Clear Sky Science · ja
ウェアラブル慣性センサーと教師あり・教師なし機械学習を用いた脳卒中患者の歩行における主要特徴の同定
脳卒中後の歩行が重要な理由
脳卒中は、部屋を横切るといった簡単な歩行を日常の苦闘に変えてしまうことが多い。多くの生存者にとって、脚や胴体、頭の動かし方が自立、転倒回避、職場や社会生活への復帰を左右する。本研究は、小型のウェアラブルセンサーと高度なコンピュータ手法が、肉眼では見えにくい脳卒中後の歩行の特性をとらえ、臨床家がより多くを理解し、より的確なリハビリに役立てられる可能性を探るものである。

小さなウェアラブル機器で歩行を計測する
研究者らは、脳卒中既往のある85人と健常ボランティア97人に、直径コイン大の動作センサーを5個装着してもらった。センサーは額、胸部、腰下部、両脛骨に配置され、参加者は通常の速さで10メートルを往復して歩いた。センサーは三次元で体の動きを記録し、速度や歩幅だけでなく、胴体や頭部の滑らかさや安定性、左右の脚の負担の分担といった情報も捕えた。これらの記録から、タイミング、左右の対称性、歩ごとの変動、上半身の滑らかさと安定性を表す79種類の指標が算出された。
問題のある歩行を見分けるようコンピュータに教える
多数の指標の中から、どれが本当に脳卒中者と健常者を区別するかを見極めるのが課題だった。研究チームは、歩行に基づいて人を二群に分類するための三つの機械学習手法(k近傍法、サポートベクターマシン、決定木)を用いた。まず標準的な統計検定で明らかに有用でない指標を除外し、次にほぼ重複している指標を削った。最後に逐次的な剪定アプローチを採り、各アルゴリズムを繰り返し訓練しながら一度に一つの指標を除去し、分類精度を維持する指標だけを残した。データを多数回ランダムに分割して検証したところ、機械はおおむね9割前後で脳卒中者と健常者を正しく区別し、特にサポートベクターマシンが最も高精度かつ安定していた。
最も示唆的な歩行手がかりに注目する
元の79指標から、過程を経て情報量の大部分を担う9つにまで絞られた。これらは歩行速度、歩行タイミングの変動量、胴体の左右対称性、前後および左右方向における頭部・胸部の動きの滑らかさなどを含む。特に頭部の動きの滑らかさが、新しく強力な脳卒中関連歩行指標として浮かび上がった。これはバランスや視線安定、歩行中の内耳・体性感覚信号の統合に問題があることを示唆する。一方で、従来の左右の歩幅非対称性といった古典的指標は選定を通過しなかった。これは脳卒中が歩行に多様な乱れをもたらすため、これらの指標が安定して群を分ける力を持ちにくいことを示している可能性が高い。
データ自身にグループ化させる
選ばれた指標が本当に情報を含んでいるか、特定の学習法に引きずられた結果でないかを確かめるため、研究者らは次に教師なし手法を用いた。コンピュータに脳卒中の有無を知らせる代わりに、選択された指標だけを入力し、類似性に基づいて二つのクラスタを形成させた。k-medoidsという手法と複数の距離尺度を用いたところ、全体の歩行速度、立脚期の変動量、対称性に関連する胴体の信号というわずか三つの指標で、約90%の精度で脳卒中群と健常群に分けられることが示された。指標の絶対値ではなくパターン(相対的な配置)に注目する距離ルールが、繰り返し試験でも最も安定していた。

日常ケアへの意味
専門外の人に向けた主要なメッセージは、5つの小さなセンサーを装着して短く歩くだけで、脳卒中が歩行に与えた変化のコンパクトな“指紋”が明らかになるということだ。コンピュータは、歩行速度、歩行の安定性、胴体や頭部の動きの滑らかさなど、厳選したわずかな運動指標だけで脳卒中由来の歩行を高い確度で識別できる。この知見は、回復の客観的追跡、隠れたバランス問題の可視化、理学療法士の運動処方の個別化に資する臨床向けの簡便なツールへと近づける。これらの手法をリアルタイムで動かし、より多様な患者群で検証するためのさらなる研究が進めば、こうしたシステムは日常的なリハビリの伴走者となり、各歩行が安全で自信ある歩行への有益なフィードバックとなる可能性がある。
引用: Brasiliano, P., Orejel-Bustos, A.S., Belluscio, V. et al. Identifying key gait features in stroke patients using wearable inertial sensors and supervised and unsupervised machine learning. Sci Rep 16, 8908 (2026). https://doi.org/10.1038/s41598-026-43666-7
キーワード: 脳卒中歩行, ウェアラブルセンサー, 機械学習, リハビリテーション, 歩行の安定性