Early Prediction of Imminent Intrinsically Generated Trips During Gait in People Post-Stroke
本研究では、2つの特徴量を用いた線形モデルによる早期かつ標的を絞った予測手法を開発・検証し、これにより、脳卒中後の人々における内在的に発生する歩行の開始べき約191ミリ秒前に、その88%を特定することに成功し、転倒を防ぐための適時かつ必要なリアルタイムの介入を可能にした。
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。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
脳卒中の後遺症を抱えて生活する数百万人もの人々にとって、歩くという単純な行為には隠れた危険が伴います。転倒はバランスを崩したり物に躓いたりすることによって起こると多くの人が考えていますが、こうした事故の多くは、身体自身の動きの中に潜む「不具合」によって発生しています。人が歩行する際、脚は滑らかな弧を描いて前方にスイングします。時として、外部に障害物がないにもかかわらず、足が十分に高く上がらず、床に擦れてしまうことがあります。この「内因的に発生する躓き（トリップ）」と呼ばれる現象は、脚が引っかかる原因となり、人をバランス崩させ、しばしば転倒へと導きます。脳卒中サバイバーにとって、このような転倒は特に深刻であり、骨折や自立の喪失、そして再び歩くことへの深い恐怖心を引き起こすことが頻繁にあります。理学療法は多くの人に役立ちますが、これらの躓きを必ずしも防げるわけではなく、また、躓いた際の身体の自然な反応は、転倒を防ぐにはあまりに遅いことが多いのです。ここに決定的な課題が残されています。すなわち、通常の歩行を常に妨げることなく、どのようにすれば技術が転倒が発生する前に迅速に介入できるのか、という点です。
ノースカロライナ大学チャペルヒル校とノースカロライナ州立大学の研究チームは、これらの内因的な躓きが起こる前に予測できるシステムを構築することに乗り出しました。彼らの目標は、必要な時にだけ介入する「スマートなセーフティネット」のように機能する手法を作り出すことでした。研究チームは、少なくとも6ヶ月前に脳卒中を経験し、過去6ヶ月間に少なくとも1回の躓きや転倒しそうになった経験があると報告した11名の個人を募りました。これらの事象を制御された環境下で研究するために、参加者はトレッドミルの上を歩きながら、研究者から注意力をそらすような課題を与えられました。参加者は、足元から目を離したり、手すりから手を離したり、あるいは食べ物の名前を挙げるなどの精神的なタスクを行ったりすることを求められ、これによって現実世界で事故につながる「注意散漫」の状態をシミュレートしました。歩行中、研究者はモーションキャプチャカメラを使用して脚の精密な動きを追跡し、足がトレッドミルのベルトに対して加えた力を記録しました。
研究者にとっての課題は、これらの躓きが非常に稀な現象であることでした。参加者が踏み出した何千ものステップの中で、躓きや床への激しい擦れが生じたのはごくわずかな割合でした。コンピュータにこれらの稀なイベントを認識させるために、チームは足が地面を離れる直前に現れる微細な予兆を見つけ出す方法を教えなければなりませんでした。彼らは、足が地面を離れる直前のフェーズである「後期立脚期（late stance）」に焦点を当てました。下腿（膝から下の脚）の角度とスイングの速度を分析することで、通常の滑らかなステップとは異なるパターンを探しました。彼らはデータを「通常のステップ」と、「異常なステップ（完全な躓きと、足が地面に当たったものの持ち直せた激しい擦れの両方を含む）」の2つのカテゴリーに分類しました。
研究者は、通常のステップが危険なステップを圧倒的に上回るという、この不均衡なデータからコンピュータに学習させるための2つの異なる方法をテストしました。1つの方法は、グループ間の数を等しくするために一部の通常のステップを取り除くというものでした。もう1つの方法は、単に「危険なステップにおけるミスは、通常のステップにおけるミスよりもはるかに大きなエラーとして扱う」とコンピュータに指示するというものでした。この2番目のアプローチの方が効果的であることが証明されました。コンピュータは、最も信頼できる予兆は、地面から離れる直前の下腿の角度であることを学習しました。躓きが起こりそうな時、下腿は通常よりも水平に近い、つまり平坦な位置にある傾向がありました。この特定の姿勢を監視することで、システムは高い精度で潜在的な躓きを特定することができました。
最も重要な発見は、システムがどのくらい早く予測できるかという点でした。コンピュータは、躓きが実際に始まる平均191ミリ秒前に、潜在的な躓きをフラグ立てすることができました。これは極めて重要な時間枠です。これは、多くの電流刺激装置などのデバイスが起動するタイミングである「足が地面を離れた瞬間」よりも大幅に早い段階です。筋肉が電気信号に反応するには時間がかかるため、足がすでに地面を離れた瞬間に待機していては、転倒を防ぐには遅すぎる場合が多いのです。躓きを約200ミリ秒前に予測することで、システムは脚の筋肉を刺激して足をより高く上げさせ、キャッチ（接触）が起こる前に地面をクリアにするための十分な時間を提供できます。システムは、モデルの構築に使用していない参加者に対してもテストされ、8名中5名の参加者において躓きを正しく特定し、全体としてほぼ90%の躓きを予測するという良好な結果を示しました。
本研究は実験室の設定で行われ、参加者数も限られていますが、その結果は有望な進むべき道を示唆しています。研究者たちは、今日人々が使用できるようなウェアラブルデバイスを製作したわけではありませんが、躓きを予測するために必要なデータが存在すること、そしてそれが脚の動きを追跡するシンプルなセンサーを用いて見つけられることを実証しました。この研究は、転倒を防ぐ鍵は、絶え間ない補助（それは疲労を招き、不要な場合もあります）にあるのではなく、正確かつタイムリーな介入にあることを強調しています。躓きの前に起こる特定の運動学的特徴を理解することで、エンジニアは、身体が必要とする時にのみ機能する、より安全で自立した歩行を可能にする次世代の支援技術を設計することができるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。