Ontologia del Movimento Umano Cinematico: un modello terminologico semantico per rappresentare simbolicamente il movimento fisiologico

Perché mappare il movimento è importante

Ogni passo, allungamento o bracciata è alimentato da una danza coordinata di muscoli, ossa e nervi. Eppure la maggior parte dei sistemi di dati sanitari registra solo che hai «fatto esercizio»—non quali parti del corpo si sono mosse, come hanno collaborato o come ciò possa influire sul rischio di malattia. Questo articolo presenta un nuovo vocabolario digitale, l’Ontologia del Movimento Umano Cinematico (KHMO), progettato per descrivere il movimento umano in modo preciso e leggibile dalla macchina. Trasformando il movimento in dati strutturati, KHMO intende aiutare i ricercatori a comprendere meglio come attività specifiche proteggano dalle malattie croniche come il cancro e a dare senso all’enorme quantità di informazioni provenienti da dispositivi indossabili, videocamere e studi clinici.

Da passi semplici a salute complessa

Il movimento umano è centrale per la salute. Quando cammini, sollevi un peso o scivoli in piscina, il tuo sistema muscoloscheletrico—ossa, muscoli, legamenti e articolazioni—funziona come una macchina finemente regolata. La ricerca ha dimostrato che l’attività fisica regolare contribuisce a ridurre il rischio di molti tumori, diminuisce il grasso corporeo e altera ormoni e molecole segnalatrici legate alla crescita tumorale. Sia l’esercizio aerobico, come una camminata sostenuta o il nuoto, sia le attività di potenziamento muscolare, come l’allenamento con i pesi, favoriscono una migliore sopravvivenza e un rischio di cancro più basso. Ma mentre sappiamo che «più del movimento giusto» fa bene, è stato molto più difficile descrivere esattamente quali movimenti, quali parti del corpo e quali schemi fanno la differenza maggiore.

Costruire un linguaggio condiviso per il movimento

Per affrontare questo problema, gli autori hanno creato KHMO, un modello formale per descrivere come si muove il corpo umano. Hanno iniziato con un’idea semplice mutuata dall’animazione e dal cinema: ogni movimento può essere scomposto in una sequenza di frame, ciascuno dei quali cattura una postura in un dato istante. In KHMO, un movimento di base inizia con una posizione e termina con un’altra, con parti anatomiche specifiche—come muscoli o ossa particolari—che contribuiscono a rendere possibile quella transizione. Il modello collega attività pianificate (come «una bracciata di nuoto» o «una forma di Tai Chi») ai movimenti e alle posizioni più piccoli che le compongono, e alle parti del corpo e ai movimenti fisiologici sottostanti che le rendono possibili.

Collegare anatomia, movimento e dati

KHMO non re-inventa i termini anatomici; piuttosto, intreccia vocabolari biomedici consolidati in una struttura unica e coerente focalizzata sul movimento. Riutilizza concetti provenienti da progetti di ontologie ben noti che già definiscono parti del corpo, comportamenti e esperimenti. Utilizzando strumenti per l’editing di ontologie e l’estrazione di termini, il team ha collegato posizioni corporee umane, movimenti di parti del corpo ed entità anatomiche come muscoli specifici in una base di conoscenza integrata. Hanno ampliato questa risorsa usando esempi del mondo reale, inclusi il Tai Chi e il nuoto, che implicano un’ampia coordinazione dell’intero corpo e sono noti per apportare benefici alla salute. Nel processo hanno aggiunto più di 1.600 termini per i muscoli e oltre 700 voci di dati che descrivono i movimenti dell’esercizio acquatico, permettendo una mappatura molto dettagliata tra una fase della bracciata e i muscoli che la alimentano.

Valutare la qualità e l’uso pratico

Per garantire che KHMO non fosse solo ampio ma anche affidabile, gli autori lo hanno valutato usando un quadro semiotico che misura quanto bene un’ontologia sia strutturata (sintassi), quanto siano chiare e coerenti le sue voci (semantica) e quanto ampiamente copra il proprio dominio (pragmatica). KHMO ha ottenuto punteggi superiori alla media rispetto a diverse ontologie esistenti su esercizio e attività fisica, in particolare nella copertura del dominio. Strumenti di ragionamento automatico non hanno rilevato contraddizioni logiche nelle sue definizioni e relazioni. Il team ha quindi dimostrato come i ricercatori possano interrogare KHMO per rispondere a domande pratiche: quali movimenti fisiologici si verificano in un dato movimento? Quali parti anatomiche partecipano? Come si coordinano muscoli specifici con particolari azioni? Inoltre, hanno sviluppato software che converte descrizioni del movimento basate su fogli di calcolo in grafi di conoscenza leggibili dalle macchine collegati a KHMO, e che può anche associare immagini delle posture alle posizioni corrispondenti.

Strade future per una scienza del movimento più intelligente

KHMO viene presentato come una base per strumenti futuri che possano collegare descrizioni ricche del movimento con gli esiti di salute. Poiché è pubblicamente disponibile e allineato con ontologie biomediche ampiamente usate, altri ricercatori possono riutilizzarlo ed estenderlo nelle scienze dello sport, nella riabilitazione, nella robotica e nella prevenzione del cancro. Man mano che i sistemi di motion capture, i dispositivi indossabili e gli algoritmi di stima della posa generano tracce sempre più dettagliate di come ci muoviamo, KHMO offre un modo per tradurre quelle tracce in un linguaggio comune. In termini semplici, è un dizionario strutturato che aiuta i computer a «capire» la storia postura per postura del movimento umano, rendendo più semplice studiare quali movimenti, muscoli e schemi supportano meglio la salute per tutta la vita.

Citazione: 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

Parole chiave: movimento umano, esercizio e cancro, ontologia biomedica, grafo della conoscenza, dati da sensori indossabili