転倒リスク評価と転倒検出のためのウェアラブルセンサープラットフォームの開発
Development of Wearable Sensor Platform for Fall Risk Assessment and Fall Detection
高齢者の転倒は世界的な公衆衛生上の課題であり、転倒リスク予防と転倒検出の研究が進められている。本研究では、慣性計測ユニットと表面筋電図センサーを統合したセンサー化された衣類に基づく、転倒リスク予測と転倒検出の両方を実現するウェアラブルセンサープラットフォームを発表した。転倒リスクは、G-STRIDEデータセットで訓練されたロジスティック回帰モデルを用いて、10m歩行テスト中に抽出された歩行パラメータから推定された。転倒検出は、FallTLデータセットで訓練され、本プラットフォームのデータで改良された時空間注意ネットワークを用いて、日常生活活動と転倒の間の二項分類としてフレーム化された。結果として、転倒リスク評価ではAUC 77.8%、精度68.7%、転倒検出では精度96.7%、F1スコア77.3%、先行時間390msが得られた。これらの結果は、客観的な転倒リスクスクリーニングと転倒イベント識別の統合プラットフォームの実現可能性を支持するが、臨床的的主張にはより大規模なコホートでの検証が必要である。
- 慣性計測ユニットと表面筋電図センサーを統合したセンサー化衣類により、転倒リスク評価と転倒検出の両方を実現するウェアラブルセンサープラットフォームを発表した。
- 転倒リスクは10m歩行テスト中の歩行パラメータからロジスティック回帰モデルで推定され、AUC 77.8%、精度68.7%を得た(G-STRIDEデータセットで訓練)。
- 転倒検出は時空間注意ネットワーク(FallTLデータセットで訓練、本プラットフォームのデータで改良)により日常生活活動と転倒の二項分類として行われ、精度96.7%、F1スコア77.3%、先行時間390msを達成した。
ウェアラブル(IMU+表面筋電図)で転倒リスク評価と転倒検出を統合する研究で、高齢者ケア領域のデジタルヘルス/メディカルウェアラブル市場に直結する。ただしAUC 77.8%・精度96.7%は良好に見えるものの、数十人規模の小規模データ前提であり、臨床応用には大規模コホート検証が必須。投資判断では、この種のプラットフォームが医療機器承認や介護保険の報酬・保険償還に乗るか、そして大手ヘルスケア企業や保険会社との実装契約に進めるかが主要な焦点になる。