Journal

Gait Analysis และ Fall Risk Prediction: วิเคราะห์การเดินผู้สูงอายุด้วย Pressure Mat และ Optical Flow

Gait Analysis and Fall Risk Prediction: Analysing Elderly Gait with Pressure Mat and Optical Flow

12 พฤษภาคม 2569 · 1 นาที
0.000s — 0.800s

Gait Analysis ในฐานะ Biomarker ของ Fall Risk

การศึกษาพบว่า Gait Speed <0.8 m/s เป็น Strong Predictor ของ Fall Risk ในผู้สูงอายุ นักวิทยาศาสตร์เรียกการเดินว่า Sixth Vital Sign เพราะสะท้อนสุขภาพระบบประสาท กล้ามเนื้อ และการทรงตัวพร้อมกัน การเปลี่ยนแปลง Gait 6–12 เดือนก่อนเกิด Fall สามารถตรวจพบได้

เทคโนโลยีสำหรับ Gait Analysis ที่บ้าน

Pressure Mat Array (Floor Pressure Sensor): ปูแผ่น Pressure Sensitive Mat ยาว 3–6 เมตรตามทางเดินหลัก วัด Foot Pressure Distribution ทุก Step เก็บข้อมูล Step Length, Step Width, Cadence, กระจาย Pressure ซ้าย-ขวา VelSi Pressure Mat (Commercially Available): แผ่น Pressure Sensor Grid 16×16 ราคา 15,000–50,000 บาท ข้อมูลละเอียด แต่แพงสำหรับ Consumer DIY Pressure Mat: ใช้ Force Sensitive Resistor (FSR) Array, Arduino/ESP32 อ่านค่า Raw ADC ส่งผ่าน MQTT ราคา 2,000–5,000 บาท ข้อมูลแบบ Zone ไม่ละเอียดเท่าแต่จับ Step Pattern ได้ Optical Flow Camera (Privacy-safe): ติดกล้อง Overhead ที่เพดานมองลงมา วิเคราะห์ Optical Flow ด้วย OpenCV คำนวณ Speed ของ Center of Mass ของคน (ไม่ต้องบันทึกภาพใบหน้า) บันทึกเฉพาะ Velocity Vector ไม่ใช่ภาพ เป็น Privacy-preserving Depth Camera (Intel RealSense D435): ใช้ Depth Map วัด 3D Position ทุก Joint (Skeleton Tracking) คำนวณ Gait Parameter ได้ละเอียดที่สุด ราคา 8,000–15,000 บาท

Gait Parameters ที่วัดและ Threshold

Gait Speed: ปกติผู้สูงอายุ 0.8–1.2 m/s <0.8 m/s = Moderate Risk <0.6 m/s = High Fall Risk ต้องแจ้งแพทย์ Step Length: ปกติ 50–70 cm ผู้ชาย 45–60 cm ผู้หญิง ลดลง >20% จาก Baseline ภายใน 1 เดือน → Yellow Alert Cadence (Steps/min): ปกติ 100–120 steps/min ลดลง <80 steps/min → อาจบ่งชี้ Pain หรือ Muscle Weakness Step Width (Base of Support): เพิ่มขึ้น >30cm → บ่งชี้ Balance Problem เพื่อ Compensate การทรงตัวที่แย่ลง Double Support Time (เวลาที่สองเท้าอยู่บนพื้นพร้อมกัน): เพิ่มขึ้น >30% ของ Gait Cycle → Fall Risk สูง

Digital TUG Test (Timed Up and Go)

TUG Test มาตรฐาน: นั่งในเก้าอี้ ลุกขึ้น เดิน 3 เมตร กลับมานั่ง วัดเวลา ปกติ <12 วินาที 12–20 วินาที = Moderate Risk >20 วินาที = High Risk Digital TUG ใน Home Assistant: Pressure Mat หรือ Camera ตรวจจับ เริ่มเมื่อผู้สูงอายุลุกจากเก้าอี้ (เก้าอี้มี Pressure Sensor) สิ้นสุดเมื่อนั่งลงใหม่ HA บันทึกเวลาและ Trend รายสัปดาห์ ถ้าเวลา TUG เพิ่มขึ้น >20% จาก Baseline แจ้งครอบครัว

Home Assistant Automation สำหรับ Gait Monitoring

Python Script ใน HA รันทุกวัน 20:00 น. ประมวลผล Gait Data วันนั้น คำนวณ Daily Gait Score เปรียบเทียบกับ 30-day Rolling Average ถ้า Score ต่ำกว่า Threshold ส่ง Weekly Summary LINE OA: Gait Speed x.x m/s (Trend ↓↑), TUG x.x วินาที, Fall Risk: 🟢/🟡/🔴

ROI และการลด Fall-related Healthcare Cost

ค่ารักษาพยาบาลจาก Hip Fracture ในผู้สูงอายุไทย 150,000–500,000 บาท ระบบ Gait Monitoring ราคา 5,000–20,000 บาท ลงทุนครั้งเดียว ถ้าป้องกัน Fall ได้ 1 ครั้ง คุ้มทุนหลายเท่า

คำถามที่พบบ่อย

Gait Speed <0.8 m/s บ่งชี้ Fall Risk จริงหรือ มีงานวิจัยรองรับไหม?
ใช่ Meta-analysis ของ Studenski et al. (JAMA 2011, 7,000+ คน) พบว่า Gait Speed เป็น Predictor ของ Mortality, Hospitalization และ Fall Risk ที่แม่นยำที่สุดในผู้สูงอายุ <0.8 m/s เพิ่ม Fall Risk 2–3 เท่าเมื่อเทียบกับ ≥1.0 m/s
DIY Pressure Mat ทำได้จริงไหมและต้องใช้ทักษะอะไร?
ทำได้สำหรับผู้ที่มีพื้นฐาน Arduino/Electronics FSR Array ราคา 300–500 บาท ต่อ Arduino Nano/ESP32 เขียน Code อ่านค่า ADC Multiplexer (CD4051) ช่วยอ่าน Sensor หลายตัวด้วย Pin น้อย ส่ง MQTT เข้า Home Assistant ไม่ต้องมีทักษะ Software ขั้นสูง
Optical Flow Camera บันทึกภาพใบหน้าไหม กังวลเรื่อง Privacy?
ถ้าออกแบบถูกต้อง กล้อง Overhead + OpenCV Optical Flow คำนวณเฉพาะ Velocity Vector ของ Moving Object ไม่บันทึกหรือเก็บ Frame ภาพใบหน้า ผู้สูงอายุเห็นเป็นแค่ Blob สีขาวบน Background PDPA Compliant
Digital TUG Test ต่างจากการไปทำที่คลินิกอย่างไร?
Digital TUG ที่บ้านวัดได้บ่อยกว่ามาก (ทุกวัน) จับ Trend Decline ได้เร็วกว่าการไปคลินิกทุก 6 เดือน ข้อด้อยคือ Standardization ต่ำกว่า (เก้าอี้ต่างกัน ระยะทางอาจแตกต่าง) เหมาะสำหรับ Screening ไม่ใช่ Diagnosis