ما یک مدل پایه برای تحلیل الگوی راه رفتن از داده‌های حرکتی اسکلتی سه‌بعدی ۳,۳۲۸ بزرگسال با فنوتیپ عمیق توسعه دادیم که طی پنج تکلیف حرکتی با استفاده از یک دوربین عمق‌سنج ثبت شده بودند. جاسازی‌ها (Embeddings) به طور معناداری ۱,۸۸۷ مورد از ۳,۲۱۰ هدف فنوتیپی را پیش‌بینی کردند و در تمام ۱۸ دستگاه بدن در مردان و ۱۷ مورد از ۱۸ دستگاه در زنان، بهبود پیش‌بینی ایجاد کردند، در حالی که دقت پیش‌بینی تشخیص‌های بالینی و مصرف دارو را نیز افزایش دادند.
این پیش‌نمایش محتوای اشتراکی است، از طریق نهاد خود دسترسی پیدا کنید
شکل ۱: یک مدل پایه تحلیل الگوی راه رفتن که بر روی بزرگسالان دارای فنوتیپ عمیق آموزش دیده است، عملکرد بسیار بهتری نسبت به ویژگی‌های مهندسی‌شده دارد.
منابع
Fritz, S. & Lusardi, M. White paper: “walking speed: the sixth vital sign”. J. Geriatr. Phys. Ther. 32, 46–49 (2009). یک سند سفید که مفهوم راه رفتن را به عنوان علامت حیاتی ششم تثبیت کرد و منجر به گسترش تحقیقات گسترده در زمینه ارزیابی الگوی راه رفتن شد.
Wren, T. A. L., Tucker, C. A., Rethlefsen, S. A., Gorton, G. E. & Õunpuu, S. Clinical efficacy of instrumented gait analysis: Systematic review 2020 update. Gait Posture 80, 274–279 (2020). این مرور سیستماتیک نشان داد که بیش از ۹۹ درصد از ۲,۷۰۰ مطالعه ابزار دقیق الگوی راه رفتن، تنها به سوالات فنی یا خاص شرایط پرداخته بودند.
Tan, T. et al. GaitDynamics: a generative foundation model for analyzing human walking and running. Nat. Biomed. Eng. 10, 1659–1671 (2026). مقاله‌ای که یک مدل پایه برای الگوی راه رفتن در محیط‌های بالینی توصیف می‌کند و بر تخمین بیومکانیکی تمرکز دارد.
Reicher, L. et al. Deep phenotyping of health-disease continuum in the Human Phenotype Project. Nat. Med. 31, 3191–3203 (2025). مقاله‌ای که گروه مطالعاتی HPP و پروتکل‌های پژوهشی مورد استفاده در مطالعه ما را توصیف می‌کند.
He, K. et al. Masked autoencoders are scalable vision learners. In Proc. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 15979–15988 (IEEE, 2022). این مقاله خودکدگذاری ماسک‌دار را به عنوان یک پارادایم یادگیری نظارت‌نشده تثبیت کرد که ما آن را برای استفاده با داده‌های حرکتی اسکلتی فضایی-زمانی سه‌بعدی تطبیق دادیم.
اطلاعات تکمیلی
یادداشت ناشر اشپرینگر نیچر در مورد ادعاهای قلمرویی در نقشه‌های منتشر شده و وابستگی‌های سازمانی بی‌طرف است.
این خلاصه مربوط به: Gabet, A. et al. A gait foundation model for prediction of multisystem health phenotypes from 3D skeletal motion. Nat. Med. https://doi.org/10.1038/s41591-026-04724-9 (2026).
استناد به این مقاله
تحلیل الگوی راه رفتن مبتنی بر یادگیری عمیق، فنوتیپ‌های سلامت چندسیستمی را پیش‌بینی می‌کند. Nat Med (2026). https://doi.org/10.1038/s41591-026-04725-8
انتشار: ۰۹ نوامبر ۲۰۲۶
نسخه رسمی: ۰۹ نوامبر ۲۰۲۶
DOI: https://doi.org/10.1038/s41591-026-04725-8