下肢の関節接触負荷を予測するための機械学習アプローチの広範囲のレビュー:現在の傾向,一般的な落とし穴,将来の方向性

科学分野:

• バイオメカニクス バイオメカニクス
• コンピューティング・モデリング
• 医療における機械学習アプリケーション

背景:

• 人間の歩行分析は,運動障害や筋骨格障害の評価に不可欠です.
• 楽器による3D歩行分析はゴールドスタンダードですが,物理ベースのモデルはより深い洞察を提供します.
• 機械学習 (ML) は,臨床応用のための複雑なシミュレーションの実行可能な代替手段として浮上しています.

研究 の 目的:

• 下肢の関節接触力を推定するための機械学習のアプローチを合成する.
• 歩行分析における現在のMLの方法論,データ要求,および検証戦略をレビューする.
• 共同接触負荷の予測におけるMLの課題と将来の方向性を特定する.

主な方法:

• PRISMA-ScRガイドラインに従って,システマティック・スコーピング・レビューを行う.
• 2014年1月から2024年8月まで主要な科学データベース (PubMed,IEEE Xplore,Scopus,SpringerLink) で検索しました.
• 下肢関節の接触力の推定のためのMLに関する27の適格な研究から抽出したデータ.

主要な成果:

• 研究集団,運動タイプ,入力データ,ML方法,および検証メトリックにおいて,著しい変動がある.
• 小規模で代表性不足のデータセット (特に女性) は,モデルの汎用性を制限します.
• 不一致な検証とオープンデータ/コードの欠如は,再現性と比較性を妨げます.

結論:

• MLモデルは,関節接触負荷と力の正確な予測の可能性を示しています.
• 将来の研究は,多様なデータセット,標準化された方法論,オープンな科学を優先しなければなりません.
• 物理情報に基づくMLアプローチを統合することで,歩行分析の臨床的適用性を向上させることができます.