Video-Based Markerless Motion Capture for Clinical and Rehabilitation Biomechanics: A PRISMA-ScR Scoping Review of Validated Architectures, Clinical Readiness, and Emerging Methods
这项针对 117 项研究的 PRISMA-ScR 范围综述得出结论，尽管基于视频的无标记运动捕捉显示出应用前景，但目前经过验证的工作流在准确性和人群多样性方面仍缺乏与基于标记系统进行临床互换所需的水平，凸显了新兴计算机视觉进展与其在康复生物力学学应用之间存在的关键差距。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图在不接触舞者的前提下理解她的动作。几十年来，科学家们通过在人的皮肤上贴上数百个微小的反光贴纸（标记点），并使用专门实验室里昂贵的高科技摄像机进行拍摄来完成这项工作。这就像是试图通过把荧光贴纸粘在幽灵的衣服上，来追踪一个幽灵。虽然这种“基于标记”的方法是测量我们关节如何弯曲和扭转的金标准，但它价格昂贵，需要专门的实验室，而且贴纸可能会滑动，导致数据略显模糊。
迎接这位新挑战者的是：“无标记”动作捕捉。把这想象成一个超级智能的摄像头，它利用人工智能，仅仅通过观察一段普通的视频（比如你手机上的视频）就能推测出你的关节在哪里。它承诺将高水平的运动分析从高级实验室带进健身房、诊所甚至客厅，有望节省数千美元，并让运动科学变得触手可及。但这里有一个大问题：这个 AI 巫师真的像昂贵的贴纸系统那样出色吗？还是说它只是一个看起来很酷、但在你需要真正的医疗答案时却会失效的视觉把戏？
这篇论文是一部宏大的侦探故事，调查的正是在探讨这一点。作者们——一个研究团队——并没有仅仅测试一个新应用；他们进行了一场全球性的科学期刊搜寻，寻找每一项尝试使用视频测量人类运动并将其与“贴纸”金标准进行对比的研究。他们查看了 117 项不同的研究，扮演着整个领域的质量控制团队。
他们的发现有点像是一个优缺点并存的混合体，就像一部拥有惊艳相机但电池续航极短的新款智能手机。好消息是，这项技术正在爆发式增长；大多数研究都是最近发表的，表明该领域正处于飞速发展之中。坏消息是，目前 AI 还没有准备好取代那些用于严肃医疗决策的昂贵贴纸系统。
当研究人员查看数据时，他们发现对于最常见的动作（比如走路时弯曲膝盖），AI 生成的测量值平均误差约为 5 到 6 度。为了让你有个直观的概念，医学界普遍认为，如果你的测量工具误差超过 2 度，就会变得具有风险性，而任何超过 5 度的误差都可能导致医生得出错误的结论。由于 AI 的误差经常在 5 到 6 度之间，它目前的表现过于“嘈杂”，无法被信任用于精确的临床决策，例如判断患者术后膝盖的具体改善程度。
更重要的是，论文发现这些 AI 工具主要只能测量单一方向的运动（如像合页一样的向前或向后运动）。它们在测量扭转或侧向移动的动作方面表现得很差，而这些动作恰恰是许多神经系统疾病最重要的征兆。这就像是一个天气应用，它能告诉你是否在下雨，但却无法告诉你风向如何，或者风暴是否正从北方袭来。
作者们还发现了“时间滞后”问题。最前沿、最酷炫的 AI 技巧正由计算机科学家在技术会议上发明出来，但这些技巧尚未进入医学研究领域。这就像医学界还在使用 2015 版的软件，而计算机科学家已经在构建 2026 版的版本了。
那么，结论是什么？论文总结道，虽然无标记视频在追踪总体趋势（例如“这个患者今天走得更快了吗？”）方面表现出色，但它尚未准备好用于做出详细的医疗诊断，或取代医院中昂贵的贴纸系统。这项技术前景广阔且每天都在进步，但就目前而言，医生在做出最关键的决策时应保持谨慎。作者建议，下一代此类工具需要专注于修复那些侧向测量问题，并在老年或较重病患者（而非仅仅是实验室里的健康人）身上进行测试，之后才能真正彻底改变医疗保健领域。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。