一种从3D骨架运动预测多系统健康表型的步态基础模型
人工智能
2026-03-27 v1 定量方法
摘要
步态日益被认识为一个重要生命体征，但现有方法将其视为特定病症的症状，而非系统性生物标志物。我们开发了一个用于3D骨架运动的步态基础模型，基于3414名深度表型成年人的数据构建，数据通过深度相机在五个运动任务中记录。在学习的嵌入表示中，步态优于工程特征，预测年龄（Pearson r = 0.69）、BMI（r = 0.90）和腹臀脂肪面积（r = 0.82）。嵌入显著预测了3210个表型目标中的1980个；在调整年龄、BMI、VAT和身高后，步态在男性中对所有18个身体系统提供独立增益，在女性中对17个身体系统提供增益，并改进了临床诊断和药物使用的预测。解剖消失实验表明，腿部主导代谢和衰弱预测，而躯干编码睡眠和生活方式表型。这些发现确立了步态作为独立的多系统生物信号，推动了向消费级视频的翻译及其作为可扩展、被动生命体征的集成。
引用
@article{arxiv.2603.25283,
title = {A Gait Foundation Model Predicts Multi-System Health Phenotypes from 3D Skeletal Motion},
author = {Adam Gabet and Sarah Kohn and Guy Lutsker and Shira Gelman and Anastasia Godneva and Gil Sasson and Arad Zulti and David Krongauz and Rotem Shaulitch and Assaf Rotem and Ohad Doron and Yuval Brodsky and Adina Weinberger and Eran Segal},
journal= {arXiv preprint arXiv:2603.25283},
year = {2026}
}
备注
Preprint. Under review