Single-camera pose estimation for quantitative assessment of balance deficits: a proof-of-concept using graded acute alcohol intake

バランスとは、脳と身体の間で行われる、静かで絶え間ない交渉である。それは、目、内耳、そして筋肉や関節にあるセンサーが脳へと信号を送り、それを受けた脳が直立状態を維持するために微細で目に見えない調整を行うという、連続的なループに基づいている。このループが、脳卒中やパーキンソン病などの疾患によって阻害されると、じっと立っていたり安全に歩いたりする能力が失われてしまうことがある。何十年もの間、医師たちはこの能力を測定するために、「バーグ・バランス・スケール」と呼ばれる標準的なチェックリストに頼ってきた。臨床医は、片足立ちや方向転換といった一連のタスクを患者に行わせ、そのタスクがどの程度うまく完了されたかに基づいて、0から4までのスコアを割り当てる。この手法は広く用いられているが、根本的な欠陥がある。それは「鈍い道具」であるということだ。このスケールは、成功か失敗かという最終的な判断を記録するが、人が実際に転倒する前に起こる微細な震えや、わずかな揺れ、あるいは微調整までは捉えることができない。さらに悪いことに、すでにかなり安定している人々にとって、このスケールには「天井」が存在する。もし患者が30秒間安全に立っていられるならば、たとえ昨日よりもバランスがわずかに悪化していたとしても、最高スコアが与えられる。このため、機能が良好な人々において、精密な測定が最も必要とされる場面で、小さな改善や低下を追跡することが極めて困難になっている。

この問題を解決するために、チューリッヒ連邦工科大学（ETH Zurich）とバーデン州立病院の研究者たちは、単純なビデオカメラが、人間の観察者が見逃してしまうバランスの変化を検出できるかどうかを検証することにした。彼らは、制御された既知のバランスの変化を精密に測定する方法を必要としていた。そこで彼らが選んだのは、アルコールであった。健康なボランティアに特定の量のアルコールを飲ませることで、研究者たちは、バランスを制御する脳の部位そのものである小脳や前庭系に対して、一時的かつ段階的な障害を誘発することができた。これにより、新しいデジタル手法を、真の障害レベルが既知の状態にある条件下で、標準的な臨床スケールと比較検討することが可能となった。チームは24人の健康な成人に対し、両足で立つことから、目をつぶって片足で立つことまで、異なる6つの立位タスクを行わせた。これらは、血液中のアルコール濃度がゼロ、低用量の0.6パーミル、高用量の1.0パーミルの3つの異なるレベルで行われた。すべてのセッションは、参加者の前方に設置された、スマートフォンにあるようなごく一般的な消費者向けのシングルカメラで撮影された。

研究者たちは、高度なコンピュータソフトウェアを使用してビデオを分析した。人間の観察者にその人がどれほど安定して見えるかを推測させるのではなく、ソフトウェアが人物の体のフレームをフレームごとに追跡し、姿勢のデジタルスケルトン（骨格）を作成した。このビデオから、コンピュータは、体が左右にどれだけ揺れたか、体幹がどれだけ動いたか、あるいはバランスを取り戻すために一歩踏み出したかといった、167種類の異なる動きの測定値を算出した。チームは、これらの測定値の中から最も感度の高いものを選び出し、それらを一つのデジタルスコアへと統合した。そして、このデジタルスコアを、同じビデオを見ている訓練を受けた人間の評価者によるスコア（簡略化された標準バランススケールを用いたもの）と比較した。人間の評価者は、人が転倒したり助けを必要としたりせずに、その姿勢を保持できた時間に基いて、0から4のスコアを割り当てた。

結果は、両手法が見ているものの明確な違いを示した。標準的なスケールを用いる人間の評価者は、全試行の77パーセントにおいて最大スコアの4を与えた。これは、参加者がアルコールを摂取してバランスが悪化しても、ほとんどの場合において、人間の観察者には変化が見られなかったことを意味する。スケールが限界に達していたのだ。つまり、完璧に安定している状態と、わずかに不安定ではあるがまだ立っていられる状態を、人間は区別できなかった。対照的に、単一のカメラから得られたデジタルスコアは、低下を検知し続けていた。コンピュータベースの測定法は、大多数の参加者において、3つの異なるアルコール摂取レベルを正しくランク付けすることができ、平均精度86パーセントを達成した。これに対し、人間の評価がこれを正しく行えたのは約59パーセントの時間であった。デジタルスコアは、素の状態と低用量状態の差を検出することにおいて有意に優れており、低用量と高用量の差においてはさらにその傾向が強かった。

おそらく最も示唆に富む発見は、素の状態でも高濃度のアルコール摂取時でも、人間の評価者から最大スコアの4を与えられた参加者グループにおいて起こった。人間の目には、これらの人々は変化していないように見えた。しかし、デジタルスコアは、アルコールレベルの上昇に伴い、身体の揺れが著しく、かつ段階的に増加していることを示した。コンピュータは、人間の観察者が完全に見落としていた、段階的なバランスの悪化を検出したのである。これは、標準的なスケールにおける最大スコアが、その人のバランスが完璧であることを意味するのではなく、単にその人のパフォーマンスがスケールの最上位カテゴリーに収まっていることを意味しているに過ぎないことを実証した。実際の物理的な単位における動きを測定するデジタル手法は、伝統的なテストによって隠されてしまう障害を捉えることができたのである。

研究では、人間の評価者がどの程度信頼できるかについても調査が行われた。二人の異なる専門家が同じビデオを視聴した際、彼らが全く同じスコアで一致したのは83パーセントであった。しかし、この高い一致率は、主に二人とも同じ人々に対して最大スコアを与えたことによるものであった。研究者が、スコアが最大値ではなかった試行のみに注目すると、二人の専門家の間の一致率はわずか30パーセントにまで低下した。このことは、人間が境界線上の事例について真の判断を下さなければならない場合、その判断が大きく変動することを示唆している。一貫した動きの数学的計算に基づいているデジタルスコアは、このような変動に悩まされることはなかった。

研究者たちは、単なる普通のカメラであっても、標準的な臨床評価では捉えられないバランスの微細な詳細を捉えることができると結論づけた。デジタルスコアは、たとえバランスの問題が全くないと判定された人々においても、アルコール投与量に応じた影響を追跡することができた。これは、人間の観察者が役に立たないという意味ではなく、伝統的なスケールには、機能が良好な人々に対する「盲点」があることを示している。デジタルアプローチは、高価な機器や身体への特殊なマーカー、あるいは実験室の設定を必要とせず、継続的かつ客観的にバランスを測定する方法を提供する。これは、将来的に、単純なビデオが患者の回復や衰退を監視するためのより感度の高いツールとなり、問題が無視できないほど大きくなるまで気づかれない変化を捉える可能性があることを示唆している。この研究は、カメラが人間の目には見えないものを見ていることを証明しており、単純な記録を、安定性の精密な尺度へと変えているのである。