時間的歩行特徴と機械学習アプローチを用いた転倒リスク予測
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Fall risk prediction using temporal gait features and machine learning approaches
雑誌名：Front Artif Intell. 2024; 7: 1425713.
概 要：
本研究は、転倒リスクの早期検出が公衆衛生において重要であることを背景に、人工知能（AI）を活用した転倒リスク予測の有効性を探求しています。従来の臨床評価は信頼性が高いものの、リソースを多く消費し、常に実施可能とは限りません。歩行分析を通じて、歩幅時間、ステップ時間、ケイデンス、スタンス時間などの歩行特徴を抽出・分析し、転倒者と非転倒者を区別する新たなアプローチを提案しています。
方 法：
この研究は、Timed Up and Go（TUG）テストとJHFRAT評価を用いてデータを収集し、MMUの協力者から得たデータにMendeleyの公開データセットを追加しました。歩行特徴を各足ごとに分けて分析する実験と、両足の平均特徴を分析する実験の2つの設定を検討しました。
結 果：
提案された手法は高い精度を達成し、特にLightGBMモデルは転倒リスク予測において96%の優れた精度を示しました。シンプルな機械学習モデルが歩行特性に基づいて高リスク者を特定できることが示され、転倒リスク評価プロセスの効率化が期待されます。
結 論：
本研究は、転倒リスク予測に関する知見を深め、AIがリスクのある個人を早期に特定することで公衆衛生戦略を向上させる可能性を強調しています。ただし、データセットの不足やデータの変動といった限界があり、今後の研究での考慮が必要です。