OpenCap: mozgásdiagnosztika okostelefonos alkalmazással
A NEJM AI folyóiratban augusztus 28-án jelent meg a Stanford University Medical Center kutatóinak cikke, amelyben egy olyan módszert dolgoztak ki, amely okostelefon segítségével képes mérni, érzékelni azokat az apró mozgásbeli változásokat, amelyek különösen a lassan progrediáló betegségek esetében bírnak jelentőséggel.
A neuromuszkuláris betegségek kezelésére irányuló gyógyszerfejlesztés terén elért közelmúltbeli látványos előrelépések ellenére Scott Delp, a Stanford Egyetem bioinformatikai professzora meglepve tapasztalta, hogy a klinikai vizsgálatok során a terápiás hatékonyság nyomon követésére továbbra is egy rendkívül egyszerű eszközt, a stopperórát alkalmazzák. Mostani tanulmányukban Delp és munkatársai azt mutatták be, hogy egy okostelefon – két kamerával és egy ingyenesen elérhető alkalmazással – képes ugyanolyan, sőt részletesebb mozgásdiagnosztikai információkat szolgáltatni, mint a hagyományos tesztek, különösen két neuromuszkuláris kórkép, a facioscapulohumeralis izomdisztrófia (FSHD) és a myotoniás disztrófia (DM) esetében.
A kutatás célja az volt, hogy a biomechanikai modellezés és a számítógépes látás legkorszerűbb módszereit alkalmazva olyan mérési megközelítést dolgozzanak ki, amely méltó párja lehet a gyógyszerfejlesztés technológiai színvonalának. A tanulmány első szerzője Parker Ruth, a Stanford Egyetem PhD-hallgatója, míg Delp a cikk szenior szerzője. A klinikai gyakorlatban a mozgásfunkciók értékelése során gyakran alkalmazzák az ún. időzített funkcióteszteket, például azt mérik, mennyi idő alatt áll fel a beteg egy székből vagy sétál le 10 métert. Bár ez a módszer gyors és költséghatékony, nem képes érzékelni azokat a finom mozgásbeli változásokat, amelyek különösen a lassan előrehaladó betegségek esetében lehetnek fontosak.
A részletesebb biomechanikai elemzéshez hagyományosan mozgásanalízis laboratórium szükséges, ahol órákig tartó vizsgálatok során speciálisan képzett szakemberek és rendkívül drága berendezések segítségével történik az adatgyűjtés. Delp szerint ez a gyakorlat azt eredményezi, hogy a betegek mozgásának objektív mérése a klinikumban igen ritkán történik meg – sok esetben egy ember életében legfeljebb egyszer. A kutatócsoport annak érdekében, hogy felmérje az okostelefonok alkalmazhatóságát, három kamerával felszerelt készülékkel rögzítette 130 résztvevő kilencféle mozgását, például a 10 méteres futást vagy a lábujjhegyre emelkedést. A vizsgálati alanyok kétharmada neuromuszkuláris betegséggel élt, míg a többiek nem mutattak mozgásproblémákat. A felvételek készítésével párhuzamosan a klinikai értékeléshez négy hagyományos időzített funkciótesztet is elvégeztek. Az egész folyamat átlagosan mindössze 16 percet vett igénybe.
A videókat a kutatók az OpenCap nevű nyílt forráskódú eszközzel alakították át háromdimenziós modellekké. Az OpenCap, amelyet Delp és csapata 2023-ban tett közzé, automatikusan létrehozta az egyes résztvevők „digitális ikerpárját”, lehetővé téve a mozgástartomány, a lépéshossz, a sebesség és más biomechanikai paraméterek pontos mérését. Az így nyert adatokból a kutatók 34 olyan mozgásjellemzőt azonosítottak, amelyek relevánsak az FSHD és a DM szempontjából – például azt, milyen magasra emelik a betegek a bokájukat járás közben.
Az okostelefonos mérések alapján a kutatók szinte teljesen megegyező időértékeket tudtak kiszámítani, mint amilyeneket a stopperórás módszerrel kaptak. Amikor egyes résztvevők másnap megismételték a teszteket, az okostelefonos rendszer ugyanolyan megbízhatónak bizonyult. Delp szerint „egyetlen videóval reprodukálható az, amit egy tapasztalt és elfoglalt klinikus végezne a rendelőben”.
A videófelvételek ráadásul olyan betegségspecifikus mozgásmintázatokat is feltártak, amelyeket az időzített tesztek nem képesek érzékelni. Az FSHD-ben szenvedő betegek például rövidebb lépéseket tettek és magasabbra emelték a bokájukat, míg a DM-ben szenvedőknek nehezebben ment a székből való felállás. A felvételek alapján egy számítógépes modell 82%-os pontossággal tudta azonosítani a betegségtípust, szemben a stopperórás módszer 50%-os pontosságával. Az eredmények azt sugallják, hogy a korábban csak speciális laboratóriumokban elérhető mozgáselemzések mostantól gyorsan, bárhol és ingyenesen elvégezhetők.
Delp szerint az okostelefonos videók általános hozzáférhetősége lehetőséget teremt arra, hogy a mozgászavarokat közösségi szinten, költségmentesen detektáljuk, ezáltal korábban felismerjük a betegségeket, és a páciensek időben részt vehetnek a megfelelő kezelésekben vagy klinikai vizsgálatokban. A kutatócsoport jelenleg azt vizsgálja, miként lehet az OpenCap eszközt integrálni a klinikai vizsgálatokba, hogy a neuromuszkuláris betegségek terápiás hatékonyságának mérése pontosabbá, hozzáférhetőbbé és könnyebben kivitelezhetővé váljon.
Mindeközben világszerte több ezer laboratórium alkalmazza már az OpenCap rendszert olyan állapotok értékelésére, mint a cerebrális parézis vagy az ízületi gyulladás. A német röplabda-válogatott például 160 sportoló sérüléseit elemezte az eszköz segítségével. Delp szerint korábban évekbe telt volna ilyen mennyiségű adat összegyűjtése, míg az OpenCap révén mindezt egyetlen idény alatt sikerült elérniük, ami lehetővé tette a teljesítmény optimalizálását, a sérülések megelőzését és a regeneráció felgyorsítását.
A kutató hangsúlyozta, hogy további vizsgálatok szükségesek annak érdekében, hogy az eszköz pontosságát minden új alkalmazási területen validálják. Ennek ellenére meggyőződése, hogy ez a technológia alapjaiban változtatja meg azt, ahogyan az orvosok a mozgászavarokat diagnosztizálják és nyomon követik. Delp úgy véli, hogy az ilyen gyors és pontos mozgásértékelési módszerek több szakterületet is átalakíthatnak a közeljövőben.
Írásunk az alábbi közlemények alapján készült:
Smartphones provide easy upgrade for monitoring patients with neuromuscular diseases
Irodalmi hivatkozás:
Parker S. Ruth et al, Video-Based Biomechanical Analysis Captures Disease-Specific Movement Signatures of Different Neuromuscular Diseases, NEJM AI (2025). DOI: 10.1056/aioa2401137
