Video-Based Markerless Motion Capture for Clinical and Rehabilitation Biomechanics: A PRISMA-ScR Scoping Review of Validated Architectures, Clinical Readiness, and Emerging Methods

Resumo Técnico: Captura de Movimento Baseada em Vídeo sem Marcadores para Biomecânica Clínica e de Reabilitação

Definição do Problema
A captura de movimento tridimensional (3D MoCap) utilizando sistemas optoeletrônicos com marcadores (MBMC) permanece como o padrão ouro para a análise de marcha clínica, oferecendo precisão espacial submilimétrica e precisão de ângulo articular de subgrau. No entanto, sua adoção clínica é dificultada pelos altos custos de capital, requisitos de espaço dedicado e sobrecargas operacionais, como a colocação de marcadores e o gerenciamento de artefatos de tecido mole. Embora a captura de movimento sem marcadores (MMC) baseada em vídeo, utilizando câmeras RGB e aprendizado profundo, prometa democratizar a análise biomecânica, existe uma lacuna crítica entre os rápidos avanços da visão computacional (CV) e a evidência validada necessária para a implantação clínica. Permanece incerto se os pipelines atuais de MMC entregam dados biomecanicamente precisos que atendam aos limiares de aceitabilidade clínica, particularmente para populações patológicas e cinemática fora do plano. Além disso, a relação entre estudos biomédicos validados e a literatura de ponta em CV está mal mapeada, criando um atraso na tradução de novos blocos de construção algorítmicos em ferramentas clinicamente utilizáveis.

Metodologia
Os autores conduziram uma revisão de escopo seguindo as diretrizes PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) e o framework do Instituto Joanna Briggs (JBI). O estudo empregou um design de dois níveis para abordar duas questões de pesquisa distintas:

1. Nível MACRO (Sistemático): Uma triagem formal de bases de dados biomédicas (PubMed, Scopus, IEEE Xplore) de janeiro de 2015 a fevereiro de 2026. Este corpus incluiu 117 estudos que validaram empiricamente um pipeline de MMC contra um padrão ouro biomecânico externo (ex: Vicon, Qualisys). Estudos foram excluídos se utilizaram sistemas comerciais de "caixa-preta", dependeram exclusivamente de digitalização manual, utilizaram sensores de profundidade (RGB-D) como modalidade primária ou careceram de um padrão ouro externo.
2. Nível MICRO (Varredura de Horizonte Curada): Uma varredura qualitativa, deliberadamente não exaustiva, da literatura emergente de visão computacional (arXiv, CVPR, ICCV, ECCV, NeurIPS) de 2024 a julho de 2026. Este corpus identificou 572 registros representando "blocos de construção tecnológicos" (ex: modelos de fundação, cinemática inversa diferenciável) que ainda não haviam transitado para publicações biomédicas validadas.

A extração de dados utilizou um template estruturado cobrindo mais de 90 campos, assistida por modelos de linguagem de grande escala (LLMs) para a população inicial e verificada por adjudicação humana para garantir a precisão. A análise focou em famílias arquiteturais, resultados de validação (precisão do ângulo articular, parâmetros espaciotemporais) e prontidão clínica.

Principais Contribuições e Resultados

• Taxonomia Arquitetural: A revisão classificou os pipelines validados em cinco famílias arquiteturais:

  1. Monocular 2D: Computa ângulos articulares diretamente de keypoints 2D (40% dos estudos).
  2. Triangulação Multi-view: Reconstrói posições 3D via interseção de raios de câmeras calibradas (38%).
  3. Elevação Monocular (Monocular Lifting): Regride pose 3D a partir de detecções 2D (16%).
  4. Recuperação de Malha Corporal (Body Mesh Recovery): Ajusta malhas paramétricas (ex: SMPL) ao vídeo (3%).
  5. Direto End-to-End: Regride ângulos articulares diretamente de imagens (3%).
     A maioria dos pipelines (73/117) relatou ângulos geométricos brutos sem refinamento biomecânico (ex: cinemática inversa ou modelagem musculoesquelética).

• Desempenho Metrológico:

  • Precisão: A concordância do ângulo articular do membro inferior no plano sagital agrupou-se em torno de um erro absoluto mediano de 5° a 6°. De acordo com as bandas de erro de McGinley et al., erros acima de 5° podem induzir a interpretações clínicas errôneas. Apenas ~6% das estimativas sagitais ficaram dentro da banda "aceitável" (<2°) e ~37% estavam na banda "razoável" (2–5°).
  • Cobertura de Planos: Há um severo viés de relato em direção ao plano sagital. A cinemática fora do plano (frontal e transversa) é raramente validada; para o joelho, 65 estudos reportaram erro sagital versus apenas 5 para o frontal e 3 para o transversa. Onde reportados, os erros fora do plano foram maiores (ex: erro frontal do tornozelo ~9°).
  • Cinética: A validação cinética (forças de reação do solo, momentos articulares) foi reportada em apenas nove estudos, deixando este output clínico crítico amplamente não examinado.

• Limitações de População e Ambiente: A base de evidências é estreita. Os participantes foram predominantemente adultos saudáveis (81%), com populações clínicas/patológicas (AVC, Parkinson, paralisia cerebral) compondo apenas ~19%. A vasta maioria dos estudos (100/117) foi conduzida em ambiente de laboratório; a implementação em casa ou em campo é quase inexistente.

• A Lacuna MACRO-MICRO: A revisão identificou um descompasso significativo entre a literatura biomédica validada e o estado da arte emergente de CV. Blocos de construção fundamentais presentes no corpus MICRO, mas ausentes nos estudos MACRO validados, incluem:

  • Recuperação de malha por modelos de fundação (ex: SAM 3D Body).
  • Cinemática inversa diferenciável e neural.
  • Estimativa de cinética baseada em vídeo.
  • Modelos de fundação centrados no ser humano.

Significância e Alegações
O artigo conclui que a captura de movimento sem marcadores baseada em vídeo ainda não é intercambiável com sistemas baseados em marcadores para a cinemática articular clínica. Embora os parâmetros espaciotemporais (ex: velocidade de caminhada) mostrem concordância próxima com sistemas de referência e sejam adequados para triagem, a precisão do ângulo articular — particularmente para movimentos fora do plano e populações patológicas — ainda não atende aos padrões clínicos.

Os autores enfatizam que a "lacuna de aceitabilidade clínica" é uma propriedade de todo o campo, não de uma única arquitetura. Eles argumentam que as ferramentas mais implantáveis (pipelines monoculares de câmera única) são atualmente as menos refinadas, frequentemente parando em ângulos 2D brutos.

Diretrizes de Design e Direções Futuras
Em vez de propor um único método validado, o artigo oferece diretrizes de design geradoras de hipóteses para orientar a próxima geração de pipelines. Estas diretrizes defendem:

1. Front-ends de Malha Paramétrica Densa: Mover de keypoints esparsos para malhas densas para capturar a orientação do segmento e a rotação fora do plano.
2. Cinemática Inversa Baseada em Modelo e Específica do Sujeito: Utilizar solvers diferenciáveis ou clássicos baseados em modelos (ex: OpenSim) em vez de mapeamentos neurais aprendidos para garantir a generalização para a marcha patológica.
3. Correspondência de Dois Níveis entre Malha e Anatomia: Calibrar um mapa genérico de malha-para-landmark com um resíduo específico do sujeito para lidar com morfologias atípicas.
4. Quantificação de Incerteza: Integrar estimativas de incerteza por grau de liberdade para informar a tomada de decisão clínica.
5. Fechar a Lacuna de Validação: Priorizar a validação nas populações e ambientes onde ela é mais necessária (idosos, marcha patológica, ambientes do mundo real) em vez de novos benchmarks de marcha sagital em adultos saudáveis.

O artigo posiciona-se como uma ponte entre a fronteira rápida da visão computacional e os requisitos rigorosos da biomecânica clínica, instando que o progresso futuro depende de uma avaliação padronizada e biomecanicamente fundamentada que reporte ângulos articulares, em vez de apenas erros de posição de keypoints.