Ontologie du mouvement humain cinétique : un modèle terminologique sémantique pour représenter symboliquement le mouvement physiologique

Pourquoi cartographier le mouvement importe

Chaque pas, étirement ou mouvement de nage que vous effectuez est animé par une chorégraphie coordonnée de muscles, d’os et de nerfs. Pourtant, la plupart des systèmes de données de santé consignent seulement que vous « avez fait de l’exercice »—et non quelles parties du corps ont bougé, comment elles ont fonctionné ensemble, ou en quoi cela peut influer sur le risque de maladie. Cet article présente un nouveau vocabulaire numérique, l’Ontologie du Mouvement Humain Cinétique (KHMO), conçue pour décrire le mouvement humain en détail précis et lisible par machine. En transformant le mouvement en données structurées, KHMO vise à aider les chercheurs à mieux comprendre comment des activités spécifiques protègent contre des maladies chroniques comme le cancer et à donner du sens au flot d’informations provenant de dispositifs portables, de caméras et d’études cliniques.

Des pas simples à la santé complexe

Le mouvement humain est au cœur de la santé. Quand vous marchez, soulevez un poids ou glissez dans une piscine, votre système musculosquelettique—os, muscles, ligaments et articulations—fonctionne comme une machine hautement réglée. Les recherches ont montré que l’activité physique régulière aide à diminuer le risque de nombreux cancers, réduit la masse grasse et modifie des hormones et des molécules de signalisation liées à la croissance tumorale. L’exercice aérobie, comme la marche rapide ou la natation, et les activités de renforcement musculaire, comme l’entraînement en résistance, contribuent tous deux à une meilleure survie et à un risque de cancer moindre. Mais si l’on sait que « plus de bons mouvements » est bénéfique, il a été beaucoup plus difficile de décrire précisément quels mouvements, quelles parties du corps et quels schémas font la plus grande différence.

Construire un langage partagé du mouvement

Pour relever ce défi, les auteurs ont créé KHMO, un modèle formel pour décrire comment le corps humain se meut. Ils ont commencé par une idée simple empruntée à l’animation et au cinéma : tout mouvement peut se décomposer en une séquence d’images (frames), chacune capturant une posture à un instant donné. Dans KHMO, un mouvement de base commence par une certaine position et se termine par une autre, avec des parties anatomiques spécifiques—comme des muscles ou des os particuliers—permettant cette transition. Le modèle relie des activités planifiées (comme « un mouvement de nage » ou « une forme de Tai Chi ») aux mouvements et positions plus petits qui les composent, ainsi qu’aux parties du corps et aux mouvements physiologiques sous-jacents qui les rendent possibles.

Relier anatomie, mouvement et données

KHMO ne réinvente pas la terminologie anatomique ; il tisse plutôt ensemble des vocabulaires biomédicaux établis en une structure cohérente centrée sur le mouvement. Il réutilise des concepts de projets d’ontologie bien connus qui définissent déjà les parties du corps, les comportements et les expériences. À l’aide d’outils d’édition d’ontologie et d’extraction de termes, l’équipe a lié des postures humaines, des mouvements de parties du corps et des entités anatomiques telles que des muscles spécifiques en une base de connaissances intégrée. Ils ont étendu cette ressource avec des exemples réels, notamment le Tai Chi et la natation, qui impliquent une coordination riche de l’ensemble du corps et sont connus pour leurs bienfaits sur la santé. Au cours de ce travail, ils ont ajouté plus de 1 600 termes pour les muscles et plus de 700 entrées de données décrivant des mouvements d’exercice aquatique, permettant un mappage très fin entre une phase de nage et les muscles qui la propulsent.

Tester la qualité et l’utilité pratique

Pour s’assurer que KHMO n’était pas seulement volumineuse mais aussi fiable, les auteurs l’ont évaluée avec un cadre sémiotique qui note la structuration d’une ontologie (syntaxe), la clarté et la cohérence de ses termes (sémantique) et l’étendue de sa couverture du domaine (pragmatique). KHMO a obtenu des scores supérieurs à la moyenne de plusieurs ontologies existantes sur l’exercice et l’activité physique, notamment en couverture du domaine. Des outils de raisonnement automatique n’ont trouvé aucune contradiction logique dans ses définitions et relations. L’équipe a ensuite montré comment les chercheurs peuvent interroger KHMO pour répondre à des questions pratiques : quels mouvements physiologiques se produisent dans un mouvement donné ? Quelles parties anatomiques y participent ? Comment des muscles spécifiques se coordonnent-ils avec des mouvements particuliers ? De plus, ils ont développé un logiciel qui convertit des descriptions de mouvements dans des feuilles de calcul en graphes de connaissances lisibles par machine liés à KHMO, et qui peut aussi attacher des images de postures aux postures correspondantes.

Voies futures pour une science du mouvement plus intelligente

KHMO est présenté comme une base pour des outils futurs capables de relier des descriptions riches du mouvement aux résultats de santé. Parce qu’elle est publiquement disponible et alignée sur des ontologies biomédicales largement utilisées, d’autres chercheurs peuvent la réutiliser et l’étendre en sciences du sport, rééducation, robotique et prévention du cancer. À mesure que les systèmes de capture de mouvement, les appareils portables et les algorithmes d’estimation de pose génèrent des traces toujours plus détaillées de nos déplacements, KHMO offre un moyen de traduire ces traces en un langage commun. En termes simples, il s’agit d’un dictionnaire structuré qui aide les ordinateurs à « comprendre » l’histoire posture par posture du mouvement humain, facilitant l’étude des mouvements, des muscles et des schémas spécifiques qui soutiennent le mieux une santé tout au long de la vie.

Citation: Amith, M., Ha, V., Nguyen, E. et al. Kinetic Human Movement Ontology: a semantic terminology model to symbolically represent physiological movement. Sci Data 13, 696 (2026). https://doi.org/10.1038/s41597-026-06984-z

Mots-clés: mouvement humain, exercice et cancer, ontologie biomédicale, graphe de connaissances, données de capteurs portables