基于3D骨骼运动预测多系统健康表型的步态基础模型

步态日益被视为一种生命体征，但当前方法将其视为特定病理的症状，而非系统性生物标志物。在此，我们开发了一个用于三维骨骼运动的步态基础模型，该模型通过单深度相机在5项运动任务中记录，来自3,328名深度表型化的成年人。我们的目的是捕捉一个人运动的完整模式，并利用它来预测18个身体系统的健康表型，如握力和睡眠质量。步态通常由工程化特征（例如，计算出的步频和步幅等测量值）来描述，这些特征可能无法捕捉一个人如何运动的精细细节。我们的模型则将运动转化为学习到的嵌入：一组描述所有身体关节随时间如何共同运动的数字。学习到的嵌入在预测年龄（Pearson's r = 0.69）、体重指数（r = 0.91）和内脏脂肪组织面积（r = 0.83）方面优于工程化特征，并且嵌入显著预测了3,210个测试表型中的1,887个。相对于仅使用年龄、体重指数、内脏脂肪组织和身高的基线模型，步态嵌入改善了男性所有18个系统和女性18个系统中17个系统的预测，以及临床诊断和药物使用的预测。解剖消融分析显示，腿部动力学主导了代谢和衰弱预测，而躯干动力学编码了睡眠和生活方式表型。这些发现确立了步态作为一种独立的多系统生物信号，推动将步态分析作为可扩展的被动生命体征整合到常规临床评估中。

中文由 AI 翻译，仅供参考，以原文为准。