Development of a method for evaluation of abnormality gait patterns in patients with knee osteoarthritis using machine learning

2022 Fiscal Year Final Research Report

• Project/Area Number: 21K21255
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 0909:Sports sciences, physical education, health sciences, and related fields
• Research Institution: Hiroshima University
• Principal Investigator: Yamashina Shunsuke 広島大学, 人間社会科学研究科(総), 研究員 (20911233)
• Project Period (FY): 2021-08-30 – 2023-03-31
• Keywords: 変形性膝関節症 / 歩行パターン / 機械学習 / マーカレスモーションキャプチャシステム / 身体活動量 / 予後 / 予測

Outline of Final Research Achievements

In this study, we attempted to (1) verify the validity of gait pattern evaluation in patients with knee osteoarthritis, (2) examine a gait pattern examination method using a markerless motion capture system, and (3) examine a machine learning method for determining knee severity using data obtained from the markerless motion capture system.
The results of this study revealed the validity of evaluating the gait patterns of patients with knee osteoarthritis. We created a machine learning model to determine knee severity. As future issues, the accuracy of the model needs to be verified, and the method of examining gait patterns using a markerless motion capture system needs to be reconsidered.

Free Research Field

リハビリテーション科学

Academic Significance and Societal Importance of the Research Achievements

本研究成果より，歩行パターンの検査結果を用いることで，1年後の身体活動量が低下しやすい変形性膝関節症患者をスクリーニングできる可能性がある。変形性膝関節症患者に対する予防的介入方法の検討に繋がると考えられる。
また，本研究で作成した機械学習のモデルは，患者情報（年齢，性別，痛み）と歩行キネマティクス指標（下肢の関節運動）を用いて変形性膝関節症患者の重症度を判断するものである。臨床応用には限定的であるが，本研究をさらに検証することで動画情報から変形性膝関節症の状態を判断できるツールの開発に繋がると考えられる。そのため，早期の病態判断への発展性があると考える。