RehabMate: 小児脳卒中リハビリにおける動作検出と補正フィードバックの説明可能なフレームワーク

自宅で子どもの動きを取り戻す支援

小児脳卒中は、子どもが歩く、立つ、階段を上るといった基本的な動作に長期間苦労する原因の一つです。専門家による定期的な治療は回復を促しますが、頻繁な通院は家族にとって費用や負担が大きくなりがちです。本稿はRehabMateを紹介します。これは、理学療法士の管理を維持しつつ、専門家レベルの下肢リハビリを家庭や地域センターに届けるために設計されたデジタル支援ツールです。

なぜ子どもにはより賢いリハビリ支援が必要か

脳卒中は小児における重度障害の主要因の一つで、最大で7割の若年患者が持続的な運動障害を抱えます。子どもは訓練に良く反応し意欲も高い一方で、従来のリハビリは訓練を受けられる臨床現場への反復的な対面セッションに依存しています。家族はクリニックから遠隔地に住んでいたり、時間や資金が不足して長期的・集中的なケアを受けにくいことがあります。既存のAIツールは支援になり得ますが、多くはブラックボックスのように動作し、結果がどのように導かれたか説明しません。これでは理学療法士や保護者が日常で信頼して安全に使うことが難しくなります。

子どもの動きを見守るデジタルパートナー

RehabMateは、子どもの動きを観察し、異なる種類の動作データを統合して解析し、訓練支援を行う3層構造で設計されています。膝と足首に取り付けた小型のワイヤレスセンサーは脚の加速度や方向変化を記録し、スマートフォンはビデオを撮影してフレームごとに身体のスケルトンを推定します。これらの信号は融合され、子どもの動きを一元的に描き出します。各セッションの前に、子どもの年齢、痛みの程度、可動性などの情報をアプリに入力することで、システムはその子の状態に応じた指導に適応します。

システムは歩行と階段動作をどう理解するか

RehabMateの中核は、子どもの歩行、立位、階段の上り下りを解析する専門的な動作認識モデルです。関節位置だけを見るのではなく、関節間の“骨”や関節角度の時間変化も考慮します。身体を接続点のネットワークとして表現し、先進的なグラフベース処理とアテンション機構を用いて、動作系列の中で最も重要な関節や瞬間に注目します。センサーデータとスケルトンデータを慎重に混ぜ合わせることで、モデルは4つの主要なリハビリアクションを認識し、子どもの遂行品質を評価します。新しい小児脳卒中データセットPSP2上で異なるカメラ視点にまたがって検証したところ、精度は93パーセントを超えました。

動作解析を人に優しい指導へ変える

RehabMateは動作の分類だけで終わらず、技術的な結果を分かりやすく個別化されたフィードバックに変換します。著者らは、理学療法士が作成したリハビリ運動やよくある誤りの詳細な記述を含む専門的なテキストライブラリを構築しました。まず言語モデルが適切な記述を検索して軽く編集し、それを大きなモデルに渡して、子どもの痛みや可動性に応じた明確な修正提案や励ましのメッセージを作成します。たとえば、常に完璧な一歩を求めるのではなく、痛みや筋力不足で全面的な修正が危険な場合は階段の手すり使用を提案することがあります。理学療法士は各アドバイスを基になる動作データや知識ベースの記述に遡って確認できるため、プロセスは監査可能で臨床的に有意義です。

リハビリのためのAIを透明で信頼できるものにする

本研究は、RehabMateが小児の下肢リハビリアクションを正確に特定し、意思決定に影響した身体部位や時間点を説明でき、専門家の判断に沿ったフィードバックを生成できることを示しています。専門家によるレビューでは、モデルのアテンションが理学療法士が重視する同じ重要な関節を強調することが多く、生成された提案の大部分が知識ベースの既知のルールに遡れることが確認されました。現在のシステムは歩行と階段動作に注力し、中規模のデータセットを用いていますが、著者らは同じ説明可能なアプローチを上肢や全身訓練へ拡張できると論じています。家族や臨床家にとって、これは単に動きを計測するだけでなく、どのように結論に至ったかを明確に示すAIを意味し、在宅での小児脳卒中リハビリをより安全で一貫し、個別化されたものにする助けとなります。

引用: Huang, S., Chen, Z. & Liu, Y. RehabMate: an explainable framework for action detection and corrective feedback in pediatric stroke rehabilitation. Sci Rep 16, 15565 (2026). https://doi.org/10.1038/s41598-026-46093-w

キーワード: 小児脳卒中, リハビリテーション, 説明可能なAI, 動作認識, ウェアラブルセンサー