主要成果
研究チームは、3D骨格動作を用いて身体の広範な健康状態（フェノタイプ）を予測する歩行基盤モデルを開発しました。このモデルは、従来の歩行分析で用いられてきた歩幅やケイデンスといったエンジニアリングされた特徴量よりも高い予測性能を示しました。具体的には、年齢（ピアソン相関係数 r = 0.69）、BMI（r = 0.91）、内臓脂肪面積（r = 0.83）の予測において、学習済みエンベディングが従来手法を上回りました。また、テストされた3,210のフェノタイプのうち、1,887項目において有意な予測能を示しました。
技術・詳細
本モデルは、単一の深度カメラを用いて記録された3,328人の成人の3D骨格動作データをベースとしています。被験者は5つの運動タスクを遂行し、モデルはこれらの動きを「学習済みエンベディング」へと変換します。これは、すべての身体関節が時間経過とともにどのように連動して動くかを数値化したセットであり、人間が定義した特徴量では捉えきれない微細な動作の詳細を抽出することが可能です。
予測精度の検証では、年齢、BMI、内臓脂肪、身長のみを用いたベースラインモデルと比較し、歩行エンベディングを加えることで、男性では18システムすべて、女性では18システム中17システムにおいて予測精度が向上しました。さらに、臨床診断や薬剤の使用状況の予測においても改善が見られました。また、解剖学的アブレーション解析により、脚のダイナミクスが代謝やフレイル（虚弱）の予測に寄与し、体幹のダイナミクスが睡眠やライフスタイルのフェノタイプをコード化していることが明らかになりました。
背景・業界の文脈
従来、歩行分析は特定の病理に伴う「症状」として扱われる傾向にありましたが、本研究は歩行を全身的な「バイオマーカー」として捉え直しています。先行研究では歩行速度が「第6のバイタルサイン」として議論されており、糖尿病患者の末梢神経障害やパーキンソン病などの神経変性疾患、脳卒中後の酸素消費量、高齢者の転倒リスクなどの指標として活用されてきました。しかし、本研究のような基盤モデルによるアプローチは、個別の疾患特定に留まらず、全身のマルチシステムにわたる健康状態を包括的に把握することを目指しています。
今後の展望
本研究の結果は、歩行が独立したマルチシステムバイオシグナルであることを立証しました。これにより、歩行分析を日常的な臨床評価に統合し、スケーラブルでパッシブな（受動的な）バイタルサインとして活用することが期待されます。研究に使用されたコードはGitHubおよびZenodoで公開されており、データセットは非営利目的の研究者に限り、審査を経てセキュアなクラウド環境を通じて提供される体制が整えられています。
元記事: https://www.nature.com/articles/s41591-026-04724-9
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
