Vinkelhastigheter i leder härledda från smartphone vid sitt-stå-rörelse ger en spatiotemporal markör för symtomgivande knäartros

Att förvandla ett enkelt stoltest till en knäkontroll

Att resa sig från en stol är något de flesta av oss gör dussintals gånger om dagen, ofta utan att tänka på det. För personer med knäartros kan denna vardagsrörelse dock vara smärtsam och besvärlig. Denna studie visar att en vanlig smartphone kan förvandla en enkel sitt‑till‑stå‑rörelse till en inblick i knähälsan och erbjuda ett lågkostnadsverktyg för att upptäcka ledproblem och följa dem över tid.

Varför knäproblem är svåra att upptäcka tidigt

Knäartros är en ledande orsak till funktionsnedsättning hos äldre vuxna och gör även rutinaktiviteter som att ställa sig upp och gå svåra. Läkare bedömer vanligtvis knäfunktion genom att observera hur en person rör sig eller med hjälp av frågeformulär om smärta och stelhet. I forskningslaboratorier kan kostsamma rörelsefångstsystem med markörer och flera kameror mäta rörelser i detalj, men de är inte praktiska för kliniker, hem eller mötesplatser i samhället. Som ett resultat lever många personer med knäskador som inte objektivt mäts förrän de är ganska långt framskridna.

Använda telefonkamera för att läsa ledrörelser

Forskarna bad 309 vuxna, de flesta i 60‑års åldern, att upprepade gånger resa sig upp från och sätta sig på en standardiserad stol medan de filmades i profil med en smartphone. Med ett artificiellt intelligenssystem spårade de nyckelpunkter på kroppen för att beräkna hur mycket bål, knä och fotled böjde sig och hur snabbt dessa vinklar förändrades över tid. De byggde sedan en djupinlärningsmodell, kallad STS Dynamics Net, som lärde sig mönster i dessa ledhastigheter och vinklar för att uppskatta sannolikheten att en person hade symtomgivande knäartros. Modellen producerade ett enda värde, STS D‑index, mellan noll och ett för varje person.

Ledhastighet som en ny varningssignal

Studien fann att hur snabbt lederna rör sig under sitt‑till‑stå‑rörelsen bär viktig information om knähälsan. Modeller som använde både vinklar och deras hastigheter upptäckte symtomgivande knäartros mer exakt än enkla mått som hur många gånger någon kunde resa sig på 30 sekunder eller hur långt de lutade sig framåt. Den telefonbaserade metoden presterade nästan lika bra som ett laboratorieklassat tredimensionellt rörelsefångstsystem. Personer vars rörelser modellen bedömde som mer sannolikt relaterade till artros rapporterade också ofta värre stelhet och svårigheter med dagliga uppgifter på en standardiserad symtomenkät.

Vad rörelsemönstren avslöjar om musklerna

För att bättre förstå vad de telefonbaserade mätningarna speglar inuti kroppen skannade teamet lårmuskulaturen hos en mindre grupp frivilliga med hjälp av magnetkameraundersökning (MRI). De fann att personer med mindre muskelmassa och mer fett i lårmusklerna tenderade att röra bålen snabbare under nyckelfaser av sitt‑till‑stå‑uppgiften. Detta tyder på att när musklerna runt knät är svaga eller av sämre kvalitet kompenserar man genom att svänga bålen snabbare för att resa sig från stolen, vilket flyttar en del av ansträngningen bort från knäleden. Modellen avslöjade också förändrad timing och koordination mellan bål, knä och fotled hos personer med artros, vilket antyder bredare förändringar i rörelsekontroll.

Från labbverktyg till vardaglig hälsokontroll

Enkelt uttryckt visar studien att en standard‑smartphone kan fånga subtila skillnader i hur människor ställer sig upp och sätter sig ner som relaterar till smärtsam knäartros och lårets muskelhälsa. Genom att omvandla ledhastigheter och vinklar till ett enda riskvärde skulle metoden möjliggöra enkla hemkontroller av knäfunktion, stödja fjärruppföljning efter behandling och hjälpa till att hitta personer som kan ha nytta av stärkande program eller vidare medicinsk utredning. Även om metoden fortfarande behöver testas i större och mer varierade grupper pekar den mot en framtid där ett snabbt stoltest framför en telefonkamera blir en rutinmässig del av att ta hand om åldrande leder.

Citering: Chan, L.C., Yan, J., Zhang, Y.C. et al. Smartphone-derived joint angular velocities in sit-to-stand motion provide a spatiotemporal marker for symptomatic knee osteoarthritis. Commun Med 6, 286 (2026). https://doi.org/10.1038/s43856-026-01537-2

Nyckelord: knäartros, smartphone rörelseanalys, sitt till stå-test, vinkelhastighet i led, muskelsvaghet