📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

المشية ليست مجرد وسيلة للانتقال من النقطة أ إلى النقطة ب. كل خطوة، وكل تأرجح للذراع، وكل ميل للجذع — هي بمثابة توقيع يتركه الجسم في الفضاء. في السابق، لاحظ الأطباء أن المرض يغيّر المشية، لكنهم اعتبروا ذلك مجرد عرض لمشكلة محددة: إذا عرجت، فمعناه أن ساقك تؤلمك. الآن اتضح أن المشية هي كتاب كامل عن الصحة، ويمكن قراءته باستخدام كاميرا عادية.

في الدراسة الجديدة، مشى 3414 شخصًا بالغًا أمام الكاميرا وأدوا خمس مهام بسيطة: المشي العادي، والالتفاف، والنهوض من الكرسي. حوّل برنامج حاسوبي حركاتهم إلى هيكل عظمي ثلاثي الأبعاد — كما في الأفلام حيث تُوضع أجهزة استشعار على الممثل، لكن دون أجهزة استشعار. وبناءً على هذا الهيكل، تعلّم البرنامج التنبؤ بالعمر بدقة تصل إلى بضع سنوات، وحتى كمية الدهون الداخلية التي لا تُرى من الخارج وتتراكم حول الأعضاء. الدهون الداخلية أخطر من الدهون تحت الجلد، وعادةً ما تُقاس بأجهزة معقدة — لكن هنا يكفي أن تمشي فقط.

الأكثر إثارة للاهتمام هو كيف تُبنى المشية. اتضح أن الساقين تخبران أكثر ما تخبران عن الأيض (Metabolism) — أي عن كيفية معالجة الجسم للطاقة. أما الجذع والكتفان فيكشفان عن العادات: كم ينام الشخص، ومدى نشاطه خلال اليوم. أي أن المشية ليست إشارة واحدة، بل أوركسترا كاملة، حيث يعزف كل جزء من الجسم دوره الخاص. ومن خلال هذه النوتة الموسيقية يمكن قراءة أكثر بكثير مما كان يُعتقد سابقًا.

في المستقبل، يمكن تشغيل مثل هذه النماذج على الكاميرات العادية للهواتف الذكية. عندها ستصبح المشية مؤشرًا صحيًا غير ملحوظ لكنه دائم: كل يوم، دون أطباء أو أجهزة، فقط عبر فيديو من الممر أو من نزهة. هذا ليس بديلاً عن الطبيب، بل هو مساعد ذكي يلاحظ التغيرات قبل ظهور الشكاوى.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2603.25283

Gait is increasingly recognized as a vital sign, yet current approaches treat it as a symptom of specific pathologies rather than a systemic biomarker. We developed a gait foundation model for 3D skeletal motion from 3,414 deeply phenotyped adults, recorded via a depth camera during five motor tasks. Learned embeddings outperformed engineered features, predicting age (Pearson r = 0.69), BMI (r = 0.90), and visceral adipose tissue area (r = 0.82). Embeddings significantly predicted 1,980 of 3,210 phenotypic targets; after adjustment for age, BMI, VAT, and height, gait provided independent gains in all 18 body systems in males and 17 of 18 in females, and improved prediction of clinical diagnoses and medication use. Anatomical ablation revealed that legs dominated metabolic and frailty predictions while torso encoded sleep and lifestyle phenotypes. These findings establish gait as an independent multi-system biosignal, motivating translation to consumer-grade video and its integration as a scalable, passive vital sign.