ソーシャルロボットによる身体的フレイルと転倒リスク指標の評価：高齢者を対象とした実地評価

高齢者のfrailty評価とfall-risk指標をsocial robotで実施する枠組み。Behaviour Treeでperception・decision-making・interaction・measurementを統合し、vision-based skeleton trackingでSPPBやTUGを評価。臨床スコアに加えfrailty関連指標も取得する。

従来のfrailty評価はresource-intensiveで、task completion timesなど粗い臨床アウトカムに依存しbiomechanical indicatorsを見落としがち。本枠組みはrobotが標準化テストを案内しつつ臨床スコアと追加指標を同時収集し、より深い状態把握を可能にする点が新しい。

Behaviour Tree architectureでperception・decision-making・interaction・measurement modulesを調整。vision-based skeleton trackingによりSPPBやTUGなどの確立されたclinical testsを評価。healthcare professionalsとco-designし、robot由来測定をtherapist評価やgait analysis walkway、IMUと比較。

rehabilitation centreのresearch labで6ヶ月間、N=81のolder adultsを対象にin situ評価。robot由来測定をtherapist assessmentsおよびclinical reference instruments（gait analysis walkway、IMU）と比較。多くのtest completion timesとgait-related parametersでICC>0.9、SPPB総合スコアでrobot vs therapist k=0.67、robot vs IMU k=0.55。

social robotsがhealthcare settingsで信頼性・客観性のあるfrailty assessmentsを提供し、従来のアウトカムを超えたmobility indicatorsを収集可能と示唆。ただし要旨からは限界や議論の詳細は不明。

要旨で参照/比較されている研究として、SPPB、TUG、gait analysis walkway、IMUを用いたfrailty・fall-risk評価。関連手法としてBehaviour Tree architecture、vision-based skeleton tracking、social robots in healthcare。