Kinetische Menselijke Beweging Ontologie: een semantisch terminologiemodel om fysiologische beweging symbolisch weer te geven

Waarom het in kaart brengen van beweging ertoe doet

Elke stap, rekking of zwemslag die u maakt wordt aangedreven door een gecoördineerde dans van spieren, botten en zenuwen. Toch registreren de meeste gezondheidsdatasystemen alleen dat u "bewoog"—niet welke lichaamsdelen bewogen, hoe ze samenwerkten of hoe dit het ziekt risico zou kunnen beïnvloeden. Dit artikel introduceert een nieuw digitaal vocabulaire, de Kinetic Human Movement Ontology (KHMO), ontworpen om menselijke beweging in nauwkeurige, voor computers leesbare details te beschrijven. Door beweging om te zetten in gestructureerde data, wil KHMO onderzoekers helpen beter te begrijpen hoe specifieke activiteiten beschermen tegen chronische ziekten zoals kanker en zinnig te maken van de overvloed aan informatie van wearables, camera’s en klinische studies.

Van eenvoudige stappen tot complexe gezondheid

Menselijke beweging staat centraal in gezondheid. Wanneer u loopt, een gewicht optilt of door een zwembad glijdt, werkt uw bewegingsapparaat—botten, spieren, ligamenten en gewrichten—als een hoogafgestelde machine. Onderzoek heeft aangetoond dat regelmatige lichaamsbeweging het risico op veel vormen van kanker verlaagt, lichaamsvet vermindert en hormonen en signaalmoleculen beïnvloedt die samenhangen met tumorontwikkeling. Zowel aerobe inspanning, zoals stevig wandelen of zwemmen, als spierversterkende activiteiten, zoals weerstandstraining, dragen bij aan betere overleving en een lager kankerrisico. Maar hoewel we weten dat "meer van de juiste beweging" goed is, is het veel moeilijker geweest precies te beschrijven welke bewegingen, welke lichaamsdelen en welke patronen het grootste verschil maken.

Een gedeelde taal voor beweging opbouwen

Om dit aan te pakken, ontwikkelden de auteurs KHMO, een formeel model om te beschrijven hoe het menselijk lichaam beweegt. Ze begonnen met een eenvoudig idee ontleend aan animatie en film: elke beweging kan worden opgesplitst in een reeks frames, elk vastleggend een houding op een bepaald moment. In KHMO begint een basale beweging met één stand en eindigt met een andere, waarbij specifieke anatomische onderdelen—zoals bepaalde spieren of botten—helpen die overgang mogelijk te maken. Het model koppelt geplande activiteiten (zoals "een zwemslag" of "een Tai Chi-vorm") aan de kleinere bewegingen en standen waaruit ze bestaan, en aan de onderliggende lichaamsdelen en fysiologische bewegingen die ze mogelijk maken.

Anatomie, beweging en data verbinden

KHMO herontdekt anatomische termen niet; in plaats daarvan verweeft het gevestigde biomedische vocabularia tot één samenhangende structuur gericht op beweging. Het hergebruikt concepten uit bekende ontologieprojecten die al lichaamsdelen, gedragingen en experimenten definiëren. Met hulpmiddelen voor ontologiebewerking en terme-extractie koppelde het team menselijke standen, lichaamsdeelbewegingen en anatomische entiteiten zoals specifieke spieren in één geïntegreerde kennisbasis. Ze breidden deze bron uit met voorbeelden uit de praktijk, waaronder Tai Chi en zwemmen, die rijke, gehele-lichaamcoördinatie vereisen en waarvan bekend is dat ze de gezondheid bevorderen. Daarbij voegden ze meer dan 1.600 termen voor spieren en ruim 700 gegevensvermeldingen toe die aquatische oefeningsbewegingen beschrijven, waardoor zeer fijnmazige koppelingen mogelijk zijn tussen een fase van een slag en de spieren die deze aandrijven.

Kwaliteit testen en praktisch gebruik

Om zeker te zijn dat KHMO niet alleen omvangrijk maar ook betrouwbaar was, evalueerden de auteurs het met een semiotisch kader dat beoordeelt hoe goed een ontologie is gestructureerd (syntaxis), hoe duidelijk en consistent de termen zijn (semantiek) en hoe breed het domein wordt gedekt (pragmatiek). KHMO scoorde boven het gemiddelde van verschillende bestaande ontologieën voor oefening en lichamelijke activiteit, vooral in domeindekking. Geautomatiseerde redeneertools vonden geen logische tegenstrijdigheden in de definities en relaties. Het team toonde vervolgens hoe onderzoekers KHMO kunnen bevragen om praktische vragen te beantwoorden: welke fysiologische bewegingen treden op in een gegeven beweging? Welke anatomische onderdelen nemen deel? Hoe coördineren specifieke spieren met bepaalde bewegingen? Daarnaast bouwden ze software die spreadsheetgebaseerde bewegingsbeschrijvingen omzet in machineleesbare kennissgrafieken gekoppeld aan KHMO, en die ook afbeeldingen van houdingen kan koppelen aan de overeenkomstige standen.

Toekomstpaden voor slimmer bewegingsonderzoek

KHMO wordt gepresenteerd als basis voor toekomstige hulpmiddelen die rijke bewegingsbeschrijvingen met gezondheidsuitkomsten kunnen verbinden. Omdat het publiekelijk beschikbaar is en is afgestemd op veelgebruikte biomedische ontologieën, kunnen andere onderzoekers het hergebruiken en uitbreiden in de sportwetenschap, revalidatie, robotica en kankerpreventie. Naarmate motion-capture-systemen, wearables en pose-estimatie-algoritmen steeds meer gedetailleerde sporen genereren van hoe we bewegen, biedt KHMO een manier om die sporen naar een gemeenschappelijke taal te vertalen. Simpel gezegd is het een gestructureerd woordenboek dat computers helpt het houding-voor-houding verhaal van menselijke beweging te “begrijpen”, waardoor het gemakkelijker wordt te bestuderen welke specifieke bewegingen, spieren en patronen het beste bijdragen aan levenslange gezondheid.

Bronvermelding: Amith, M., Ha, V., Nguyen, E. et al. Kinetic Human Movement Ontology: a semantic terminology model to symbolically represent physiological movement. Sci Data 13, 696 (2026). https://doi.org/10.1038/s41597-026-06984-z

Trefwoorden: menselijke beweging, beweging en kanker, biomedische ontologie, kennisgrafiek, gegevens van draagbare sensoren