在一次下跳测试中并行验证 OpenCap 以识别 ACL 重新受伤风险因子：一项健康队列研究

为什么跳跃科学与膝盖息息相关

许多在膝盖前交叉韧带（ACL）撕裂的运动员，即便经过精心的手术和康复，仍面临再次受伤的风险。医生知道，人在跳跃着陆时的一些细微动作变化可以揭示这种潜在风险，但衡量这些动作的最佳工具通常是昂贵的实验室系统，需要粘贴反光标记并使用多台摄像机。本研究探讨了一种新的低成本智能手机方法 OpenCap 是否能提供类似洞见，有望把精密运动分析从实验室带入普通诊所和训练场所。

从高端实验室到三脚架上的手机

传统的三维运动分析使用多台红外摄像机和地面力板来记录身体如何移动以及与地面接触时的受力。该方法精确度高，但耗时、昂贵且需要专业技术，因此只有少数中心能够提供。无标记系统试图通过使用普通摄像机和人工智能算法来跟踪身体位置，避免在皮肤上粘贴标记，从而降低这些门槛。OpenCap 更进一步：它使用普通智能手机加上云端计算，提供一种可能在几乎任何地方都能进行运动分析的经济可行方案。

把 OpenCap 放到考验中

研究人员招募了 24 名健康且经常锻炼的成年人来执行一项要求较高的着陆任务：从 30 厘米高的箱子上向下踏出并尽快尽力向上跳。在 240 次此类下跳中，每一次动作都由金标准的基于标记的实验室系统和基于智能手机的 OpenCap 同步捕捉。团队重点关注已知与 ACL 重新受伤风险相关的量度：着陆时膝盖的内外翻角度、膝关节与髋关节肌肉控制动作的用力程度，以及双脚着地时每条腿承受的垂直力。

手机的表现有多接近？

在整体运动模式上，OpenCap 的表现令人惊讶地不错。随时间变化的曲线形状——显示关节如何移动以及力如何升降——在许多变量上与实验室系统高度一致。然而，当团队考察差异的幅度时，出现了重要差距。膝关节侧向移动的角度平均相差超过六度，这比已被证明能区分发生二次 ACL 撕裂与否的微小变化要大。膝部受力和脚下的地面反作用力也显示出超出临床决策常接受范围的误差，而且在着陆的大部分阶段出现了重要差异。在大约五分之一的试验中，OpenCap 的内部仿真甚至无法生成可用的力估计值。

这对运动员和临床医生意味着什么

由于 ACL 重新受伤风险取决于肢体间和随时间变化的细微但有意义的差异，用于指导重返运动决策的工具必须既准确又一致。在本研究中，OpenCap 能可靠捕捉人们运动和着陆的总体形态，但在关键的膝关节角度、肌肉负荷和肢体间差异方面不够精确，因此不足以在个体风险筛查中安全替代完整的实验室系统。作者得出结论：目前不应单独使用 OpenCap 来判断运动员在 ACL 手术后是否准备好重返赛场。

前景可期

尽管 OpenCap 未达当前临床标准，但结果在另一层面仍令人鼓舞。总体运动模式的一致性表明，随着更好的姿态估计算法和更精细的内部模型问世，基于智能手机的系统最终可能缩小这一差距。如果这些改进得以实现，以前需要专门实验室的运动分析有朝一日可能在普通诊所、训练设施甚至场边完成——帮助更多运动员在无需高端设备的情况下保护他们的膝盖。

引用: 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

关键词: ACL 重新受伤风险, 无标记运动捕捉, 运动损伤预防, 跳跃着陆力学, 智能手机运动分析