MOCKUP · SPReAD 1000 企画(外観イメージ) #11 · AI for Science/医療テーマ
#11

歩行は「第6のバイタル」——動画から運動機能をAIで客観化し、転倒・フレイルの予兆を捉える

🔬 locomo.research / gait-frailty
Locomo — 運動機能の客観化
研究プロトタイプ ・ 歩行・動作動画をAIで定量化(ダミーデータ)
解析 8,400名
解析した歩行
8,400
客観化した動作指標
42項目
転倒予測(1年先)
.86AUROC
評価所要
30秒/動画
▲ 動画のみ
歩き方のどこが衰えるか——歩行周期の関節角度で客観化
左=動画から推定した全身の骨格/右=歩行周期に対する膝関節角度(基準 vs 本人)。遊脚期の膝屈曲低下が転倒の予兆(ダミーデータ)。
姿勢推定(動画 → 骨格) 左右差 動画 → 全身の関節を推定 膝屈曲角(°) 60300 0255075100 歩行周期(%) 遊脚期 膝屈曲↓
基準パターン(健常) 本人(転倒高リスク) 非対称が出る関節
転倒・フレイルに効く動作特徴 上位(寄与度)
歩行・姿勢からAIが抽出/濃い=予測への寄与が大。
1歩行速度の低下.25
2遊脚期の膝屈曲の低下.21
3歩行の左右対称性の低下.18
4歩隔・歩幅の変動性の増大.16
5体幹の動揺(重心動揺)の増大.13
↑ 研究コード名「Locomo」。スマホ動画の姿勢推定から歩行・動作を客観化し、
転倒・フレイルに効く動作特徴とその予兆をAIで可視化した完成イメージ。
「歩く力」は第6のバイタル。でも臨床の運動機能評価は徒手筋力テストや歩行観察など観察者の主観に依存し、微細な衰えを取りこぼす。歩き方のどこが・どの順で衰えるかを動画AIで客観化する——完成したらこう見える、の外観イメージ。
上限 500万円(直接経費) 学生応募可(医学生=当事者) e-Rad 応募 第2回・2026年6月上旬予定 分野:リハビリ × 動作解析 × フレイル予防
🔬 問い・学術的背景

日本は世界最高齢で、転倒・フレイル・ロコモティブシンドロームは寝たきり・要介護の主要な入口。だが臨床の運動機能評価は、徒手筋力テスト・関節可動域・歩行観察・Timed Up and Goなど、いまも観察者の主観と粗い指標に依存し、再現性が低く微細な異常を取りこぼす。日本語臨床で「歩き方のどこが・どれだけ・どの順で衰えるか」を大規模に客観化した公開研究は乏しい。

🎯 仮説・新規性

スマホ動画からの姿勢推定(全身関節の時系列)に時空間モデルを適用すれば、(1)歩行・動作を42項目規模で客観定量化でき、(2)転倒・フレイルに効く動作特徴(遊脚期の膝屈曲低下・左右非対称・体幹動揺)を抽出でき、(3)将来の転倒/要介護を予測できる、と仮説。歩行速度(第6のバイタル)に多関節協調の特徴を上乗せし、日本語臨床で動画のみで簡便に客観化する設計は新規。

🤖 AI活用の必然性

歩行・動作は全身多関節の時空間協調で、単一指標(歩行速度)や人の目では微細な非対称・変動・代償動作を捉えられない。動画からの姿勢推定+時系列モデル+説明性でしか、何が・どの順で衰えるかを客観化できない。

💰 500万円の使途
  • ① 協力施設での歩行・動作動画の収録(同意・倫理審査)と転倒/要介護アウトカムの紐付け
  • ② リハ専門職による動作アノテーション
  • ③ GPU/API(姿勢推定・時系列モデル・説明性)
  • ④ 運動機能ダッシュボード試作
  • ⑤ 学会発表・プレプリント公開
📈 期待成果・社会実装(出口)

動作特徴×転倒/フレイルのベンチマーク=学会発表・論文。加えて医学生・研修医や地域リハで使える「動画30秒で運動機能を客観化」する評価ツール。Hiroはリハ/整形で身体機能評価を学ぶ医学生=当事者で、主観評価のばらつきを内側から知る。

※ 正直な関門:動画は撮影条件(角度・服装・照明)で姿勢推定が揺れ、屋外・自由歩行の頑健性が要る。転倒は記録が不正確で稀(ラベルの質と前向き追跡が関門)。「客観化→介入→転倒減」の因果はRCT級の検証が要る。歩行AI・フレイル予測は海外で活発で、新規性は日本語臨床・多関節特徴の客観化+簡便評価に絞る(誇張しない)。映像は要配慮個人情報で同意・匿名化が重い。臨床導入は医療機器/プログラム医療機器の整理が要る。学生応募はe-Rad機関承認が前提、第2回日程は確定次第確認。
完成イメージ(ダミーデータ)・元データ=歩行・動作動画×転倒/要介護アウトカム(みんこく非依存)/ 企画ログ → spread-plans.md #11