動きは計測できた。でも、それで終わりではありません。2026年7月の2本の論文は、計測のあとに何が起きるのか——検証済みの運動学から、モデル化された傷害リスクの数値まで——をたどり、各ステップで誤差がどう積み重なるかを見ていきます。一方は普及したマーカーレスシステムの精度がどこで成り立ち、どこで成り立たないかを整理し、もう一方は研究室グレードの計測の上に生体力学的シミュレーションと機械学習モデルを重ねて、推定された靭帯負荷へ辿り着きます。合わせて読むと論点は1つ——動きを正確に計測することは必要だが十分ではなく、積み重ねる推論の層それぞれが、それ自体の不確実性を伴います。
目次
計測し、そしてモデル化する
どちらの論文も、モーションキャプチャそのものを最終成果とは扱っていません。計測が測るのは位置——関節がどこにあるか、です。しかし精度は動作次第で、歩行とジャンプは別物です。そして「リスク」の数値には、運動学の上にさらにモデルを重ねる必要があります。この枠組みが両論文の背骨です。まず計測し、そしてモデル化する——臨床的に有用な数値が実際に生まれるのは、そのモデル化のところです。
論文01 — マーカーレス計測が成り立つ場面（OpenCap）
1本目は、OpenCap検証のスコーピングレビューです——51件を統合、うち23件が直接検証。新たな検証1件を報告するのではなく証拠を統合するため、その描く精度像は意図的に不均一です。矢状面・下肢・定常的な課題である歩行やスクワットでは良好な結果が得られる一方、ジャンプ・上肢・複数平面にまたがる動作では誤差がより大きく、ばらつきも大きくなります。そして根拠となる証拠の大半は、いまなお臨床集団や小児ではなく健常な成人から得られたもの——どこまで信頼できるかの明確な限界です。
この不均一さが、次の論文にとって重要な意味を持ちます。バドミントンのランジは定常でも純粋な矢状面でもない——まさにマーカーレスの精度が最も弱い領域です——ので、OpenCapのようなシステムがそれを自信を持って捉えられたかは、このレビュー単独では答えられない開かれた問いです。おそらくそれが、2本目が研究室グレードのマーカー式計測を用いた理由でしょう。カメラベースの計測がどこまで成り立つかは、カメラによる動作評価はどこまで信頼できるかもご覧ください。
論文02 — バドミントンのランジからACL負荷へ
2本目は、前のレビューが比較の基準として用いていたのと、まさに同じゴールドスタンダードの入力から出発します。すなわち、床反力計と筋電図（EMG）を組み合わせたマーカー式モーションキャプチャ、対象は237名のアマチュア・バドミントン選手。それでもなお、前十字靭帯（ACL）にかかる負荷を直接計測することはできません。代わりに、運動学を筋骨格シミュレーション（OpenSim）に通してモデル推定の負荷を算出し、その推定値に複数の機械学習モデルを当てはめます——XGBoostが分散の約91%を説明（R²約0.91）し、最大の寄与要因として膝屈曲の不足、大腿四頭筋優位の筋バランス（H/Q比）、足部の位置を指摘しました。
ここでは注意点が効いてきます。結果変数そのものが、直接計測された力ではなくシミュレーションの出力です——つまりモデルがモデルを予測しています。さらに選手が行ったのは単独のランジであって試合中の動作ではないため、これらのリスク要因が実際の試合や、より高いレベルの選手にそのまま当てはまるかは、ここでは検証されていません。
どの層にも、それぞれの誤差がある
2本を通じて、精度とは機器に付随する単一の数値ではありません。それは、計測対象の動作、その動作が起きる平面、そして最終的な出力が直接捉えた運動学的な値なのかその上に構築されたシミュレーションによる生体力学量なのか——という各ステップで変わっていきます。検証済みの計測システムにも動作次第の死角があり、ゴールドスタンダードの計測でさえ「ACL負荷」に至るにはシミュレーションが要る。そして推論の層を重ねるたびに、不確実性は解消されるのではなく積み重なります。
この積み重ねは、どちらか一方の研究に固有の欠陥ではありません——生の動きから臨床的に意味のあるリスク推定へ辿り着こうとする、どのシステムにとってもほぼ避けがたいものかもしれません。しかしそれは同時に、ある層で報告された精度の数値を、その上に築かれた層の精度としてそのまま読むべきではないことを意味します。この話が位置づく手法の全体像は、3Dマーカーレスモーションキャプチャの3手法もあわせてどうぞ。
よくある質問
OpenCapのマーカーレス計測はどのくらい正確ですか？
動作に大きく依存します。51件のスコーピングレビューでは、OpenCapは矢状面・下肢・定常的な課題（歩行・スクワット）で基準システムとよく一致する一方、ジャンプ・上肢・複数平面の動作では誤差が大きくばらつきます。検証の多くは健常成人が対象のため、臨床や小児での利用は確実性が下がります。
モーションキャプチャでACL負荷を直接測れますか？
測れません。床反力計と筋電図を備えたゴールドスタンダードのマーカー式計測でも、靭帯の負荷を直接測ることはできません。運動学を筋骨格シミュレーションに通して推定するしかなく、したがって「ACL負荷」の値は計測された力ではなくモデル化された量です。
バドミントンのランジでACL負荷を高める要因は？
この研究でモデル推定の負荷に最も寄与したのは、膝屈曲の不足、大腿四頭筋優位の筋バランス（H/Q比）、足部の位置でした。ただしこれは単独のランジから得られたもので、試合中の動作や高いレベルの選手にそのまま当てはまるかは確立されていません。
参考文献
[1] Zhang, X., Mao, D., Shang, H., Ma, L., Jia, J., Yu, J., & Zhang, M. (2026). Validations and applications of markerless motion capture using OpenCap: a scoping review. Frontiers in Digital Health.
[2] Fang, M., Zhu, Y., Wang, G., Ma, Q., Yin, Y., Zhang, Y., & Chen, S. (2026). Machine learning prediction of ACL loading during the wide lunge. Frontiers in Bioengineering and Biotechnology.
福島 崇（Takashi Fukushima） — Sports Science & Pose Estimation.
▶ YouTubeで登録 · ウェブサイト · ORCID · お問い合わせ