私たちは完璧なスクワットをカウントするAIを作った。だがその間ずっと、62歳男性の膝は崩れていた。
私が何度も立ち返るある一コマがある。私たちのコードベースのどこかにあるノートパソコン上に静止した映像だ。リビングルームで自重スクワットをしている男性の上に、33点のスケルトンが重ねられている。約90フレームのうちの58フレーム目。それは私たちのソフトウェアが描いたもの——彼の腰、膝、足首に打たれた点と、それらをつなぐ緑色の線だ。スマートフォンのカメラが毎秒30フレームでそれをとらえ、私たちのシステムはすでにそのレップを採点していた。
システムはそれを「良好」と採点した。
その男性は62歳、ACL(前十字靭帯)再建手術から8週間後で、理学療法士が処方したまさにそのエクササイズをこなしていた。そしてそのフレームでは、彼の左膝が内側に崩れていた——身体の正中線に向かって約4センチメートルずれ、腰と足首が保つべきまっすぐな線から逸れていたのだ。健康な30歳ならこれはずさんなレップにすぎない。しかしACL術後の膝では、この内側への崩れこそが、外科医に大金を払って入れてもらったばかりの移植腱を再断裂させる特定の力学的パターンの一つなのだ。
私たちのAIはそれを成功としてカウントした。あの朝があるからこそ、私はある程度の自信をもって、フィットネスAIにおける本当に難しい問題とは何か——そしてなぜほとんど誰もその肝心な部分を解決していないのか——を語ることができる。
姿勢推定はセンサーである。それは脳ではない。
コードを一行でも書く前に誰かに教えてほしかったことがある。誰もが難しいと思っている部分は、ただで手に入るということだ。
カメラを通して人体を追跡すること——関節を見つけ、スケルトンを描き、33のキーポイントをフレームごとに追うこと——は、すでに解決済みの問題だ。GoogleのBlazePoseとMoveNet、MediaPipeフレームワーク、そのすべてがオープンソースで、ポケットの中のスマートフォンで動く。地球上のすべてのフィットネスAI企業が、同じ一握りの姿勢推定ライブラリを使っている。そこに堀(モート)は存在しない。私は当初その逆を信じていたことで、これを高い授業料を払って学んだ。
姿勢推定は膝がどこにあるかを教えてくれる。しかし膝が危険な状態にあるかどうかは教えてくれない。
難しい問題は、その一つ上の層に存在する。それは解釈だ。4センチメートルの内側へのずれが膝の外反(ニーバルガス)を意味すること、その膝外反が再受傷リスクであること——この特定の既往歴を持つこの特定の患者にとって——、そしてそれが「よくできました」というアニメーションではなく、臨床医への警告を引き起こすべきだと知ることだ。センサーはコモディティ化している。脳はそうではない。そのギャップ——動きを感知することと、それを理解することの間のギャップ——こそがすべての勝負であり、それが最終的に私たちが構築したものだ。そのためのエクササイズ検証エンジンを。
私たちは自社製品がそのギャップに真っ逆さまに落ち込むまで、このギャップを理解していなかった。
嘘をついた「良好レップ」カウンター
スタートした当初、私たちは当たり前で手っ取り早く感じられることをやった。姿勢モデルから出てくるキーポイントを取り込み、関節角度を測るジオメトリを書き、しきい値を設定し——膝がこの角度を超えて曲がったらレップとしてカウント——、レップ数を数えてフォームのヒントを表示する、こぎれいで小さなエンジンをリリースした。デモは見事にきまった。レップ数はどんどん増えた。緑のチェックマーク。会議室で見ると、それは完成された製品のように見えた。
そのスクワット動画がその幻想を打ち砕いた。私たちにはフレームごとのデータがCSVにきちんと並んでいた——患者の左膝の水平位置が下降局面を通じて内側(内側方向)へ滑っていくのが、フレーム45から72まで見えた。彼の膝が屈曲78度にしか達していないのが見えた、処方された目標が90度だったのに。下降に約1秒かかり、立ち上がりにはその2倍以上かかっているのが見えた——2対1の比率で、これは彼が勢いに任せてスクワットに落ち込み、その後力を振り絞って立ち上がっていたことをはっきり物語っている。
3つの独立した危険信号。深さの不足、内側への崩れ、そして代償的なテンポ。そのクリップをちらりと見た理学療法士なら誰でも、セッションを中止していただろう。私たちのソフトウェアは、まったく同じ数値を見て、こう返した。レップ完了、良好なフォーム。
それは私が個人的に主張していた失敗だった。「まずはレップを数える何かを作って、そこから改善していこう」と言っていたのは私だった——リーンなやり方、リリース可能なものを。そしてそのリーンなものは、能動的に危険だった。なぜなら、回復途上の患者に自信たっぷりの肯定的なフィードバックを与えながら、その一方で彼は外科医が元に戻そうとしていたまさにその動きを強化していたからだ。
安全なスクワットと危険なスクワットを見分けられないレップカウンターは、製品の縮小版ではない。それは正しい製品の服を着た、間違った製品なのだ。
あのフレームの根底にある教訓。生の姿勢データは必要だが、まったくもって十分ではない。78度は抽象的には「悪い」わけではない——2週間前に60度だった術後8週目のACL患者にとっては、まさに正しい進歩量かもしれない。同じ数値が、誰が動いていて回復のどの段階にいるかによって、成功にも警告にもなる。固定されたしきい値ではそれをとらえられない。知性がとらえなければならないのだ。
なぜ精度のギャップがこれを容易にするのではなく、より難しくするのか
デモでは決して見せてくれない部分を付け加えておこう。私たちがそれを尊重するようになるまでしばらくかかったからだ。1台のスマートフォンのカメラは、モーションキャプチャの実験室ではない。
研究者たちが単眼の姿勢推定を、臨床が本物の生体力学に使うゴールドスタンダードの多カメラマーカーシステムであるQualisysと真っ向から比較したとき、MediaPipeは下肢で約0.80、上肢で約0.91の相関を示した。立派な数字だ。しかし膝屈曲角度のようなものの誤差は2Dで9度から22度に及び、Nature Scientific Reports誌の2025年の論文は、単一カメラのシステムは「正確な深度推定を提供しない」とはっきり述べていた。鏡、薄暗いリビングの照明、柄のあるレギンス、身体の半分を隠すソファ——それらのどれもが信号をさらに劣化させる。
つまり、ノイズの多いセンサーの上に臨床的判断を構築しているわけだ。それは諦める理由のように聞こえる。しかし実際にはそれこそが、解釈層が字義通りではなく賢くなければならない理由なのだ。もしあなたのシステムが生の78度という読み取り値を絶対のものとして扱えば、カメラのノイズだけでレップごとに「合格」と「不合格」の間を行ったり来たりすることになる。知性層の仕事には、どの読み取り値を信じるかを重み付けすることが含まれる——フレーム間で平滑化し、ノイズを乗り越えて生き残るパターン(一貫した内側へのドリフト)を、そうでないもの(1フレームのジッター)より重視し、そして信頼度について正直であること。私たちはこれのために時間モデルに頼っている。時間的畳み込みネットワーク(TCN)と呼ばれる種類のネットワークは、ミドルレンジのスマートフォン上で2ミリ秒を大きく下回る時間で動作の認識精度98.7%を達成でき、デバイス上で完全に動くほど小さい。だがアーキテクチャよりも原理のほうが重要だ。確実性は、センサーが完璧であるふりをすることでは築けない。センサーが完璧ではないという事実に合わせて設計することで築くのだ。
Hinge Healthはすでにこれを解決済みではないのか?
ちょうどこの頃、私は「これはもう解決済みでは?」という質問を受けるようになった——たいていは投資家から、時には午前2時に自分自身から。筋骨格系(MSK)ケアの巨人たちは実在し、しかも大きい。だから彼らが何をしていて、どこにまだ扉が開いているのかを正確に述べておこう。
Hinge Healthは2026年に7億3,200万ドルの売上を見込んでいる。彼らは関節分析のためのTrueMotionコンピュータビジョンと、Robinというトリアージアシスタントを構築し、それを裏付ける臨床結果も持っている——彼らの患者の間では、従来のケアに比べて脊椎固定術や膝置換術が劇的に少ない。Sword Healthは2026年1月にKaia Healthを2億8,500万ドルで買収し、Kaiaの「Motion Coach」コンピュータビジョンをSwordのウェアラブルセンサープラットフォームに統合しており、さらに5億ドルを調達中だと報じられている。これらは手強い企業だ。
彼らはまた閉じた箱でもある。彼らの検証技術は自社のケアモデルに溶接されており、企業の雇用主に販売され、目的地として価格付けされパッケージ化されている——あなたがすでに構築しているPTプラットフォームやウェルネスアプリの中に組み込めるものとしてではない。もしあなたが理学療法ソフトウェア会社を経営していて、検証済みのエクササイズデータをあなた自身の製品の中に入れたいなら、HingeやSwordはそれを売ってくれない。彼らはあなたと競合するものを売るのだ。
残りの市場はきれいに二分される。Peloton IQは2025年10月にフォーム追跡カメラを発売した——だがそれはコンシューマー向けフィットネスで、Pelotonのハードウェアに縛られ、臨床能力はない。KemtaiはブラウザベースのB2Bビジョンプラットフォームを提供し、44のランドマークを追跡する。これは本当に有用だが、一般フィットネス向けで、そのフォームルールは画一的であり、患者ごと・エクササイズごとに設定できるものではない。請求の側では、Limber HealthとMedBridgeが遠隔モニタリングのワークフローをうまく処理している——Limberの患者は在宅エクササイズのセッションを3倍以上こなす——だが彼らが管理するのはモニタリングの事務手続きであり、エクササイズが正しく行われたかどうかを独立して検証はしない。
この市場には、動きを検証するがその上に構築させてくれない企業と、請求は処理するが動きを検証できない企業がある。そのギャップとは、検証を行い、なおかつあなたの製品の中に存在するエンジンなのだ。
そのギャップは研究上の問題ではない。それは統合エンジニアリングの問題であり、その区別こそが、焦点を絞ったチームがここで勝てる理由のすべてだ。
なぜレップカウントはRTM監査を通らないのか?
私たちが協業する理学療法プラットフォームにとって、これは償還の計算式が変わった瞬間に、もはや机上の空論ではなくなった。
在宅エクササイズプログラムを完全にやり通す患者は約35%にすぎず——残りのほとんどは最初の1か月以内に脱落する——、しかも患者は尋ねられると過剰報告することで有名だ。臨床医は、自己申告データが作り話だと知っている。彼らが求めているのは遠隔治療モニタリング(RTM)だ。すなわち、受診と受診の間に患者の筋骨格系の回復をモニタリングすることに対して支払われる一連のCMS請求コード(98975から98981まで)である。本物の継続的な収益だ。
問題なのはRTM文書化が要求するものだ。それを請求し監査を切り抜けるには、デバイスで収集されたデータ——タイムスタンプ付きで、治療計画を変更させた実際の臨床判断に結び付いたもの——が必要だ。レップカウントではその基準を満たせない。「患者はスクワットを30回行った」は「患者の動きの質が低下し、この日付でプロトコルの調整を引き起こした」とは同じではない。まさにここが、私たちのレップカウンターがクリニックを危険にさらしていたであろう箇所だ。ある理学療法士が丁重に、私たちのデータでは請求できないと言ったのを覚えている。なぜならそれは彼が運動したという事実を伝えるだけで、どのように運動したかは伝えなかったからだ——そして「どのように」こそが臨床上・法律上の要点のすべてだったのだ。
そしてハードルが下がると同時に、賭け金が高くなった。CMSの2026年最終規則は2つの新コード——98979と98985——を追加し、モニタリングのしきい値を16日からわずか2日にまで引き下げ、管理時間の最低要件を20分から10分に下げた。突如として、はるかに多くの患者が請求対象になる。しかし文書化の基準は緩まなかった。依然として治療判断に結び付いたデバイスデータを要求している。より多くのクリニックがRTMに殺到するということは、より多くのクリニックが、まさに耐えられないような薄っぺらでカウントだけのデータを生成するということだ。償還の機会と文書化のリスクが、同じ息の中で成長したのだ。
これと並行して走る、構築のしかたを形づくる規制上の側面がある。FDAの2026年1月のガイダンスは、純粋に「ウェルネス」として位置づけられたツールが医療機器分類を回避することを認めている——歩数計には結構なことだ。しかし臨床的主張を行った瞬間——RTM検証は本質的にそれを行う——、あなたはSaMD(医療機器としてのソフトウェア)の領域に入る可能性があり、それが意味する検証と監督が伴う。だから同じエンジンが、顧客が何を主張しているかに応じて、その線の両側のどちらでも存在できるように設計されなければならない。これは後になって発見したいような決定ではない。
つまり、検証済みエクササイズエンジンは、これらのプラットフォームにとって「あれば嬉しい」機能ではない。それは監査を切り抜けるRTM収益と、返還請求(クローバック)になるRTM収益との違いなのだ。
部屋にいるもう一人の買い手——監視なきウェルネス
私はこの2人目の買い手を危うく軽視するところだった。そうしなくてよかったと思う——人間的な材料も同じくらい鋭いのだ。
企業のウェルネス責任者たちは、同じ問題の別バージョンを見つめている。筋骨格系の問題は、雇用主に従業員一人あたり年間およそ486ドルの直接支出をもたらし、さらに推定3,105ドルの生産性損失が加わる——合計で一人あたり3,591ドルだ。MSK手術の実に36%が不要であり、労働力にとって約900億ドルの足かせとなっている。市場の反応は巨大だ。企業のウェルネス支出は2026年に1,000億ドルに達しつつあり、2025年に大企業の83%が仮想MSKケアを提供していたのに対し、ほぼすべて——96%——が2027年までに提供する予定だ。
それにもかかわらず、提供されているプログラムを実際に利用する従業員は約4分の1にすぎない。半数以上が、そもそも健康データを雇用主と共有することに消極的だと言っている。Fitbitを振って歩数を偽装するゲーミングのスキャンダルを何年も見てきた末に、従業員は「ウェルネス検証」がしばしば「上司が見張っている」を意味することを学んだのだ。私たちの初期パイロットの一つに参加したあるCHRO(最高人事責任者)が、冗談めかしつつも本気の口調で、私たちが作ったものが「監視のように感じられないか」と尋ねてきた。それは誰かが私たちに投げかけた中で最も有用な質問だった。なぜなら、正直な第一の答えは「そうなり得る」だったからだ。
その異議が私たちのアーキテクチャを配線し直した。エクササイズ検証を可能にするまさにその骨格キーポイントは、法的には地雷原だ——身体の動きのパターンは、指紋と同じように人物を再識別できる。そのため姿勢データは、イリノイ州のBIPAや欧州のGDPRのような生体認証プライバシー法をめぐる議論のど真ん中に位置づけられる。2025年だけでイリノイ州で107件の新たなBIPA集団訴訟が提起された。まだ誰も姿勢推定をめぐってフィットネスアプリを訴えてはいないが、その法的理論は完全に組み上がり、待ち構えている。
「これは監視のように感じられないか」への解決策は、結局のところプライバシーポリシーではなかった。それは設計上の制約だった——生の動画と骨格は決してスマートフォンから出ない。
私たちは動きをデバイス上で処理し、集約されたコンプライアンス信号だけを送信する——処方された運動が、この品質で、この日付に行われた——動画は決して、キーポイントも決して送らない。雇用主は検証済みの参加状況を得る。従業員の身体データは従業員のデバイスにとどまる。それこそが、私が実際に自分自身に対して使ってほしいと思う唯一の企業向けエクササイズ検証のあり方だ。
「でもスマートフォンのカメラでは決して十分な精度は出せないのでは?」
人々は、これがうまくいかない理由として精度の上限を持ち出す。私はそれを真剣に受け止めている——ただ、それはむしろ逆の結論を裏付けると考えている。確かに、単眼カメラが10万ドルのマーカー実験室に匹敵することは決してない。しかし臨床的な有用性に、実験室レベルの角度は必要ない。必要なのは、肝心なパターンを確実にとらえることだ——一貫した膝の内側へのドリフト、週を追うごとに後退している深さ、代償を示すテンポ。それらはカメラのノイズを通してさえ頑健な信号だ、もし解釈層がそれらを見つけ、ジッターを無視するように作られていれば。目標は決して90.0度を測ることではなかった。このレップが、この人にとって、今日、間違った方向に動いているのだと知ることだった。
私がよく受けるもう一つの質問は、誰もが学会で耳にする「エージェント型AI」の新しい波が、カスタムな生体力学の仕事を時代遅れにするのではないか、というものだ。それは逆だ。患者のエクササイズ計画を調整する自律的なヘルスエージェントは、その下にあるデータと同じ程度にしか信頼できない。エージェントにレップカウントを向ければ、それは自信たっぷりに患者を最適化して怪我のより深みへと導くだろう。エクササイズ知性層こそが、エージェント型モニタリングを無謀ではなく安全にするものなのだ。上に乗るエージェントが賢ければ賢いほど、その下にある検証が実際に動きを理解していることがより重要になる。
あの静止したフレームが私に教えてくれたこと
私たちはたった一つの考えを中心にエンジンを作り直した。すなわち、しきい値は数字ではなく臨床判断であり、それは臨床医のものである、という考えだ。「ACL術後8週目」に合わせて設定されたスクワット深度の目標は、「70歳、膝置換術後」や「30歳の企業アスリート」と同じ目標ではない。だから私たちはしきい値を設定可能にした——臨床医が、患者ごと・エクササイズごとに設定する——、そして出力を、RTM請求と不安を抱えるウェルネスの買い手の双方が実際に必要とするものにした。すなわち、構造化され、タイムスタンプが付き、プロトコルにマッピングされ、プライバシーを尊重するコンプライアンスデータだ。カメラが入り、臨床的に意味のある判断が出てくる。そのパイプラインがどう組み合わさっているかの全体像が欲しければ、それは私たちのソリューションページにある。
私は今でも、緑のチェックマークを信じてスクワットをしていたあの62歳の男性のことを考える。その緑のチェックマークは、彼の膝が折れかけていることなど何も知らなかった。彼はすべて正しくやった。姿を現し、努力し、指示に従った。ソフトウェアは静かに彼を裏切った——訓練された目だけがとらえられたであろうやり方で。そして彼のリビングルームにAIを置くことの約束のすべては、その訓練された目が常にそこにあるということだったのに。
レップカウンターは身体が動くのを見ている。エクササイズ検証エンジンはその動きが何を意味するのかを知っている。この2つの文の間には、回復途上の膝があり、請求可能な臨床判断があり、自分を見ているものを信頼するかどうかを決めようとしている従業員がいる。それは技術上のギャップではない。それこそが仕事のすべてなのだ。
