名古屋市立大学等の研究グループは、ＡＩ‐歩行動作解析用ｉＰｈｏｎｅアプリ「ＴＤＰＴ－ＧＴ」を使って、被検者に直径１㍍の円を２周歩いてもらい、歩行中の約６秒間の全身の３次元相対座標を抽出して、Ｌｉｇｈｔ ＧＢＭという深層学習により、病的な歩き方を感度６５．２％、特異度７８．１％で判別した。

この研究は、名古屋市立大をはじめ、山形大、東北大、㈱デジタル・スタンダード、信愛会脊椎脊髄センター、洛和会音羽病院正常圧水頭症センターなどの共同研究による成果。

【背景】

歩行は下肢だけでなく、姿勢、バランス、筋力、各身体部位の動作をなめらかに組み合わせて行う複雑な動作。これらの様々な要因が障害されると、歩行が障害され、日常生活に大きな影響を及ぼす。しかし、このような複雑な動きを見て、それが病的なのかどうかを見て取るのは、特に歩行障害が軽症である場合では、ベテランの脳神経の専門医であっても困難。病的な歩き方を早く発見できれば、リハビリテーションや介護予防、疾患の早期の診断に役立つ。

従来の歩行解析研究では、全身にマーカーを付けて複数台のカメラを連動させ、マーカーの動きを３次元的に追跡するモーションキャプチャーシステムが使われてきた。しかし、モーションキャプチャーシステムは、広い設置場所が必要であり、機器が高額で、計測・解析に時間がかかることが課題だった。

名市大等の研究グループは、ＡＩによる姿勢推定の画像解析技術を活用することで、体に何もつけないまま、スマートフォンで撮影するだけで、ヒトの頭から足先まで全身２４点の動きを３次元座標に自動計測するアプリ『Ｔｈｒｅｅ Ｄ Ｐｏｓｅ Ｔｒａｃｋｅｒ ｆｏｒ Ｇａｉｔ Ｔｅｓｔ（ＴＤＰＴ－ＧＴ）』を開発した。

【研究の成果】

対象者は、何らかの病的な歩き方をしている多様な神経筋疾患の患者１１４名と、これらの疾患がなく、病的ではない歩き方のボランティア１６０名で、直径１㍍の円を２周歩いてもらい、㈱デジタル・スタンダード（青柳幸彦氏）が開発したｉＰｈｏｎｅ用アプリ『Ｔｈｒｅｅ Ｄ Ｐｏｓｅ Ｔｒａｃｋｅｒ（ＴＤＰＴ）』（無料ダウンロード）の歩行解析研究用非公開アプリＴＤＰＴ ｆｏｒ Ｇａｉｔ Ｔｅｓｔ（ＴＤＰＴ－ＧＴ）を用いて、頭から足先までの全身２４点の３次元相対座標をＡＩで自動推定した。

歩行中の約６秒間の３次元相対座標の情報を抽出して、Ｌｉｇｈｔ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ Ｍａｃｈｉｎｅ（ＧＢＭ）という深層学習により、病的な歩き方を感度６５．２％、特異度７８．１％で判別することに成功した。

【研究の意義と今後の展開や社会的意義など】

研究グループでは今後、すり足歩行、小刻み歩行、開脚歩行、すくみ足、痙性歩行、突進歩行などの各病的な歩き方を判別する深層学習を行い、それぞれの病的な歩き方と関連する特発性正常圧水頭症（ｉＮＰＨ）、パーキンソン病、頚椎症、脳卒中などの疾患を早期に発見する技術へと発展させていきたいと考えている。

加齢の影響はあるが健康な歩き方と病的な歩き方を区別することは、脳神経系の専門医や歩行研究の専門家でも難しいことがある。そこで、従来は大学病院や研究機関でしか行えなかった歩行動作解析を、本研究に使用したｉＰｈｏｎｅアプリＴＤＰＴ－ＧＴを使うことで、外来の診察室でも簡単に歩行動作解析が可能になった。今回の研究成果では、深層学習を用いることで、わずか６秒間の歩行データからでも健康な歩き方と病的な歩き方を判別できることを証明した。

今後は、多くの人が持っているスマートフォンで、病院、医院、介護施設だけでなく、家庭でも気軽に病的な歩き方をＡＩで判別できるようになり、超高齢化社会の我が国で介護が必要となる原因の一つである〝転倒・骨折〟のリスクを早期に検知し、予防的な介入を行うことが可能と考えている。