機械学習が慢性頸部痛患者における異なる運動制御障害クラスタを同定する

頸部痛は単なる痛みの箇所以上のもの

頸部痛は現在、世界的に障害の主要な原因の一つであり、多くの人にとって数日のうちに消える問題ではありません。何か月も続き、繰り返し再発し、日常生活における頭部や頸部の動き方を静かに変えてしまうことがあります。それでも医師は慢性頸部痛を大多数の患者が同じであるかのように扱いがちです。本研究は別の問いを立てます：運動の問題にそれぞれ異なるパターンを持つ隠れた頸部痛の亜群が存在し、それぞれ異なる種類のリハビリを必要としている可能性はないか？

動く標的となる頸部

慢性頸部痛のある人が頭部と頸部をどのように制御しているかを探るため、研究者らは「バタフライテスト」と呼ばれる検査を用いました。参加者は頭部に小さな動作センサーを装着し、予測不能に動く標的を首の回旋や上下動で追跡するよう求められます。標的は速度を速めたり遅くしたり、三段階の難易度（易しい、中程度、難しい）で方向を変えます。これらの試行から、頭部が標的上にとどまった時間、遅れた頻度、前に出過ぎた頻度、そして理想経路からの全体的なずれ距離などの複数の指標が抽出されました。これらの運動指標は各参加者の報告した痛みの強さと組み合わされました。

アルゴリズムに隠れた群を見つけさせる

患者を事前に「軽度」や「重度」と分類するのではなく、著者らはデータ駆動型の手法に頼りました。彼らはバタフライテストからの13の特徴量と痛みの評価を用い、複数のクラスタリング手法――複雑なデータの中に自然な群れを探す数学的手法――を適用しました。どの方法が人々を最も明瞭に分けるかを判断するため、各クラスタが他とどれだけ区別されているかを検証する品質指標を用いました。広く使われるアルゴリズムであるK-meansクラスタリングが、明瞭さと妥当なサイズの群のバランスで最良の結果を示しました。最も示唆に富む解は135人の患者を4つの明確なクラスタに分け、それぞれが運動の障害の程度だけでなく、どのように障害が現れているかを反映していました。

運動が誤る四つの異なる様相

スペクトルの一端には、運動の問題が小さく痛みが軽度〜中等度にとどまるクラスタがありました。これらの患者は一般に頭部を標的経路に近く保ち、標的上にとどまる時間が長く、遅れや過走（前方への行き過ぎ）の傾向がほとんどありませんでした。別のクラスタは控えめな欠陥を示したものの、高速域で標的に遅れがちで動きが遅いという特徴的パターンを示し、運動への恐怖に関連した慎重な動作様式を示唆しました。三番目のクラスタはより大きな問題を示し、とくに標的を行き過ぎる過走が目立ち、方向を変える際にブレーキをかける、あるいは頸部筋を精細に制御する困難さを示唆しました。最も障害の強いクラスタは、中等度〜重度の痛みとすべての難易度で大きな誤差（本来は易しいはずの条件を含む）を伴い、顕著な遅れと過走の両方を示しており、頸部の運動制御が広範に乱れていることを示していました。

パターンから個別化されたツールへ

これらのクラスタが信頼性を持って認識できるかを検証するため、研究者らは同じ運動データと痛みのデータからクラスタ所属を予測するいくつかの機械学習モデルを訓練しました。ニューラルネットワークや複合的な「スタック」モデルは、単純な最近傍ルールを大きく上回り、四つのグループへの割り当てを非常に高い精度、感度、特異度で行うことができました。研究チームはSHAPという手法を用いて、どの運動特徴がこれらの判断を強く駆動しているかを調べました。とくに中程度および高難易度での標的に対する過走や不足（オーバーシュートやアンダーシュート）の指標が、クラスタを区別する主要な要素として浮かび上がりました。

頸部痛で暮らす人々にとっての意義

一般読者にとっての結論は、慢性頸部痛は一様な問題ではないということです。予測不能に動く標的を追うよう求められると、患者は自然にいくつかの異なる運動制御パターンに分かれます――主に遅く慎重なタイプ、安定性に欠けて過走しやすいタイプ、そして全体的に重度に乱れているタイプなどです。本研究は、短時間の運動テストと痛みのスコアから、現代のデータ解析手法がこれらの隠れたプロファイルを信頼性を持って検出できることを示しています。これは概念実証の段階にある作業ですが、頸部痛のリハビリテーションがワンサイズフィットオールではなく、個々人の運動制御パターンに合わせて調整される未来を示唆しています。

引用: Majcen Rosker, Z., Rosker, J. Machine learning identifies distinct movement control impairment clusters in patients with chronic neck pain. Sci Rep 16, 12993 (2026). https://doi.org/10.1038/s41598-026-43903-z

キーワード: 慢性頸部痛, 運動制御, 固有感覚検査, 機械学習, リハビリテーション亜群