AI駆動型低コストリハビリテーションエクサゲーム：脳卒中評価のための軽量フレームワーク

科学分野:

• 生体医工学; リハビリテーション技術; ヘルスケアにおける人工知能

背景:

• 脳卒中は上肢の運動機能に大きな影響を与え、信頼性が高く継続的な患者評価が必要です。Fugl-Meyer Assessment（FMA）のような現在の臨床基準は効果的ですが、労働集約的であり、専門家が必要です。運動回復の監視と治療的フィードバックを提供するための、アクセス可能で自動化されたツールの必要性が存在します。

研究 の 目的:

• 脳卒中後の患者における上肢のリハビリテーションと運動機能評価を同時に行うための、AI駆動型カメラベースのエクサゲームを開発および検証すること。ゲームプレイから抽出された運動学的および時空間的特徴と、確立された臨床FMAスコアとの相関を調べること。運動重症度の予測と機能レベルの分類における軽量機械学習モデルのパフォーマンスを評価すること。

主な方法:

• 標準的なカメラを使用してデータ取得を行う、センサーフリーの低コストリハビリテーションエクサゲームを開発しました。MediaPipeフレームワークを使用して、2Dの手と腕の軌跡から16の運動学的および時空間的特徴を抽出しました。12人の脳卒中後の参加者を対象に、FMAスコアとの特徴相関を分析し、運動重症度を予測するために軽量線形回帰モデルを採用しました。

主要な成果:

• 抽出された特徴（手の角度、可動域、運動領域など）は、FMAスコアと強く相関していました（Spearman ρ = 0.92）。線形回帰モデルは、高い予測精度（R² = 0.89）を示し、運動重症度レベルを効果的に分類しました（精度86〜93％）。解釈可能なAIアプローチは、上肢運動機能の評価において、より複雑な機械学習モデルよりも優れたパフォーマンスを発揮しました。

結論:

• AI駆動型エクサゲームは、脳卒中後の上肢運動機能の自動評価のための、スケーラブルで再現性があり、臨床的に関連性の高い方法を提供します。このセンサーフリーフレームワークは、即時のフィードバックを提供し、臨床ワークロードを削減し、遠隔リハビリテーションとリモートモニタリングのためのアクセス可能なデジタルバイオマーカーを可能にします。この研究は、効果的な脳卒中リハビリテーションと長期的な患者管理のための、透明性がありゲームプレイに埋め込まれたメトリクスの可能性を強調しています。