Kinetic Human Movement Ontology: en semantisk terminologimodell för att symboliskt representera fysiologisk rörelse

Varför kartläggning av rörelse spelar roll

Varje steg, sträckning eller simtag du gör drivs av en samordnad dans mellan muskler, ben och nerver. Ändå registrerar de flesta hälsodatabaser endast att du "tränade"—inte vilka kroppsdelar som rörde sig, hur de samarbetade eller hur detta kan påverka sjukdomsrisk. Denna artikel presenterar ett nytt digitalt vokabulär, Kinetic Human Movement Ontology (KHMO), utformat för att beskriva mänsklig rörelse i exakt, maskinläsbar detalj. Genom att omvandla rörelse till strukturerad data syftar KHMO till att hjälpa forskare att bättre förstå hur specifika aktiviteter skyddar mot kroniska sjukdomar som cancer och att göra mening av den information som strömmar in från bärbara enheter, kameror och kliniska studier.

Från enkla steg till komplex hälsa

Mänsklig rörelse är central för hälsan. När du går, lyfter en vikt eller glider genom en pool arbetar ditt rörelseapparat—ben, muskler, ligament och leder—som en finjusterad maskin. Forskning har visat att regelbunden fysisk aktivitet minskar risken för många cancerformer, minskar kroppsfett och förändrar hormoner och signalmolekyler kopplade till tumörtillväxt. Både aerob träning, som rask promenad eller simning, och muskelstärkande aktiviteter, som styrketräning, bidrar till bättre överlevnad och lägre cancerrisk. Men även om vi vet att "mer av rätt rörelse" är bra, har det varit mycket svårare att exakt beskriva vilka rörelser, vilka kroppsdelar och vilka mönster som gör störst skillnad.

Bygga ett gemensamt språk för rörelse

För att ta itu med detta skapade författarna KHMO, en formell modell för att beskriva hur människokroppen rör sig. De började med en enkel idé lånad från animation och film: varje rörelse kan brytas ner i en sekvens av ramar, där varje ram fångar en hållning vid ett visst ögonblick. I KHMO börjar en grundläggande rörelse med en ställning och slutar med en annan, där specifika anatomiska delar—såsom särskilda muskler eller ben—hjälper till att åstadkomma övergången. Modellen kopplar planerade aktiviteter (som "ett simtag" eller "en Tai Chi-form") till de mindre rörelser och ställningar som bygger upp dem, och till de underliggande kroppsdelarna och fysiologiska rörelserna som möjliggör dem.

Koppla anatomi, rörelse och data

KHMO uppfinner inte anatomiska termer på nytt; istället väver den samman etablerade biomedicinska vokabulärer till en enda, sammanhängande struktur med fokus på rörelse. Den återanvänder begrepp från välkända ontologiprojekt som redan definierar kroppsdelar, beteenden och experiment. Med verktyg för ontologiredigering och termextraktion kopplade teamet mänskliga ställningar, kroppsdelars rörelser och anatomiska entiteter såsom specifika muskler till en integrerad kunskapsbas. De utvidgade denna resurs med verkliga exempel, inklusive Tai Chi och simning, som involverar rik, helkroppsmässig koordination och är kända för att gynna hälsan. I processen lade de till mer än 1 600 termer för muskler och över 700 dataposter som beskriver vattenbaserade övningsrörelser, vilket möjliggör mycket finmaskig kartläggning mellan en fas i ett simtag och de muskler som driver den.

Testa kvalitet och praktisk användning

För att försäkra sig om att KHMO inte bara var omfattande utan också pålitlig utvärderade författarna den med en semiotisk ram som poängsätter hur väl en ontologi är strukturerad (syntax), hur tydliga och konsekventa dess termer är (semantik) och hur brett den täcker sitt område (pragmatik). KHMO fick poäng över genomsnittet jämfört med flera befintliga ontologier för träning och fysisk aktivitet, särskilt vad gäller domäntäckning. Automatiserade resonemangsverktyg hittade inga logiska motsägelser i dess definitioner och relationer. Teamet visade sedan hur forskare kan ställa frågor till KHMO för att besvara praktiska frågor: Vilka fysiologiska rörelser sker i en given rörelse? Vilka anatomiska delar deltar? Hur samordnar specifika muskler med särskilda rörelser? Dessutom byggde de programvara som omvandlar kalkylarksbaserade rörelsebeskrivningar till maskinläsbara kunskapsgrafer länkade till KHMO, och som även kan bifoga bilder av hållningar till motsvarande ställningar.

Framtida vägar för smartare rörelsevetenskap

KHMO presenteras som en grund för framtida verktyg som kan koppla rika rörelsebeskrivningar till hälsoresultat. Eftersom den är offentligt tillgänglig och anpassad till vida använda biomedicinska ontologier kan andra forskare återanvända och utöka den inom idrottsvetenskap, rehabilitering, robotik och cancerprevention. När rörelsefångstsystem, bärbara enheter och pose-estimeringsalgoritmer genererar allt mer detaljerade spår av hur vi rör oss erbjuder KHMO ett sätt att översätta dessa spår till ett gemensamt språk. Enkelt uttryckt är det ett strukturerat lexikon som hjälper datorer att "förstå" den hållning-för-hållning-berättelse som beskriver mänsklig rörelse, vilket gör det lättare att studera vilka specifika rörelser, muskler och mönster som bäst stödjer livslång hälsa.

Citering: 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

Nyckelord: människans rörelse, träning och cancer, biomedicinsk ontologi, kunskapsgraf, data från bärbara sensorer