深層学習によるリハビリテーション評価の定量化

脳卒中などにより身体機能が低下した患者のリハビリテーションでは，日常生活動作の自立度を評価する機能的自立度評価表（Functional Independence Measure: FIM）が広く用いられています．しかし，FIMの採点は療法士による観察と判断に依存するため，患者・医療者双方にとって負担が大きく，評価者間のばらつきも生じます． 本研究では，FIM本来の評価動作とは異なる簡易な動作を患者に行ってもらい，その動画像から推定した骨格情報をもとにFIM運動項目スコアを自動推定する手法を開発しています．身体各部位の動きの空間的な関係と，動作が進行するなかでの時間的な変化の双方を扱える時空間深層学習モデルを用い，さらに注意機構を組み込むことで，どの身体部位や動作局面が推定に寄与しているのかを読み取れるようにしています． こうした寄与の解析を通じて，どの動作がどの評価項目の推定に有効かを明らかにし，少数の簡易な動作から効率的に評価を行える枠組みの構築を目指しています．評価の一部を自動化できれば，療法士は患者への関わりにより多くの時間を割けるようになり，評価者によらない一貫した指標を得ることにもつながると考えています． 技術的アプローチ： - 骨格推定と時空間深層学習によるFIM運動項目スコアの推定 - 注意機構に基づく寄与部位・寄与動作の解析 - 評価項目ごとに有効な動作の絞り込み