מיפוי מתמשך של ההליכה בחיי יומיום באמצעות למידה עצמית של נתוני מד תאוצה על פרק כף היד

למה השעון שלך עשוי יום אחד למדוד עד כמה אתה הולך היטב

רבים כבר לובשים שעוני כושר שמסכמים צעדים או עוקבים אחר אימונים. אך עבור מבוגרים יותר, צורת ההליכה — מהירות, קצב ויציבות — יכולה לחשוף סימנים מוקדמים לבעיות בריאותיות, מחולשה ועד דמנציה. המחקר הזה מצביע על כך שחיישן יחיד על פרק כף היד, בשילוב מערכת בינה מלאכותית מתקדמת בשם ElderNet, יכול להפוך נתוני תנועה שוטפים למדדים מפורטים של איכות ההליכה, ובכך להפוך מכשיר נפוץ למוניטור בריאותי עוצמתי.

מצפיות צעדים פשוטות לרמזים עשירים על ההליכה

רוב המכשירים על הפרק כיום מעריכים עד כמה אתם פעילים באופן כללי: כמה זמן יושבים, כמה לעתים זזהים או כמה צעדים ננקטים. אמנם שימושי, אך סיכומים אלה מערבבים סוגי תנועה רבים ומחמיצים פרטים עדינים של ההליכה עצמה. רופאים וחוקרים מתעניינים בתכונות הליכה ספציפיות — כמו מהירות ההליכה, צעדים לדקה, אורך צעד וסדירות הצעדים — כי הן מהוות אינדיקטורים חזקים להזדקנות בריאה ולסיכון לנכות, לנפילות ולירידה קוגניטיבית. באופן מסורתי, מדידות אלה מתקבלות במבחנים קצרים במרפאות או במעבדות, לעיתים בעזרת חיישנים בגב התחתון או מסלולי הליכה מיוחדים. סידורים אלה מדויקים אך לא נוחים ותופסים רק תמונות קצרות של הניידות של האדם.

להשיא למודל לקרוא הליכה מהפרק

הצוות מאחורי ElderNet שאף לשחרר את מלוא המידע על ההליכה מחיישני פרק כף היד הנלבשים בחיי היומיום, אף על פי שהפרק נע בצורה מורכבת שמערבבת נדנודי היד עם פעילויות אחרות. הם בנו על גישת למידה עצמית, שבה רשת עצבית עמוקה מלמדת את עצמה לזהות דפוסים בכמויות עצומות של נתוני פרק לא מתויגים מיותר מ־100,000 אנשים ב־UK Biobank. לאחר מכן, המודל מותאם עוד באמצעות הקלטות רב־יומיות מיותר מ־800 מבוגרים מאוד בפרויקט Rush Memory and Aging, כדי שיתכוון במיוחד לדפוסי תנועה של אוכלוסיות מזדקנות. לבסוף, המערכת מעודנת על קבוצת נתונים קטנה יותר אך מתוייגת בקפידה, Mobilise‑D, שבה המשתתפים לבשו גם חיישני פרק וגם מערכת ייחוס עשירה שמדדה בדיוק את ההליכה בסביבות אמת. שלב זה מאפשר ל‑ElderNet ללמוד לתרגם תנועות פרק מורכבות למדדי הליכה ספציפיים לכל הדקה של הליכה שזוהתה.

עד כמה המערכת מודדת את ההליכה היטב

כאשר נבחנה על מבוגרים ואנשים עם מצבים כמו אי ספיקת לב, מחלת ריאות, מחלת פרקינסון, שבר בירך וריבוי טרשת נפוצה, ElderNet העריכה מהירות הליכה בטעות ממוצעת של כ־8.8 סנטימטרים לשנייה והראתה התאמה חזקה עם מערכת הייחוס הסטנדרטית. היא גם הראתה ביצועים טובים יותר משיטת ביומכניקה מובילה המבוססת על תכונות מעוצבות ידנית וממודל דומה שאומן ללא אימון מקדים בגרסת למידה עצמית. החוקרים הרחיבו את ElderNet להערכת תכונות הליכה נוספות כמו קצב (cadence), אורך צעד וסדירות הצעד; עבור קצב ואורך צעד בפרט, הגרסה של הלמידה העצמית עקפה בבירור את הקו הבסיס הממוקד באימון מפוקח בלבד. חשוב לציין כי הביצועים נשארו גבוהים בקבוצת עצמאית של מבוגרים צעירים ובריאים, מה שרומז שהגישה מתכללת מעבר לדגימת האימון המקורית, אף על פי שאופטימיזציה נעשתה עבור אנשים מבוגרים.

הליכה יומיומית מספרת סיפור שונה ממבחני המרפאה

כדי לבחון שימוש קליני, המחברים החילו את ElderNet על כעשרה ימי נתוני פרק לכף היד לאדם מתוך מאות מבוגרים הגרים בקהילה. הם השוו שלוש שיטות לסימון מי דיווח על נכות ניידות: מבחני הליכה קצרים ומפוקחים; סיכומי פעילות רחבים מהפרק; ומדדי הליכה רב־יומיים מפורטים שהוערכו על‑ידי ElderNet. בעוד שמדדי הליכה במעבדה ורמות הפעילות הכוללת סיפקו הבחנה מתונה בלבד, תכונות ההליכה העשירות מהעולם האמיתי הצליחו להבחין טוב יותר בין אנשים עם וללא בעיות ניידות. מעניין שדפוסי ההליכה הנצפים בחיי היומיום היו בקשר חלש בלבד עם אלה שנמדדו בהליכות קליניות קצרות, מה שאומר שהתנועה בסביבות האישיות תופסת היבטים של התפקוד שמבחנים מסורתיים מפספסים.

מה זה עשוי לשנות עבור הזדקנות בריאה

המחקר מדגים כי מכשיר רגיל, נוח ונלבש על הפרק יכול, עם האלגוריתמים הנכונים, לספק תובנות ברמת המרפאה על אופן ההליכה של אנשים בחיי היומיום. הדיוק של ElderNet נמצא בטווח של שינויים שמשמעותיים קלינית למהירות ההליכה, ומדידות מרובות הימים שלה מזהות טוב יותר מבוגרים עם קשיי ניידות מאשר מבחנים סטנדרטיים או ספירות פעילות פשוטות. עם אימות נוסף בקבוצות מגוונות יותר ולמשך תקופות ארוכות יותר, גישה זו עשויה לסייע לזהות ירידות עדינות מוקדם יותר, לנטר התקדמות מחלה או החלמה, ולהנחות התערבויות מותאמות אישית — הכל תוך שימוש בנתונים הנאספים בשקט מחיישן דמוי שעון.

ציטוט: Brand, Y.E., Buchman, A.S., Kluge, F. et al. Continuous assessment of daily-living gait using self-supervised learning of wrist-worn accelerometer data. npj Digit. Med. 9, 338 (2026). https://doi.org/10.1038/s41746-026-02528-2

מילות מפתח: מעקב הליכה, מד תאוצה על פרק כף היד, הזדקנות בריאה, למידה עצמית, ביומארקרים דיגיטליים