近年、ArduinoやPythonを用いた低コストなセンサーデバイスが、リハビリテーション分野に静かな革新をもたらしています。圧力・フレックス・IMU（慣性計測ユニット）・筋電（EMG）といった各種センサーを組み合わせ、患者の運動状態をリアルタイムに定量評価するシステムは、上肢訓練・下肢訓練・歩行訓練・姿勢訓練のすべてで有用です。

従来、こうした定量評価は数百万円規模の商用モーションキャプチャや専用医療機器に頼らざるを得ませんでした。しかし、1個数百円のセンサーとArduino、そして無料で使えるPythonのライブラリ群を組み合わせることで、在宅リハビリの現場や地域のクリニックでも「見える化」されたフィードバック訓練が実現できます。

本記事では、実際のハードウェア設計、具体的なArduinoおよびPythonのコード例、データの解析手法、臨床評価の考え方に加えて、近年急速に実用化が進む生成AI・エッジAIをこの分野でどう活用すべきか、そしてAIに任せてよい作業と、人間（開発者・療法士）が必ず自分の手で行うべき作業の境界線を、実務的な視点から徹底的に掘り下げます。

上肢リハビリ機能訓練への応用

センサーの活用とデバイス設計

上肢リハビリでは、フレックスセンサーを指や肘に貼付し、曲げ角度を計測します。加えて、IMUにより腕全体の動作を、筋電（EMG）センサーで筋活動を取得することで、運動の質を多角的に定量化できます。たとえば手指の屈曲を検出するグローブ型デバイスでは、複数のフレックスセンサーを縫い込み、各指の角度をリアルタイムにArduinoで取得します。

センサー選定の際は、Arduino公式のハードウェアドキュメントでアナログ入力のリファレンス電圧や分解能（多くのUNO系ボードは10bit＝0〜1023）を確認しておくと、後工程のキャリブレーションで手戻りが減ります。

Arduinoコード例

// 上肢リハビリデバイス: フレックス＆EMGセンサー読み取り例
const int FLEX_PIN = A0;    // 肘の曲げ角度測定用
const int EMG_PIN  = A1;    // 筋活動測定用
void setup() {
  Serial.begin(115200);
}
void loop() {
  int flexVal = analogRead(FLEX_PIN);
  int emgVal  = analogRead(EMG_PIN);
  Serial.print(flexVal);
  Serial.print(",");
  Serial.println(emgVal);
  delay(10);  // 約100Hzサンプリング
}

Pythonによるデータ解析

Arduinoからシリアルで送られるデータは、pySerialで受信し、MatplotlibによるリアルタイムプロットやCSV保存が可能です。これにより、運動パターンの改善傾向や瞬間的なピーク値を解析でき、セラピストと患者がデータに基づく客観的なフィードバックを共有できます。

圧センサーを用いた視覚的・聴覚的フィードバック訓練

圧センサーの信号の変化は、アイデア次第で様々なフィードバック方法に置き換えることが可能です。例えば、ペットボトルに圧センサーを貼付して握ると画面上のグラフがリアルタイムに変化する、靴に圧センサーを貼付して荷重がかかると音が鳴る、といった練習に応用できます。

Arduinoコード例

// センサーが接続されるアナログ入力ピンを定義
const int sensorPin = A0;
void setup() {
  // シリアル通信を9600bpsで開始
  Serial.begin(9600);
}
void loop() {
  // センサーからの値（0〜1023）を読み取る
  int sensorValue = analogRead(sensorPin);
  // 読み取った値をシリアルモニターに送信（改行付き）
  Serial.println(sensorValue);
  // 100ミリ秒待つ（サンプリング間隔）
  delay(100);
}

Arduinoコードの解説表

実際に患者へ使用した視覚的フィードバックのPythonコード

import serial
import numpy as np
import matplotlib.pyplot as plt
import pygame
from pygame.locals import *
import sys
# シリアルポートの設定
SerPort = serial.Serial(
    port="COM3",
    baudrate=9600
)
# matplotlibの図を作成
fig = plt.figure(figsize=(10.0, 6.0), dpi=100,
                 facecolor='cornflowerblue', linewidth=10, edgecolor='cornflowerblue')
mng = plt.get_current_fig_manager()
mng.window.state('zoomed')
mng.resize(2000, 900)
ax1 = fig.add_subplot(1, 1, 1)
plt.tight_layout()
plt.rcParams["figure.constrained_layout.use"] = True
def handle_close(evt):
    evt.canvas.figure.axes[0].has_been_closed = True
    fig.close_flg = True
fig.close_flg = False
fig.canvas.mpl_connect("close_event", handle_close)
while True:
    plt.cla()
    plt.xlim(0, 100)
    plt.ylim(0, 1000)
    plt.title('Grasp')
    plt.grid()
    data = SerPort.read_until(size=100).decode("ascii")
    if float(data) > 800:
        ax1.bar('Power', float(data), width=200, color="red")
    else:
        ax1.bar('Power', float(data), width=200, color="blue")
    plt.pause(0.01)
    if fig.close_flg:
        break
SerPort.close()

歩行訓練への応用

ウェアラブル歩行解析システム

歩行リハビリでは、インソール型足圧センサー（FSR）とIMUを組み合わせ、歩行周期や左右対称性、接地タイミングを解析します。FSRで足底の接地（ヒールストライク）を検出し、IMUで歩幅や重心の動きを解析することで、歩行リズムの改善や対称性の向上を促します。

Arduinoによる接地検出コード例

// 歩行訓練: 足底FSRによる接地検出例
const int FSR_PIN = A0;
const int THRESHOLD = 50;
bool footOnGround = false;
void setup() {
  Serial.begin(115200);
}
void loop() {
  int fsrValue = analogRead(FSR_PIN);
  if (fsrValue > THRESHOLD && !footOnGround) {
    footOnGround = true;
    Serial.println("HEEL_STRIKE");
  }
  if (fsrValue < THRESHOLD) {
    footOnGround = false;
  }
}

この仕組みを用い、歩行中のステップタイミングに合わせたリズム刺激（音やバイブレーション）を出すことで、患者の歩行パターンを補正するシステムが考案されています。近年はウェアラブルセンサーによる歩行解析のシステマティックレビューでも、IMUとFSRを組み合わせたマルチモーダル計測の有効性が繰り返し報告されています。

姿勢訓練への応用

姿勢検知とフィードバック

良好な姿勢は、身体全体の健康に直結します。フレックスセンサーやIMUを用いて背骨の曲率や前傾角度を計測し、姿勢が悪くなった場合にバイブレーションモーターやLEDでフィードバックを行うことで、患者に自動的に姿勢改善を促すデバイスが実現できます。

Arduinoによる姿勢アラートコード例

// 姿勢矯正デバイス: フレックスセンサーと振動モーター
const int FLEX_PIN = A0;
const int VIB_PIN  = 9;
const int BEND_THRESHOLD = 300;
void setup() {
  pinMode(VIB_PIN, OUTPUT);
}
void loop() {
  int sensor = analogRead(FLEX_PIN);
  if (sensor > BEND_THRESHOLD) {
    digitalWrite(VIB_PIN, HIGH);  // 姿勢が悪いと振動アラート
  } else {
    digitalWrite(VIB_PIN, LOW);
  }
  delay(100);
}

複数のIMUを背中に配置して各椎間の角度をリアルタイムに解析し、より精密な姿勢評価と個別のフィードバックが可能になる手法も検討されています。これにより、猫背や側弯症の改善プログラムに直結するデータが取得でき、臨床評価の精度向上に寄与します。

AIが手伝える部分／人間が自ら行うべき部分

ここまで紹介したデバイスは、ChatGPTやClaudeのような生成AI、あるいはGitHub Copilotのようなコーディング支援AIをうまく取り入れることで、開発スピードを大きく高めることができます。しかし「AIに全部任せれば良い」わけでは決してありません。特に医療・リハビリという人の身体に関わる領域では、AIの提案をそのまま実装に持ち込むことのリスクを正しく理解しておく必要があります。以下に、実務での役割分担を整理します。

臨床試験と効果検証の方法論

各種デバイスの有効性を検証するには、以下の評価方法が有効です。

• 定量評価：上肢ならFugl-Meyer Assessment、下肢・歩行なら10m歩行テスト、姿勢なら姿勢評価スケールとの相関を解析。
• 再現性の検証：同一条件下での測定の安定性、異なるセラピスト間での一貫性の評価。
• 比較試験：センサー装置を用いた群と従来のリハビリ群とのRCT（無作為化比較試験）やシングルケースデザインによる効果比較。

また、各センサーの出力（角度、荷重、筋電位など）を商用計測機器と比較し、RMSEや相関係数を算出することで信頼性を検証します。査読付き論文としては、転倒検知ウェアラブルセンサーに関するレビュー論文のように、10年単位の研究動向を俯瞰したレビューを参照すると、評価指標の設計に役立ちます。

今後の展望：TinyML・エッジAI・遠隔リハビリの時代へ

Arduino×Pythonによる自作センサーリハビリの世界は、ここ数年で急速に「AIとの融合」フェーズへ進んでいます。以下、実際の研究事例を交えながら今後の発展方向を整理します。

1. TinyML・エッジAIによるオンデバイス推論

従来はセンサーの生データをPCへ送ってから解析していましたが、TinyML（マイコン上で動く軽量な機械学習）を使えば、Arduino Nano 33 BLE Senseのような小型ボード上でリアルタイムに運動パターンを分類できます。クラウド通信が不要になるためプライバシー保護と低遅延を両立でき、実際に脳卒中患者の上肢リハビリモニタリングにTinyMLベースの分類器を適用した研究も報告されています（Scientific Reports, 2025）。

2. 機械学習による歩行位相検出・異常検知の高度化

IMUやFSRの生波形から、機械学習モデルがヒールストライク・トゥオフといった歩行位相を自動判定する研究が進んでいます。近年の下肢ウェアラブルセンサーを用いた歩行位相検出研究（MDPI Applied Sciences, 2026）では、複数モデルを比較しながら精度とロバスト性の両立が検討されており、自作デバイスでも同様のアプローチを段階的に取り入れられます。

3. デジタルツイン・遠隔リハビリテーション（テレリハ）

センサーデータをクラウドに蓄積し、患者の運動状態を「デジタルツイン」として可視化・シミュレーションする取り組みも広がっています。ウェアラブルセンサーとネットワーク通信を組み合わせることで、遠隔地のセラピストがリアルタイムに患者の運動データを確認し、オンラインで指導する遠隔リハビリの実現可能性が高まっています。

4. 生成AIによる個別最適化トレーニングプログラム

蓄積されたセンサーデータを生成AIに読み込ませ、患者ごとの進捗に応じた訓練メニューの叩き台を自動生成する使い方も現実的になってきました。ただし、生成された訓練内容を実際に患者へ適用する前には、必ず理学療法士・作業療法士による臨床的な妥当性確認が必要です（詳細は前章「AIが手伝える部分／人間が自ら行うべき部分」を参照）。

5. マルチモーダルセンサーフュージョン

IMU・EMG・圧力・場合によっては視覚情報（カメラ）までを統合し、より頑健な運動評価を行う「センサーフュージョン」も今後の重要なテーマです。単一センサーではノイズや装着位置のズレに弱くても、複数モダリティを組み合わせることで評価の信頼性を高められます。

6. データガバナンスと倫理の重要性

センサーデータやAIモデルの活用が進むほど、患者データの取り扱い（個人情報保護）、AIの判断根拠の説明可能性、医療機器としての規制対応がより重要になります。技術の発展と並行して、こうしたガバナンス面の整備が今後の普及の鍵を握ります。