スマートフォンのカメラで自分の姿勢を撮影するだけで、腰痛の原因を分析し、最適なセルフケアを提案してくれる――そんな時代がすでに始まっています。AI技術の進化により、かつては専門家の目や高額な計測機器がなければ分からなかった「姿勢のクセ」が、誰でも手軽に可視化できるようになりました。

腰痛は日本人の有訴率第1位の症状であり、特に立ち仕事や製造業の現場では慢性的な課題です。本記事では、AIによる腰痛セルフケア技術の仕組みと、職場の労働安全衛生における活用可能性を解説します。

この記事でわかること

  • AI姿勢解析（ポーズ推定）技術の基本的な仕組み
  • NEC×東京医科歯科大学が開発した腰痛セルフケアAIの特徴
  • AI姿勢解析が職場の腰痛予防に活用される可能性と課題

AI姿勢解析（ポーズ推定）とは何か

従来の姿勢評価との違い

これまで、姿勢や動作を正確に分析するには、モーションキャプチャシステムや三次元動作解析装置といった大型の専門機器が必要でした。数百万円規模の設備投資に加え、マーカーの装着や専門家による操作が求められるため、日常的な健康管理に使うことは現実的ではありませんでした。

AI姿勢解析（Pose Estimation：ポーズ推定）は、この状況を大きく変えた技術です。カメラで撮影した画像や動画から、AIが人の関節位置を自動的に検出し、骨格の状態を推定します。Googleが公開したMoveNetやMediaPipe Poseなどのモデルにより、スマートフォン1台で高精度な姿勢分析が可能になっています。

ポーズ推定の基本原理

ポーズ推定技術は、ディープラーニング（深層学習）を用いて、画像中の人物から17〜33箇所の関節キーポイントを検出します。検出された関節の位置関係から、以下のような情報を算出できます。

  • 関節角度: 膝や腰の曲がり具合
  • 体軸の傾き: 左右・前後のバランス
  • 重心の位置: 体重がどこに集中しているか
  • 動作パターン: 時系列での姿勢変化

この技術はもともとスポーツ科学やゲーム開発の分野で発展してきましたが、近年は医療・リハビリテーション・産業保健など、幅広い領域で応用が進んでいます。

NEC×東京医科歯科大学の腰痛セルフケアAI

開発の背景と技術的特徴

NECと東京医科歯科大学は、慢性腰痛の原因をAIで推定し、個人に最適な運動プログラムを自動提案する技術を共同開発しました。この技術は2025年6月に日本テレビの情報番組でも取り上げられ、広く注目を集めました。

このシステムの技術的特徴は、以下の5つのステップで構成されています。

ステップ1: 骨格の読み取り スマートフォンのカメラで撮影した映像から、AIが骨格を検出します。NECの独自技術により、撮影角度や明るさの違いにも対応し、背骨・骨盤の微細な動きまで精密に再現できます。

ステップ2: 運動学的指標の自動評価 骨盤の前後傾、腰椎の湾曲度、左右のバランスなど、理学療法士が観察するような運動学的指標（Kinematic Parameters）をAIが自動で評価します。

ステップ3: 原因の論理的推定 SATソルバと呼ばれるアルゴリズムを活用し、「なぜ腰に負担が集中しているのか」を複合的な要因から推定します。関節の動き、骨の角度、筋肉の柔軟性など数百〜数千のルールに基づく分析により、「もも裏の硬さが原因で骨盤が傾き、腰に負担が集中している可能性がある」といった具体的な原因を特定します。

ステップ4: 個別最適化された運動プログラムの提案 推定された原因に基づき、一人ひとりに合った運動を動画で提案します。画一的なストレッチではなく、その人の身体特性に応じたプログラムが自動生成される点が特徴です。

ステップ5: 継続的なモニタリング 定期的に測定を繰り返すことで、姿勢の変化や改善の進捗を追跡できます。

従来のセルフケアとの違い

従来の腰痛セルフケアは、「腰が痛い人にはこのストレッチ」といった画一的なアプローチが中心でした。しかし、腰痛の原因は人によって大きく異なります。骨盤の傾き、ハムストリングスの柔軟性、体幹筋力のバランスなど、複数の要因が絡み合って痛みが生じています。

AI技術の活用により、「あなたの腰痛の原因はここにある」「だからこの運動が最適」という個別化されたアプローチが可能になりました。これは、理学療法士による個別評価に近い精度をデジタルで実現するものといえます。

職場での活用可能性

産業保健分野での応用

AI姿勢解析技術は、個人のセルフケアにとどまらず、職場の労働安全衛生にも大きな可能性を秘めています。

作業姿勢の定量的評価: 従来、作業姿勢の評価にはOWAS法やREBA法などの観察的手法が用いられてきましたが、評価者による判定のばらつきが課題でした。AI姿勢解析を導入すれば、客観的かつ連続的な姿勢モニタリングが可能になります。

腰痛リスクの早期発見: 定期的な姿勢スクリーニングにより、腰痛が発症する前にリスクの高い労働者を特定し、予防的な介入を行うことが期待されます。

作業環境の最適化: 作業台の高さ、工具の配置、作業手順の見直しなど、姿勢データに基づいた科学的な環境改善が可能になります。

導入における課題

一方で、職場導入にはいくつかの課題も存在します。

プライバシーの問題: 従業員の身体データを継続的に収集・分析することへの同意取得やデータ管理の問題があります。個人の健康情報は要配慮個人情報に該当するため、適切な取り扱いが求められます。

精度の限界: 現時点のポーズ推定技術は、衣服の影響や遮蔽物がある場合に精度が低下することがあります。作業着やヘルメットを着用した状態での精度検証が、産業現場での実用化には不可欠です。

運用体制の構築: テクノロジーを導入するだけでは不十分であり、結果を解釈し適切な対策につなげる産業保健スタッフの関与が必要です。

今後の展望

AI姿勢解析技術は急速に進化しており、今後数年でさらに精度が向上し、コストも低下すると予想されます。ウェアラブルセンサーとの連携や、リアルタイムフィードバック機能の実装により、「作業中に姿勢が崩れたらアラートが鳴る」といった予防システムの実現も視野に入っています。

厚生労働省の「職場における腰痛予防対策指針」でも、作業姿勢の適正化が重要な柱として位置づけられています。AI技術の活用により、腰痛予防がより科学的・個別的なものになっていくことが期待されます。

まとめ

AI姿勢解析（ポーズ推定）技術は、腰痛セルフケアの形を大きく変えつつあります。スマートフォン1台で理学療法士に匹敵する姿勢分析が可能になり、個人に最適化された運動プログラムの提案まで自動化されています。職場の産業保健分野でも、作業姿勢の定量的評価や腰痛リスクの早期発見など、多くの活用可能性が広がっています。テクノロジーの進化と適切な運用体制の構築により、「腰痛は仕方ない」という時代から「腰痛は予防できる」時代への転換が加速していくでしょう。

参考文献

  1. 日本経済新聞, 「NEC、慢性腰痛の原因をAIで推定 最適な運動も提案」, 2024年（NEC・東京医科歯科大学 共同発表）. https://www.nikkei.com/
  2. Google, "Next-Generation Pose Detection with MoveNet and TensorFlow.js," TensorFlow Blog, 2021. https://blog.tensorflow.org/2021/05/next-generation-pose-detection-with-movenet-and-tensorflowjs.html
  3. 厚生労働省, 「職場における腰痛予防対策指針」（基発0618第1号, 平成25年6月18日）, 2013年改訂. https://www.mhlw.go.jp/stf/houdou/2r98520000034et4.html
  4. Bazarevsky, V., Grishchenko, I., Raveendran, K., Zhu, T., Zhang, F., Grundmann, M., "BlazePose: On-device Real-time Body Pose tracking," arXiv:2006.10204, 2020. https://arxiv.org/abs/2006.10204
  5. 日本整形外科学会・日本腰痛学会 監修, 『腰痛診療ガイドライン 2019（改訂第 2 版）』, 南江堂, 2019年. ISBN: 978-4524226009.