GFASNet：認知症関連の歩行パターン分析のための歩行特徴注意駆動型深層系列ネットワーク
カテゴリ：高齢者医療・介護
公開日：2026年2月20日
タイトル：GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis.
雑誌名：Artif Intell Med. 2026 Feb 14; 175: 103377.
概 要：
本研究は、認知症に関連する歩行の変化を特定するために設計されたGFASNetという深層学習モデルを紹介します。GFASNetは、歩行データに基づく注意メカニズムを活用し、個々の歩行パラメータの寄与を定量化することで、モデルの透明性を向上させます。232人の参加者から収集した時空間的な歩行データを用いて、異なる再帰型アーキテクチャに基づくGFASNetの4つのバリアントを訓練・評価しました。全てのGFASNetモデルは、非注意ベースラインを上回る性能を示し、注意重みの分析により、認知症のケースを区別する際に特定の歩行特徴に焦点を当てることが確認されました。これにより、GFASNetは認知症の識別を向上させるだけでなく、臨床的に関連する歩行分析を可能にすることが示されました。
方 法：
本研究は、232人の参加者を対象にしたコホート研究で、圧力センサー歩道での自由歩行テスト中に収集された時空間的な歩行データを使用しました。8つの連続した歩幅から構成される歩行シーケンスを用いて、Long Short-Term Memory、Bidirectional Long Short-Term Memory、Gated Recurrent Unit、Bidirectional Gated Recurrent Unitに基づく4つのGFASNetバリアントを訓練・評価しました。
結 果：
全てのGFASNetモデルは、分類タスクにおいて非注意ベースラインを上回る性能を示しました。特に、注意重みの分析により、モデルが認知症のケースを区別する際に特定の歩行特徴に一貫して焦点を当てていることが確認されました。
結 論：
GFASNetは、認知症の識別を高めるだけでなく、認知健康研究における解釈可能で臨床的に関連する歩行分析を促進する可能性が示されました。