Klasyfikacja profili urazów więzadła krzyżowego przedniego poprzez analizę biegu: podejście uczenia maszynowego

Dlaczego urazy kolana mają znaczenie dla aktywnych osób

Dla wielu sportowców i osób aktywnych uraz więzadła kolanowego może być punktem zwrotnym, który trwałe zmienia sposób poruszania się. Więzadło krzyżowe przednie (ACL) jest kluczowym stabilizatorem kolana, a jego zerwania są częste w dyscyplinach wymagających zmian kierunku, skoków i gwałtownego hamowania. Nawet po operacji i miesiącach rehabilitacji ludzie często nie wracają do poprzedniego poziomu aktywności i mogą być narażeni na większe ryzyko przedwczesnego zwyrodnienia stawu. W tym badaniu sprawdzono, czy komputery potrafią wychwycić drobne zmiany w sposobie biegania po operacji ACL — zmiany zbyt subtelne dla oka lub standardowych testów.

W jaki sposób badanie analizowało wzorce biegu

Naukowcy zrekrutowali 30 młodych sportowców: 15 zdrowych oraz 15 po rekonstrukcji ACL w ciągu ostatnich 5–8 miesięcy. Wszyscy byli bez bólu, zatwierdzeni przez terapeutów i rywalizowali na zbliżonych poziomach w dyscyplinach takich jak piłka nożna, futsal, sztuki walki i siatkówka. Każdy zawodnik biegł na specjalnej, wyposażonej w czujniki bieżni ze stałą prędkością, podczas gdy sensory pod pasem rejestrowały kontakt stopy z powierzchnią. Z tego zestawu zmierzono podstawowe cechy biegu, takie jak czas pojedynczego kroku i kroku całego (stride), czas kontaktu stopy ze stopą i czas lotu, długość kroku i kroku całego oraz szybkość narastania sił i przesuwania środka nacisku pod stopą.

Przekształcanie złożonego ruchu w użyteczne dane

Bieganie jest działaniem silnie powtarzalnym, więc nawet niewielkie zmiany w czasie trwania lub obciążeniu kumulują się przez tysiące kroków. Bieżnia zarejestrowała 2 470 pojedynczych kroków we wszystkich uczestnikach, tworząc bogaty, lecz złożony zbiór danych. Aby go uporządkować, badacze najpierw znormalizowali wartości, tak aby żadna miara nie dominowała tylko z powodu większej skali. Następnie zastosowali metodę matematyczną do kompresji danych przy zachowaniu najważniejszej zmienności. Potem skupili się na 11 kluczowych cechach biegu, w tym czasie kroku, czasie podparcia (stance), czasie lotu (swing), długości kroku i kroku całego, maksymalnej sile pionowej, szybkości narastania tej siły oraz prędkości przesuwania się środka nacisku do przodu i na boki pod stopą.

Polecenie komputerom, żeby rozróżniły biegaczy zdrowych i po urazie

Z tym zestawem cech zespół trenował kilka rodzajów programów komputerowych znanych jako modele uczenia maszynowego, aby odróżnić biegaczy zdrowych od osób z historią ACL. Testowano szereg popularnych narzędzi, w tym drzewa decyzyjne, losowe lasy, maszyny wektorów nośnych (SVM) i sieci neuronowe. Aby uniknąć błędnych wniosków, zastosowano staranne podejście testowe, w którym kroki jednego uczestnika znajdowały się wyłącznie w zbiorze treningowym lub wyłącznie w zbiorze testowym. Dzięki temu modele musiały uogólniać na nowych osobach, a nie tylko na nowych krokach tej samej osoby. Najlepiej sprawdziła się prosta metoda K najbliższych sąsiadów, która porównuje każdy nowy krok z podobnymi krokami, które już widziała. Prawidłowo klasyfikowała kroki z bardzo wysoką dokładnością i niemal doskonałą zdolnością do rozdzielenia obu grup.

Co ma największe znaczenie w kroku biegacza

Poza samym oznaczaniem biegaczy jako zdrowych lub po rekonstrukcji ACL autorzy chcieli wiedzieć, które elementy wzorca biegu niosą najwięcej informacji. W wielu modelach na czoło wysunęły się cechy czasowe. Czas kroku, czas podparcia i czas lotu okazały się szczególnie istotne, podobnie jak szybkość przesuwania się środka nacisku do przodu pod stopą. Wyniki te zgadzają się z wcześniejszymi badaniami pokazującymi, że po operacji ACL ludzie często zmieniają, ile czasu spędzają na każdej nodze i jak obciążają stawy, nawet jeśli ich bieg wydaje się obserwatorom normalny. Choć prostszy model drzewa decyzyjnego był łatwiejszy do interpretacji, nie radził sobie złożonością danych tak dobrze jak modele łączące wiele drzew czy opierające się na liczbie sąsiadów.

Co to może oznaczać dla rehabilitacji i powrotu do sportu

Badanie sugeruje, że starannie zebrane dane z bieżni, połączone z nowoczesną analizą komputerową, mogą ujawnić utrzymujące się zmiany w sposobie biegania po rekonstrukcji ACL. Dla przeciętnych sportowców może to w przyszłości oznaczać szybkie, oparte na danych kontrole w trakcie rehabilitacji, które wskażą, czy ich krok rzeczywiście wrócił do normy, czy nadal nosi wzorce związane z dodatkowymi obciążeniami kolana. Klinicyści mogliby skoncentrować trening na poprawie synchronizacji i czasu trwania poszczególnych faz kroku, zamiast tylko na sile czy poziomie bólu. Jeśli takie modele zostaną zintegrowane z urządzeniami noszonymi lub systemami informacji zwrotnej w czasie rzeczywistym, mogłyby pomóc wcześniej wykrywać ryzyko ponownych urazów i kierować na bardziej dopasowane plany ćwiczeń, z długoterminowym celem zmniejszenia ryzyka przewlekłych problemów z kolanem, takich jak wczesne zwyrodnienie.

Cytowanie: Tavakoli, H., Ataabadi, P.A., Khezri, D. et al. Classification of anterior cruciate ligament injury profiles through running analysis: a machine learning approach. Sci Rep 16, 15010 (2026). https://doi.org/10.1038/s41598-026-44264-3

Słowa kluczowe: Uraz ACL, analiza chodu, uczenie maszynowe, biomechanika biegu, rehabilitacja sportowa