虚弱の歩行サイン：スケーラブルな虚弱度評価のための転移学習ベースのディープ歩行モデル

Abstract

疲労（frailty）は、老年医学において、生理学的予備能の低下とストレス因子への脆弱性の増大を特徴とする状態である。しかしながら、疲労の評価は主観的であり、ばらつき（異質性）があり、臨床実践でのスケール化が困難である。歩行は生物学的な加齢を敏感に反映する指標であり、明らかな障害が表面化する前に多系統の低下を捉える。とはいえ、歩行に基づく疲労評価への現代的なコンピュータビジョンの適用は、小規模で不均衡なデータセットと、臨床的に代表的なベンチマークの欠如によって制限されてきた。本研究では、臨床的に現実的な環境で収集した、公開可能なシルエットベースの疲労歩行データセットを導入する。このデータセットは疲労の全スペクトラムにまたがり、歩行補助具を使用する高齢者も含む。このデータセットを用いて、限られたデータ条件下で疲労分類のために、事前学習済みの歩行認識モデルをどのように適応できるかを評価する。畳み込み型とハイブリッドの注意（attention）ベースのアーキテクチャの両方を検討し、予測性能は、アーキテクチャの複雑さだけでなく、主として事前学習表現がどのように転移されるかに依存することを示す。すべてをファインチューニングする場合や一律に凍結する場合のいずれよりも、低レベルの歩行表現を選択的に凍結しつつ高レベルの特徴を適応させることが、より安定して汎化可能な性能をもたらす。クラス不均衡への保守的な取り扱いはさらに学習の安定性を高め、補完的な学習目的を組み合わせることで、臨床的に隣接した疲労状態間の識別性が向上する。解釈可能性の解析では、下肢および骨盤領域に対するモデルの注意が一貫しており、疲労に関する既知の生体力学的相関と整合することが明らかになった。これらの結果により、歩行に基づく表現学習が、疲労評価のための、スケーラブルで非侵襲的かつ解釈可能な枠組みとして確立され、加齢研究および臨床実践への現代的なバイオメトリック（生体計測）モデリング手法の統合を後押しすることが示される。