Ontologia Kinetycznego Ruchu Człowieka: semantyczny model terminologiczny do symbolicznego przedstawiania ruchu fizjologicznego

Dlaczego mapowanie ruchu ma znaczenie

Każdy krok, rozciągnięcie czy pociągnięcie w pływaniu jest wynikiem skoordynowanego tańca mięśni, kości i nerwów. Tymczasem większość systemów zdrowotnych zapisuje jedynie, że „ćwiczyłeś” — nie mówiąc, które części ciała się poruszały, jak współdziałały ani jak może to wpływać na ryzyko choroby. W artykule przedstawiono nowy cyfrowy słownik, Ontologię Kinetycznego Ruchu Człowieka (KHMO), zaprojektowaną do opisywania ruchu ludzkiego w precyzyjny, czytelny dla komputerów sposób. Przekształcając ruch w dane strukturalne, KHMO ma pomóc badaczom lepiej zrozumieć, jak konkretne aktywności chronią przed chorobami przewlekłymi, takimi jak rak, oraz uporządkować napływ informacji z urządzeń noszonych, kamer i badań klinicznych.

Od prostych kroków do złożonego zdrowia

Ruch człowieka jest kluczowy dla zdrowia. Gdy idziesz, podnosisz ciężar lub suniesz przez basen, twój układ mięśniowo-szkieletowy — kości, mięśnie, więzadła i stawy — działa jak wyregulowana maszyna. Badania wykazały, że regularna aktywność fizyczna obniża ryzyko wielu nowotworów, zmniejsza tkankę tłuszczową i modyfikuje hormony oraz cząsteczki sygnałowe związane z wzrostem guzów. Zarówno ćwiczenia aerobowe, takie jak szybki marsz czy pływanie, jak i aktywności wzmacniające mięśnie, na przykład trening oporowy, przyczyniają się do lepszego przeżycia i mniejszego ryzyka zachorowania na raka. Jednak choć wiemy, że „więcej odpowiedniego ruchu” jest korzystne, znacznie trudniej jest dokładnie opisać, które ruchy, które części ciała i które wzorce mają największe znaczenie.

Budowanie wspólnego języka ruchu

Aby to rozwiązać, autorzy stworzyli KHMO, formalny model do opisywania, jak porusza się ciało człowieka. Zaczęli od prostego pomysłu zapożyczonego z animacji i filmu: każdy ruch można rozłożyć na sekwencję klatek, z których każda uwiecznia postawę w danym momencie. W KHMO podstawowy ruch zaczyna się od jednej postawy i kończy drugą, przy czym określone części anatomiczne — na przykład konkretne mięśnie czy kości — pomagają zrealizować tę zmianę. Model łączy zaplanowane aktywności (jak „ruch pływacki” czy „forma Tai Chi”) z mniejszymi ruchami i postawami, które je tworzą, oraz z leżącymi u ich podstaw częściami ciała i ruchami fizjologicznymi, które je umożliwiają.

Łączenie anatomii, ruchu i danych

KHMO nie wymyśla na nowo terminów anatomicznych; zamiast tego scala ustalone słownictwa biomedyczne w jedną spójną strukturę skoncentrowaną na ruchu. Wykorzystuje pojęcia z dobrze znanych projektów ontologicznych, które już definiują części ciała, zachowania i eksperymenty. Korzystając z narzędzi do edycji ontologii i ekstrakcji terminów, zespół powiązał postawy ludzkie, ruchy części ciała i jednostki anatomiczne, takie jak konkretne mięśnie, w jedną zintegrowaną bazę wiedzy. Rozszerzyli to źródło, używając przykładów z rzeczywistego świata, w tym Tai Chi i pływania, które angażują całe ciało i są znane ze swoich korzyści zdrowotnych. W tym procesie dodano ponad 1 600 terminów dotyczących mięśni oraz ponad 700 wpisów danych opisujących ruchy w ćwiczeniach wodnych, co pozwala na bardzo szczegółowe mapowanie między fazą ruchu a mięśniami, które go napędzają.

Testowanie jakości i zastosowań praktycznych

Aby upewnić się, że KHMO jest nie tylko obszerne, ale też wiarygodne, autorzy ocenili je przy użyciu ram semiotycznych oceniających, jak dobrze ontologia jest zbudowana (składnia), jak jasne i spójne są jej terminy (semantyka) oraz jak szeroko pokrywa swój obszar (pragmatyka). KHMO osiągnęło wyniki powyżej średniej w porównaniu z kilkoma istniejącymi ontologiami dotyczącymi ćwiczeń i aktywności fizycznej, zwłaszcza w zakresie pokrycia dziedziny. Narzędzia do automatycznego wnioskowania nie wykryły sprzeczności logicznych w jego definicjach i relacjach. Zespół pokazał następnie, jak badacze mogą zapytywać KHMO, aby uzyskać praktyczne odpowiedzi: które ruchy fizjologiczne występują w danym ruchu? Które części anatomiczne uczestniczą? Jak konkretne mięśnie współdziałają z określonymi ruchami? Dodatkowo opracowano oprogramowanie, które konwertuje opisy ruchów w arkuszach kalkulacyjnych na czytelne dla maszyn grafy wiedzy powiązane z KHMO oraz które może dołączać obrazy postaw do odpowiadających im pozy.

Przyszłe drogi dla mądrzejszej nauki o ruchu

KHMO przedstawiono jako fundament dla przyszłych narzędzi, które będą łączyć szczegółowe opisy ruchu z wynikami zdrowotnymi. Dzięki publicznej dostępności i zgodności z powszechnie używanymi ontologiami biomedycznymi inni badacze mogą ją ponownie wykorzystać i rozbudować w nauce o sporcie, rehabilitacji, robotyce i zapobieganiu nowotworom. W miarę jak systemy przechwytywania ruchu, urządzenia noszone i algorytmy estymacji pozy generują coraz bardziej szczegółowe ślady naszych ruchów, KHMO oferuje sposób na przetłumaczenie tych śladów na wspólny język. Mówiąc prosto, to uporządkowany słownik, który pomaga komputerom „rozumieć” historię ruchu krok po kroku, ułatwiając badanie, które konkretne ruchy, mięśnie i wzorce najlepiej wspierają zdrowie przez całe życie.

Cytowanie: 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

Słowa kluczowe: ruch człowieka, ćwiczenia a rak, ontologia biomedyczna, graf wiedzy, dane z czujników noszonych