Knee4Life プロジェクト: デジタル ヘルスを通じて膝関節全置換術後の膝の回復を支援 (K4L)

1. 背景

   膝関節全置換術 (TKR) は一般的な手術であり、イングランドとウェールズでは年間 100,000 件以上が行われています。 ほとんどの患者は TKR 後に良好な結果をもたらしますが、患者の約 10 ～ 20% は主に痛みや膝の硬さのために不満を抱いています。 痛みやこわばりの問題を早期に検出する方法があれば、非外科的治療への早期の誘導が容易になる可能性があり、これは麻酔下での操作の必要性を防ぐのに効果的です[MUA]。 現在、MUA の発生率は 2.5% (イングランドとウェールズでは年間約 2,500 人の患者) であり、1 回の手術につき約 14,000 ポンドの費用がかかります。 コリがいつ発生するか、そしてコリに対する最適なタイミングと治療法についての現時点での理解は限られています。 最近のジェームス・リンド・アライアンス優先順位設定パートナーシップは、介入をより深く理解し、テストするための研究優先事項のトップ 10 として、TKR 後の硬直性を特定しました。 現在の測定値は正確ではなく、家庭での使用には適していません。 研究者は、剛性の初期指標を正確に測定するツールを必要としています。

2. 理論的根拠

研究者らは現在、術後早期の膝の硬直の発生を遠隔から正確に検出するツールを持っていない。 この研究は、NHS 全体で使用できる、膝関節全置換術 (TKR) 手術の前後で膝の硬さを測定および定量化するための費用対効果の高いツールを開発することを目的としています。 この研究では、TKR 後に膝の可動域 (ROM) がどのように回復するかを理解し、硬さの初期の兆候を検出することを目指しています。 また、TKR 後に誰がこわばりを発症する可能性があるかを予測し、痛みとこわばりの関係を調査することも目的としています。

角度を測定する手持ちツールなど、膝の可動域 (ROM) を測定する現在の方法には精度の点で限界があり、使用するには訓練を受けた医療スタッフが必要です。 理想的なツールは、低コストで使いやすく、患者や臨床チームに迅速なフィードバックを提供できるものです。 この研究には、膝の屈曲と伸展、および歩行パターンの評価を監視するためのコンピュータービジョンベースのアプローチ（動きを評価するためにカメラを使用する）の開発と検証が含まれます。 ビデオベースの技術またはコンピュータービジョン (CV) は、強直性脊椎炎患者の脊椎の動きを測定するためにエクセターで最近先駆的に開発されました。 コンピューター ビジョンは、膝が硬い人の膝の屈曲を監視する上で大きな可能性を秘めた新興テクノロジーです。 このアプローチでは、カメラと機械学習アルゴリズムを使用して、動作中の膝関節の角度を自動的に検出および分析します。 膝の屈曲の客観的かつ正確な測定を提供することにより、コンピュータービジョンは膝の硬さの評価を改善し、標的を絞った治療介入を促進する可能性があります。 ただし、他の新しい技術と同様に、その精度と信頼性を確保するために、膝が硬くなっている患者を対象としてこの方法を検証する必要があります。 研究では、運動パターンの個人差や硬さによる制限を考慮して、この患者集団に特化した機械学習アルゴリズムを開発することの重要性が強調されています。 膝が固い人の膝の屈曲をモニタリングするためのコンピュータービジョンベースのアプローチの妥当性と実現可能性を評価するには、さらなる研究が必要であり、それによって最終的にはこの症状の診断、モニタリング、管理が改善される可能性があります。

膝が固い人の膝の屈曲をモニタリングするためのコンピューター ビジョン ベースのアプローチの検証は、その信頼性と精度を確保するために不可欠です。 これには、この患者集団の膝関節角度を正確に検出および測定できる機械学習アルゴリズムを開発および改良する必要があります。 この研究では、モーション キャプチャやゴニオメトリなどの代表的な測定方法と比較して、アルゴリズムの精度と精度を評価します。 さらに、この研究では、こわばりや痛みによる膝の屈曲の変化に対するアプローチの感度を調べ、臨床現場での実現可能性を評価します。 このコンピュータビジョンベースのアプローチが検証されれば、膝が固い人の膝の屈曲をモニタリングする非侵襲的で客観的な手段を提供できる可能性があり、これにより治療の決定に情報を提供し、患者の転帰を改善できる可能性がある。

調査員が使用するもう 1 つのツールは、携帯電話の加速度計とジャイロスコープ センサーを利用し、慣性測定装置 (IMU) と同様に動作して加速度と回転のデータを提供する Gaitcapture アプリです。

コンピューター ビジョン ベースのアプローチの検証には、ゴールドスタンダードの測定方法 (専門家の理学療法評価) との比較が含まれます。

この研究では、コンピュータービジョンベースのアプローチに加えて、身体に装着するセンサーとモバイルアプリを利用して、参加者の身体活動レベル、歩行パターン、歩数を監視します。 このデータは、TKR の全体的な身体活動パターンを持つ人々に関する洞察を提供し、診断とモニタリングのためのツールの使いやすさ、受け入れ可能性、実現可能性、正確性を評価するのに役立ちます。

この研究プロジェクトの結果は、膝関節全置換術（TKR）後の膝の硬さの診断、モニタリング、管理を改善する可能性があり、MUA手術の必要性を減らす可能性があります。 この研究で開発されたツールは、正確な測定と早期発見を提供することで、非外科的治療への早期の誘導を可能にし、全膝関節置換術（TKR）手術後の膝可動域（ROM）を改善するための高価で危険な処置の必要性を軽減する可能性があります。麻酔下での膝の操作のようなものです。

ここで、研究者らは、マーカーレス モーション キャプチャ アルゴリズムの検証研究を実施して、その精度を確認し、家庭内で大規模に実装するための実現可能性と使いやすさを評価します。 研究者はまた、膝の屈曲/伸展角度などのアルゴリズム出力のテスト再テストの信頼性も確認します。