IMU-Based Hip Adduction and Flexion Moment Estimation for Osteoarthritis and Healthy Individuals During Normal and Modified Gait

股関節症を患う数百万人もの人々にとって、歩くという単純な行為は、痛みとの絶え間ない交渉です。この疾患は、関節をクッションする滑らかな軟骨を摩耗させ、一歩踏み出すごとに、深刻な障害につながる可能性のある、すり減るような摩擦へと変えてしまいます。医師はX線で損傷を確認できますが、病気の真の物語は、人が動いている間に体に作用する目に見えない力の中に展開されます。足が地面に着くたびに、股関節は巨大な負荷を吸収します。そして、その人の歩き方――どのように体を傾け、どのようにつま先を向け、どのくらいの速さで動くか――が、その関節が受けるストレスの量を正確に決定するのです。時間の経過とともに、これらの累積的な力は病気を加速させる可能性がありますが、ほとんどの患者にとって、この危険な負荷は、そのような測定が通常行われる専門クリニックから遠く離れた、日常生活の静かな時間の中で発生しています。

これまで、これらの力を理解するには、バイオメカニクス研究所へ行く必要がありました。そこでは、患者は巨大な圧力センサーが埋め込まれた床の上を歩き、カメラがレーザーによる精密さで動きを追跡します。このセットアップは、関節ストレスの詳細なスナップショットを提供しますが、高価で煩雑であり、制御された環境下での数秒間の歩行しか捉えることができません。それは、医師に対して、患者が公園での朝の散歩や、食料品の買い出し、あるいは注意が逸れた瞬間に、股関節がどのように振る舞うかを伝えることはできません。医学界の課題は、このレベルの洞察を、研究室の外へ、そして現実の世界へと持ち込む方法を見つけることでした。つまり、部屋中に機器を並べることなく、体の動きを追跡できる小さなウェアラブルデバイスを使用する方法です。

上海交通大学、京都大学、および香港中文大学の研究チームは、この問題を解決するための重要な一歩を踏み出しました。彼らは、体に装着した小さなセンサーのみを使用して、股関節内部のねじれや曲げの力を推定する新しい手法を開発しました。慣性計測装置（IMU）として知られるこれらのセンサーは、加速度や回転を検知できる非常に小さなデバイスであり、スマートフォンに搭載されているチップと同様のものです。研究者たちは、これらの単純な信号を用いて、たとえ関節炎を持つ人々であっても、またそれらの人々が歩き方を変えたとしても、股関節に作用する複雑な力を再構成できるかどうかを知りたいと考えました。

このアイデアをテストするために、チームは、健康な若年成人、健康な高齢者、および股関節症と診断された人々を含む84人の参加者を募りました。彼らは、体幹、骨盤、および脚に8つの小型デバイスを装着した状態で、トレッドミルおよび力センサーを備えた床の上を歩くよう求められました。参加者は単に普通に歩くだけではありませんでした。システムが追いつけるかどうかを確認するために、特定の 방식으로 歩き方を修正するよう求められました。彼らは、速く歩いたり遅く歩いたり、つま先を内側や外側に向けたり、歩幅を広げたり狭めたり、胴体を横に傾けたり、さらには注意が逸れた状態をシミュレートするために、3ずつ数字を逆唱しながら歩いたりもしました。これにより、多様な条件下で股関節がどのように振る舞うかを捉える、膨大な運動データのライブラリが作成されました。

研究者たちは、データからパターンを学習するように設計された一種の人工知能であるコンピュータモデルを構築しました。彼らは、体幹、骨盤、および脚のセンサーから送られてくる信号を分析し、それに対応する股関節内の力を予測するようにこのモデルを訓練しました。目標は、訓練された人々だけでなく、誰に対しても機能するシステムを作ることでした。当初、彼らは「ワンサイズ・フィッツ・オール（万人向け）」バージョンのモデルをテストしました。このバージョンは、ある程度は優れていましたが、特に歩行パターンが健康な人とは大きく異なる関節炎の人々に対して、正確な数値を出すことに苦戦しました。

突破口となったのは、研究者が「フューショット・パーソナライゼーション（少数のデータによる個別化）」と呼ばれる手法を導入したときでした。すべての人を同じ型に押し込めようとするのではなく、ごくわずかなデータを使用して、新しい個々の人物について少しずつ学習することを可能にしました。難しい修正歩行タスクを行う前に、システムは参加者に、通常の歩行をわずか数歩行うよう求めます。モデルはこの数歩の歩行を用いて、その人の体格、センサーの装着方法、そして独特の動きに合わせて内部設定を調整します。これは、ラジオを特定の局にチューニングする作業に似ていますが、コンピュータによって数秒のうちに行われます。

結果は、この小さな調整が大きな違いをもたらすことを示しました。モデルが数歩の通常の歩行データを用いて自身をパーソナライズしたとき、その予測は驚くほど正確になりました。股関節を内側に押し込む力や、前方に曲げる力に関して、誤差は大幅に減少し、予測された動きのパターンは実際の測定値と高い精度で一致しました。この精度は、歩幅を広げて歩いたり、胴体を傾けたりといった困難なタスクに切り替えた場合でも維持されました。システムは、新しい歩行スタイルごとに再学習する必要はありませんでした。最初のキャリブレーション（校正）だけで、新しい状況への汎用性を確保することができたのです。

おそらく最も重要なことは、このシステムが、訓練プロセスに参加していない独立したグループに対しても同様に機能したことです。このグループには、より多くの股関節症患者や発達的な股関節の問題を持つ人々が含まれており、彼らはトレッドミルではなく平坦な地面を歩きました。パーソナライズされたモデルは、彼らの股関節の力を正確に推定し、この手法が異なる環境や異なるタイプの患者間でも転用可能であることを証明しました。研究者たちは、システムが平均的な力だけでなく、足が地面に着く瞬間に発生する特定のストレスのピークや、ステップ全体で蓄積される総ストレス量をも正確に捉えられることを見出しました。これらの詳細は、どの歩行パターンが有害であり、どのパターンが関節を保護するのに役立つかを判断する上で、医師にとって極めて重要です。

また、本研究では、実際にいくつのセンサーが必要であるかについても調査が行われました。研究者たちは、体幹、骨盤、大腿、および脛（すね）にセンサーを使用することが、精度と快適さの最適なバランスを提供することを発見しました。足にセンサーを追加しても、患者への負担に見合うほどの改善は見られませんでした。このことは、日常使いのための実用的なウェアableシステムは、一連の複雑な機器ではなく、わずか4つの小さなデバイスで十分に構成できることを示唆しています。

この研究の意義は、研究室の枠を超えています。臨床現場の外で正確かつ継続的な股関節負荷のモニタリングを可能にすることで、この技術は、さらなる損傷が生じる前に、医師が有害な歩行習慣を特定する助けとなる可能性があります。また、患者が痛みを軽減し、疾患の進行を遅らせるために、どのように歩行を調整すべきかについて、リアルタイムのフィードバックを受けることも可能にするでしょう。医師が年一度の定期検診で関節の静止画を見ているだけという状態ではなく、患者は日常生活の中でこれらのセンサーを着用し、自分の体がさまざまな活動に対してどのように反応するかを確認できるようになります。研究者たちは、このアプローチが、理論的なモデルではなく、現実世界のデータに基づいた、パーソナライズされたリハビリテーション計画へと最終的につながる可能性があると示唆しています。

本研究は、参加者がトレッドミルやマーキングされた床の上を歩くという制御された条件下で行われましたが、独立したグループが地上を歩いた際のパーソナライズド・モデルの成功は、実世界への応用の強い可能性を示唆しています。研究者たちは、将来の研究において、混雑した通りや凹凸のある地形など、完全に制御されていない環境でシステムをテストすることや、初期のキャリブレーション手順の必要性を減らす方法を探求する必要があることを認めています。しかし、核心となる発見は明白です。ウェアラブルセンサーとスマートで適応性の高いコンピュータモデルを組み合わせることで、人間の股関節に作用する目に見えない力を可視化することが可能であり、現代における最も一般的で衰弱を伴う関節疾患の一つに対する管理の新たな窓を開くことができるのです。