスクの部分集合選択： 前向き部分集合選択（forward subset selection）を用いて、著者らは、5つのタスク（Y-Balance、Single-Leg-Stance Eyes-Closed、Gait-Backwards、Gait-Pivot、および Single-Leg-Stance Rise-to-Toes Eyes-Closed）のサブセットが、フル版のStaBLEスコアの分散の88%を説明できることを特定した。これは、予測力を維持したまま、10分未満の短縮された評価が可能である可能性を示唆している。

意義と主張
本論文は、StaBLEが以下の点において、バランスにおけるデジタルヘルス指標の重要な進歩であると主張している：

天井効果の克服： 連続的な運動学的特徴を用いることで、従来の臨床的な順序スコアリングではなく、障害者からエリートに至る能力の全スペクトラムにわたってパフォーマンスを差別化し、パフォーマンスの天井に達することなく、性能を識別する。
アクセシビリティと拡張性： プロトコルは、遍在するスマートフォン技術とマーカーレス・モーションキャプチャ（OpenCap）を活用しており、単一のオペレーターによる非ラボ環境（例：ダンススタジオ、コミュニティセンター）での高品質なデータ収集を可能にする。
客観的な定量化： スコアは、臨床医の観察による主観性や、事後的な自己報告の限界を回避する、客観的でデータ駆動型の尺度を提供する。
リスクの差別化： この指標は、既存の尺度が限界を示す場面においても、転倒リスク群と非リスク群、および転倒歴の有無によるバランス能力の統計的な差異を正常に識別した。

著者らは、スコアは単一時点でのパフォーマンスの「スナップショット」であり、再テスト信頼性、トレーニングに対する縦断的な反応、および将来的な転倒予測に関するさらなる検証が必要であるとし、控えめな姿勢を維持している。また、スコアはバランスの欠陥を特定するものの、特定の基礎となるサブシステム（例：機器の制約により含まれなかったリアクティブ・バランス）の原因を特定する段階には至っていないことも述べている。本研究は、将来的な臨床応用およびより具体的な診断指標の開発のための、検証されたベースラインとして機能するものである。

関連論文