公開日: 2026 年 2 月 5 日
理学療法の実践には、エンゲージメントに関する根本的な問題があります。筋骨格系のケアにおいて最も効果的で処方される治療法の 1 つであるにもかかわらず、紹介された患者の 25 ～ 35% しか治療を開始せず、ケアを完了するのはわずか 30% です。
多くの人にとって、障壁は実用的なものです。待ち時間が長い、場所の制約がある、スケジュールの競合がある、自己負担費用が繰り返し発生するなどです。また、アクセシビリティの問題もあります。バーチャル ケアは一般的になってきましたが、技術的な適性の低い人にとっては難しい場合があります。
LainaHealth は、理学療法をより利用しやすく費用対効果の高いものにするために構築されたデジタル筋骨格（MSK）プラットフォームを使用する仮想理学療法プロバイダです。Google は、ライセンスを取得したセラピストと Live Artificial Intelligence Navigation Assistant（Laina）を組み合わせています。Laina は、認定理学療法士の指示の下、カスタムモデルをトレーニングしてウェブにデプロイすることでインテリジェントな自動化を実現します。このモデルは、リアルタイムの動作分析、パーソナライズされた運動の進行状況、会話によるサポートを提供します。
課題: すべてのユーザー向けのアプリ
受け入れられるソリューションは、幅広いユーザーに効果的に対応する必要があるため、デバイスに依存せず、スムーズで、アクセスしやすいものでなければなりませんでした。アプリのダウンロードを必要とせず、誰でもシームレスに利用できるプラットフォームの構築を目指しました。米国に拠点を置く企業として、また理学療法は医療サービスであるため、アプリケーションは医療グレードで HIPAA に準拠している必要がありました。
2020 年以前は、ほとんどのデジタル ソリューションで専用のハードウェアやアプリのインストールが必要で、患者にとって大きな負担となっていました。追加の外部デバイス（タブレットなど）に依存するプロトタイプを構築しましたが、配送の遅延、ネットワーク設定の課題、コストの増加などの問題が発生しました。これらの要因により、ソリューションの拡張はほぼ不可能でした。
ウェブでアプリケーションを構築すれば、患者のエンゲージメントとアウトカムが改善されると仮定しました。ダウンロードも技術的なセットアップもなければ、障壁は大幅に減ります。
このアプリは、特別なセンサーやハードウェアを使用せずに機械学習（ML）を使用し、リアルタイムの動作分析を提供する FDA クラス II のウェブアプリとして認定されます。プライバシーを確保するには、デバイス上の推論と安全なトークン化されたリンクが必要になることがわかりました。患者がどれだけ簡単にケアにアクセスできるか、患者のエンゲージメントがどれだけ高いか、治療コース（エピソード）あたりの費用がどれだけ低いかによって、成功を測定することにしました。
パーソナライズされた治療サポートのための ML
まず、PoseNet モデルを使用して概念実証を作成し、アイデアが実現可能かどうかを評価しました。初期の結果は有望でしたが、モデルの全体的な精度と速度はリリースするには十分ではありませんでした。次に、TensorFlow.js のポーズ検出 API である MoveNet モデルを試しました。速度と精度は向上しましたが、専用ハードウェア向けに設計されたモデルと同じ忠実度は実現できませんでした。
この問題を解決するため、Google と協力して MoveNet のサブクラスをファインチューニングし、筋骨格系のリハビリテーションに特化した最適化を行いました。このサブクラスモデルをトレーニングするために、何時間もの臨床動作データを記録してアノテーションを付けました。その結果、MoveNet の機能が拡張され、関節の位置だけでなく、より多くの動作を認識できるようになりました。MoveNet は、筋骨格系の治療に不可欠な動作パターンと補正を認識しました。
HIPAA 準拠と患者のプライバシーを確保するため、ブラウザで推論を実行するモデルが必要でした。これにより、診断や治療中の病状などの保護医療情報が、サードパーティ モデルや外部プロバイダと共有されることはありません。
これで、TensorFlow.js のカスタムモデルを変換できました。最後に、デバイス全体でリアルタイムの推論速度と最小限の読み込み時間を維持することに重点を置いた、他のパフォーマンス最適化タスクをいくつか実装しました。
2021 年に初めてデプロイした結果、このコンセプトは実現可能であることが証明されましたが、このアプリケーションはデバイスに依存していました。処理には特定の Apple デバイスが依然として必要でした。モデルは大幅に改善されましたが、特定の体の位置、足首のトラッキング、3D 空間での体の回転については、まだ課題が残っていました。
ユーザーを対象にテストを行ったところ、モーションの歪みや遅延に気づくと、患者の体験に対する信頼度が低下することがわかりました。動画の出力が 1 秒あたり 20 フレームを下回ると、ユーザーはこれに気づき始めました。
これらの問題に対処するため、モデルの全体的な負荷を軽減し、連携して動作する複数の小さなモデルを導入しました。各小規模モデルは、特定の身体領域と向きに合わせて調整されました。2023 年末までに、専用のセンサーを使用せずに、動作の速度と可動域を測定できる、デバイスに近い精度を実現したブラウザベースのモデルを開発しました。それ以来、単一の安全なウェブリンクを通じて医療グレードの動作分析を提供できるようになりました。
医療グレードの理学療法をオンラインで提供しています。セットアップやダウンロードは不要です。
エンゲージメントの拡大とコストの削減
LainaHealth とポーズ推定システムをウェブに移行することで、45 州でバーチャル理学療法を拡大し、患者エンゲージメントを改善し、費用を削減しました。
74 %
患者の費用の削減
2 x
患者の登録率と完了率
4 x
理学療法への参加
- 従来の理学療法と比較して、患者登録数が 2 倍、完了率が 2 倍、エンゲージメントが 4 倍に増加しました。
- 1 回の完了したエピソードあたりの平均訪問数は 34 回で、標準的な対面ケアの 8 回と比較して多い。
- 効率とスケーラビリティの向上により、エピソードあたりの費用を 74% 削減。
- ウェブ AI で追跡された客観的な遵守と機能改善による、検証済みの臨床結果。
また、LainaHealth のウェブアプリは 12 歳から 99 歳までの患者を対象としており、Google のウェブ AI を活用したアプローチが、さまざまな人口構成や技術スキルに対応できることを示しています。
結論と推奨事項
理学療法は、時間、距離、費用が原因で患者がセッションに参加できないという、実用的なアクセシビリティの問題に長年直面してきました。ウェブ AI と認可された理学療法士を組み合わせることで、これらの障壁を大幅に軽減し、自宅で快適に回復できるようになりました。
Google は、患者が望む生活に戻れるよう、アクセスしやすく、費用が安く、回復が早いモデルとアプリケーションを設計しました。インテリジェントなブラウザベースの AI は、人間のケアに取って代わるものではなく、それを強化し、筋骨格の健康に対するよりパーソナライズされた、スケーラブルで効果的なアプローチを可能にすることが示されています。