整形外科および神経疾患のための慣性センサと深層学習を用いた犬の歩様解析

なぜ犬の歩き方が重要か

多くの飼い主は愛犬が跛行したり不自然に動いたりするのに気づきますが、熟練した獣医でもその原因が関節の痛みなのか神経系の問題なのかを見分けるのは難しいことがあります。本研究は、小型の動作センサーと最新の人工知能を使って犬の歩き方を読み取る新しい方法を探り、より早く、より正確な診断を行って治療や生活の質を改善することを目指しています。

小さなセンサーで大きな情報

研究者たちは、スマートフォンやフィットネストラッカーに使われるようなコインサイズの動作センサーを犬に装着しました。これらの装置には加速度計とジャイロスコープが搭載されており、犬が歩行や駆け足をする際の体の三次元的な動きを捉えます。力板やカメラシステムのようなかさばる研究機器とは異なり、これらのセンサーは安価で携帯性に優れ、犬が自然に動ける程度に快適です。そのため、獣医クリニックの日常利用や在宅モニタリングに有望なツールとなります。

研究の設定

チームは29頭の犬で調査を行いました：17頭が健康、6頭が痛みを伴う四肢などの整形外科的問題、6頭が協調運動に影響する神経学的疾患を抱えていました。各犬は短い屋内ランウェイを往復で歩き、時にはゆっくりと歩き、時には速い駆け足をして、頭部、首（首輪経由）、尾部付近に最大3個のセンサーを装着しました。この配置で約3時間分の詳細な動作データが取得されました。研究者らは記録を短い断片に分割し、各短いセグメントの動きのパターンを詳しく調べられるようにしました。

コンピュータに犬の歩きを学習させる

歩幅や背中の上下動といった測定項目を人手で設計する代わりに、研究者らは生のセンサー信号から直接パターンを発見する深層学習手法を用いました。彼らのモデルは畳み込みニューラルネットワークとして知られ、6本のデータストリーム（加速度の3軸と回転の3軸）を入力として受け取り、情報量の多い特徴を自動的に抽出する複数の層を通します。最終的にシステムは各動作断片を「健康」「整形外科的」「神経学的」の3カテゴリーのいずれかに分類します。同じネットワークは、犬が健康か否かだけを判定するような単純なタスクにも使えます。

最適なセンサー構成の見つけ方

実用性が重要な目標でした：信頼できる判定を得るために必要なセンサーの最小数とどの歩様が適しているかを明らかにすることです。多くの組み合わせを比較した結果、首に付けた単一のセンサーが、特に駆け足時には複数センサーを使う場合と同等の性能を示すことが多いと分かりました。同じ群の犬から抽出した断片でコンピュータをテストしたとき、健康・整形外科的・神経学的な歩様を約96％の確率で正しくラベル付けしました。全く新しい犬で評価すると精度は低下しましたが――予想どおり――有望な水準を保ちました：健康と非健康を分ける場合で約85％、厳選した設定を用いると3群すべてを区別する際で約80％でした。

犬と獣医にとっての意義

一般の見地から言えば、本研究は小さな首輪型センサーで犬の動きを記録するだけで、コンピュータがその犬が健康か、関節・骨の問題を抱えているか、神経性の問題があるかを判断するのに十分な情報を提供できることを示しています。このシステムは獣医を置き換えることを意図したものではありませんが、微細な問題を早期に検出して警告したり、セカンドオピニオンを支援したり、高額で侵襲的な検査の必要性を減らしたりする客観的な補助となり得ます。より大規模で多様なデータセットが得られれば、同じアプローチは日常的なスクリーニングツールへと発展し、獣医や飼い主が歩様の問題を早く発見し、各犬の基礎疾患に応じた治療を行う助けになるでしょう。

引用: Palez, N., Straß, L., Meller, S. et al. Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders. Sci Rep 16, 13966 (2026). https://doi.org/10.1038/s41598-026-40717-x

キーワード: 犬の歩様, ウェアラブルセンサー, 深層学習, 犬の跛行, 獣医学的診断