Równoczesna walidacja OpenCap w identyfikowaniu czynników ryzyka ponownej kontuzji więzadła krzyżowego przedniego (ACL) podczas testu skoku z lądowaniem w zdrowej kohorcie

Dlaczego nauka o skakaniu ma znaczenie dla Twoich kolan

Wielu sportowców, którzy zerwali więzadło krzyżowe przednie (ACL) w kolanie, doznaje drugiego urazu mimo starannej operacji i rehabilitacji. Lekarze wiedzą, że subtelne zmiany w sposobie lądowania po skoku mogą ujawniać to ukryte ryzyko, jednak najlepsze narzędzia do mierzenia tych ruchów to kosztowne systemy laboratoryjne oparte na odbijających światło markerach i kamerach. W badaniu sprawdzano, czy nowe, niskokosztowe rozwiązanie oparte na smartfonie, zwane OpenCap, może dostarczyć porównywalnych informacji — co mogłoby przenieść zaawansowaną analizę ruchu poza laboratorium do codziennych klinik i sal treningowych.

Od zaawansowanych laboratoriów do telefonów na statywach

Tradycyjna trójwymiarowa analiza ruchu wykorzystuje wiele kamer na podczerwień i płyty siłowe w podłodze, aby rejestrować, jak ciało się porusza i z jaką siłą uderza w podłoże. Jest niezwykle dokładna, ale wymaga czasu, pieniędzy i wiedzy technicznej, dlatego oferowana jest tylko w nielicznych wyspecjalizowanych ośrodkach. Systemy bezmarkerowe próbują usunąć te przeszkody, używając zwykłych kamer wideo i algorytmów sztucznej inteligencji do śledzenia pozycji ciała bez przyklejania markerów na skórze. OpenCap idzie krok dalej, wykorzystując powszechne smartfony i przetwarzanie w chmurze, oferując potencjalnie przystępną finansowo metodę analizy ruchu praktycznie w dowolnym miejscu.

Postawienie OpenCap na próbę

Badacze zrekrutowali 24 zdrowych, fizycznie aktywnych dorosłych do wykonania wymagającego zadania lądowania: zejścia z pudełka o wysokości 30 centymetrów i natychmiastowego wyskoku w górę z maksymalną szybkością i siłą. Podczas 240 takich skoków każdy ruch rejestrowano jednocześnie zarówno przy użyciu złotego standardu — systemu z markerami — jak i ustawienia OpenCap opartego na smartfonach. Zespół skupił się na miarach powiązanych z ryzykiem ponownej kontuzji ACL: jak kolano porusza się do wewnątrz lub na zewnątrz podczas lądowania, jak silnie mięśnie uda i biodra pracują, by kontrolować ruch, oraz jaka jest pionowa siła przenoszona przez każdą nogę przy zetknięciu z podłożem.

Jak blisko były smartfony?

W przypadku ogólnych wzorców ruchu OpenCap poradził sobie zaskakująco dobrze. Kształty krzywych w czasie — pokazujące, jak przemieszczały się stawy i jak rosły oraz malały siły — w wielu zmiennych były dobrze zgrane z systemem laboratoryjnym. Jednakże po przyjrzeniu się wielkościom różnic pojawiły się istotne luki. Kąt bocznego ruchu kolana różnił się średnio o ponad sześć stopni, co jest większe niż drobne zmiany, które wykazano jako odróżniające sportowców doznających drugiego zerwania ACL od tych, którzy tego uniknęli. Siły przy kolanie oraz siły reakcji podłoża pod stopami także wykazywały błędy wykraczające poza powszechnie akceptowane granice dla decyzji klinicznych, a istotne różnice pojawiały się przez dużą część fazy lądowania. W około jednej z pięciu prób wewnętrzne symulacje OpenCap nie były nawet w stanie wygenerować użytecznych oszacowań sił.

Co to oznacza dla sportowców i klinicystów

Ponieważ ryzyko ponownej kontuzji ACL zależy od niewielkich, ale znaczących różnic między kończynami i w czasie, narzędzia służące do kierowania decyzjami o powrocie do sportu muszą być zarówno dokładne, jak i spójne. W tym badaniu OpenCap konsekwentnie uchwycił ogólny kształt tego, jak ludzie się poruszają i lądują, ale nie był wystarczająco precyzyjny w kluczowych kątach kolana, obciążeniu mięśniowym i różnicach między kończynami, by bezpiecznie zastąpić pełny system laboratoryjny przy indywidualnym przesiewaniu ryzyka. Autorzy konkludują, że na razie OpenCap nie powinien być stosowany samodzielnie do oceny, czy sportowiec jest gotowy do powrotu do rywalizacji po operacji ACL.

Nadzieja na horyzoncie

Choć OpenCap nie spełnił obecnych standardów klinicznych, wyniki dają powody do optymizmu z innego powodu. Silna zgodność w ogólnych wzorcach ruchu sugeruje, że przy lepszych algorytmach estymacji pozy i udoskonalonych modelach wewnętrznych systemy oparte na smartfonach mogłyby w końcu zmniejszyć tę lukę. Jeśli te ulepszenia się powiodą, analiza ruchu, która kiedyś wymagała specjalistycznego laboratorium, mogłaby pewnego dnia być przeprowadzana w zwykłej klinice, obiekcie treningowym, a nawet na linii bocznej — pomagając większej liczbie sportowców chronić kolana bez bariery kosztownego sprzętu.

Cytowanie: Färber, B., Horsak, B. & Paternoster, F.K. Concurrent validation of OpenCap for identifying ACL re-injury risk factors during a drop jump test in a healthy cohort. Sci Rep 16, 9843 (2026). https://doi.org/10.1038/s41598-026-44758-0

Słowa kluczowe: ryzyko ponownej kontuzji ACL, rejestracja ruchu bez markerów, zapobieganie urazom sportowym, mechanika lądowania po skoku, analiza ruchu za pomocą smartfona