Joint Torque-based Sarcopenia Assessment in Activities of Daily Living Using a Data-driven Simulation Framework

Abstract

Sarcopenia is a progressive muscle disease affecting a significant portion of the elderly population, yet conventional diagnostic methods primarily rely on indirect or subjective assessments. It is associated with increased risks of falls, disability, hospitalization, and mortality, making early and accurate diagnosis critical for preserving mobility and independence for older adults. While joint torque analysis offers a direct evaluation of muscle strength and function, traditional musculoskeletal simulations are limited by an expensive, laboratory-based, and expert-reliant methodology. Therefore, we introduce Motion-AI Integrated Surveillance for the Elderly (MAISE), a novel framework that estimates joint torque during daily activities for direct evaluation of muscle strength and function. First, a reinforcement learning method for scaling automated musculoskeletal models was introduced. This approach significantly improved model personalization and effectively reduced modeling error, surpassing existing optimization tools. Second, a method for estimating ground reaction force using only motion data was developed, incorporating a novel Center of Pressure (CoP) Limiter that embeds spatial information. CoP Limiter enables the accurate prediction of ground reaction forces without the need for expensive force plates. Third, the applicability of MAISE was demonstrated in a study of twenty-eight elderly participants, including Sarcopenia patients. Strong correlations were identified between joint torque metrics (peak torque, rate of torque development, and power range) and conventional Sarcopenia indicators. Additionally, significant differences in torque metrics were observed between Sarcopenia and healthy groups. These findings demonstrate dynamic joint torque analysis as a sensitive and objective method for diagnosing and monitoring Sarcopenia. Therefore, the proposed data-driven simulation pipeline advances the accuracy and accessibility of daily-life joint torque estimation, demonstrating its feasibility as a practical digital biomarker.|근감소증은 노인 인구의 대부분에 영향을 미치는 진행성 근육 질환이지만, 기존의 진단 방식은 주로 간접적이거나 주관적인 평가에 의존한다. 이는 낙상, 장애, 입원 및 사망 위험 증가와 연관되어 노인의 이동성과 자립성 유지를 위해 정확한 조기 진단이 중요하다. 관절 토크 분석은 근력과 기능을 직접적으로 평가할 수 있지만, 이를 추정하기 위한 전통적인 근골격 시뮬레이션은 고비용의 실험실 기반이며 전문가 의존성이라는 한계를 지닌다. 이에, 본 연구에서는 일상 활동 중 관절 토크를 추정하여 근력과 기능을 직접 평가하는 새로운 프레임워크인 노인을 위한 동작-인공지능 통합 감시 시스템(MAISE)을 제안한다. 첫째, 자동화된 근골격 모델의 스케일링을 위한 강화 학습 방법을 도입했다. 이 접근법은 기존 최적화 도구를 능가하며 모델 개인화를 위한 모델링 오류를 효과적으로 감소시켰다. 둘째, 동작 데이터만을 사용하여 지면반력을 추정하는 방법을 개발했다. 이는 공간 정보를 포함하는 새로운 압력 중심 제한기를 통합하여 고가의 힘판 없이도 정확한 지면반력 예측이 가능함을 보였다. 셋째, 프레임워크의 적용 가능성을 입증하기 위해 근감소증 환자를 포함한 28명의 노인 참여자를 대상으로 연구를 수행했다. 관절 토크 지표(최대 토크, 토크 발생 속도, 파워 범위)와 기존 근감소증 지표 간에 높은 상관관계가 확인되었고, 근감소증 그룹과 건강 그룹 간 토크 지표에서 유의미한 차이가 관찰되었다. 이러한 결과는 동적 관절 토크 분석이 근감소증을 진단하고 모니터링하는 민감하고 객관적인 방법임을 보여준다. 결론적으로, 본 논문에서 제안한 데이터 기반 시뮬레이션 파이프라인은 일상생활에서의 관절 토크 추정의 정확성과 접근성을 개선하여, 관절 토크를 일상적 디지털 바이오마커로 확장할 수 있는 실질적 가능성을 제시한다.