機械学習を用いた不整地歩行における脳卒中患者の歩行安定性指標の同定と予測

脳卒中後に屋外で安定して歩くことが重要な理由

脳卒中から回復中の多くの人にとって、本当の歩行の試練は診療所の床ではなく、ひび割れた歩道、草の小道、不揃いな縁石といった屋外にあります。こうした日常的な路面は、目立たない形でつまずきや転倒のリスクを高めます。本研究では、小さな動作センサーと高度なコンピュータアルゴリズムを使って、誰が不整地で困りやすいか、また屋内での簡便な歩行検査が屋外での安定性をどれだけ予測できるかを明らかにしています。

不整地は隠れた挑戦である

屋外での移動性は、脳卒中後の自立や社会生活にとって重要ですが、多くの生存者が屋外での歩行を困難で怖いと報告しています。不整地は小さく予測できない凹凸をもたらし、常に身体のバランス系を試します。脳卒中のある人は筋力が弱く反応が遅れることが多く、こうした微細な乱れを処理しにくくなります。それにもかかわらず、日常的な評価の多くは滑らかな屋内の床に焦点を当てており、臨床で測られるものと日常生活で直面するものの間にギャップが残っています。

実世界の歩行を捉えるためのセンサー装着

研究者たちは脳卒中のある71名と同年齢層の健常成人39名を対象に調査しました。各参加者は、滑らかな10メートルの歩路と不整地の10メートルの経路を往復して歩き、腰部に小型の動作センサーを装着しました。このセンサーは体幹の上下、左右、前後の動きを計測しました。得られた信号から、歩行パターンがどれだけ安定しているか、あるいは不規則かを表す複数の指標を算出しました。ある指標は動きの大きさを単純に示し、他は時間的にどれだけ滑らかでリズミカルかを捉えます。

重要な信号をコンピュータに見つけさせる

各指標を個別に調べる代わりに、研究チームは機械学習を用いて、多数の変数の中から最も情報量の多いものを見つけました。まず、不整地歩行のセンサーデータだけを使って脳卒中患者と健常者を識別するモデルを訓練しました。これらのモデルは95％を超える精度に達しました。特に情報量が大きかったのは、体幹の上下動の強さ（垂直方向RMS）、前後方向の動きの時間的な不規則さ（サンプルエントロピー）、および前後方向の歩行リズムの滑らかさ（ハーモニック比）の3つの信号でした。これらは総じて脳卒中後の安定性低下を明瞭に示していました。

屋内検査から屋外での安定性を予測する

次に研究者たちは、簡便に行える平坦路での歩行データだけから、これらの不整地上の重要指標――および歩行速度自体――を推定できるかを検証しました。屋内の歩行速度のような単純な指標に、関節角度、筋活動、センサー読み取り値などを組み合わせてモデルを訓練しました。結果、屋内歩行速度が特に重要であることが示されました。平坦な面でおおむね0.8メートル毎秒より遅く歩く脳卒中患者は、不整地でさらに速度を落とし、上下方向の体幹動揺が大きくなる傾向があり、挑戦に適応するのが難しいことを示唆しました。不整地での体幹動作の規則性や滑らかさは、足底接地時の足首の動きや、既に平地でどれだけ歩行が滑らかかによって部分的に予測されました。

リハビリと日常生活への意味

一般向けに言えば、腰部に装着した小型のウェアラブルセンサーと屋内歩行テスト、そして賢いコンピュータ解析を組み合わせることで、脳卒中後にでこぼこした歩道で不安定になりやすい人を明らかにできる、ということです。特に平坦地でおおむね0.8メートル毎秒未満で歩く人は、不整地で自信を持って歩きにくく、動きが不安定になりやすい傾向があります。体幹の上下揺れの大きさや歩行の滑らかさといったセンサーベースの簡便なマーカーを追跡することで、治療者はより個別化したトレーニングを設計し、体幹や足首の制御に焦点を当て、経時的な進捗をモニターできる可能性があります。長期的には、こうした“デジタルバイオマーカー”が多くの脳卒中生存者にとって屋外歩行をより安全で実現可能なものにする手助けとなるでしょう。

引用: Inui, Y., Takamura, Y., Nishi, Y. et al. Identifying and predicting gait stability metrics in people with stroke in uneven-surface walking using machine learning. Sci Rep 16, 5618 (2026). https://doi.org/10.1038/s41598-026-35966-9

キーワード: 脳卒中リハビリテーション, 歩行安定性, 不整地歩行, ウェアラブルセンサー, 機械学習