Kinetiq · エクササイズ・インテリジェンスとRTM証明エンジン

ポーズ推定は無料だ。その上の請求可能な証明が難しい部分であり、私たちが構築した部分だ。

Name: Kinetiq
Author: Veriprajna

どのPTプラットフォームでも、すでに無料のポーズ推定を動かして回数を数えられます。Kinetiqはキーポイントの上に乗る決定論的レイヤーです。集団適応型の臨床プロファイルに照らして各レップを採点し、関節が見えないときは角度を捏造せず棄権し、臨床医が判断に使えるRTM請求可能なFHIR形状のセッションレポートを出力します。エージェントは助言し、コードが決める。

100%

注入したキーポイントノイズを通じて回復したレップ単位の判定一致（35 of 35レップ）

固定ラベル付き合成セット：明確25件に境界10件を加えたもの

3 / 3

遮蔽レップは角度を推測せず棄権、捏造角度は0

ラベル付きセットにおけるユニットテスト済みの誠実性不変条件

3 of 4

セッションは自動検証でRTM請求可能、1件は臨床医レビューへ回付、請求不可は0

合成患者3名に実撮影クリップ1本を加えたもの

合成患者3名と実撮影のスクワットクリップ1本で動くメカニズムのデモです。オフラインで動き、ライブカメラもハードウェアもAPIキーも不要です。モデルを使えるのはオプションのエージェントだけです。

生のポーズライブラリは、膝が内側に崩れているのに良いスクワットを15回と記録します

検証なきボリューム、そして支払者が償還しない回数カウント。

回数を数えるのは簡単で、ほぼ無料です。BlazePoseとMoveNetはスマホで動き、患者が15回スクワットしたと教えてくれます。教えてくれないのは、レップ9が内側に崩れて再損傷リスクになったこと、レップ12で股関節がフレーム外に落ちて誠実な角度が存在しないこと、同じ80 degreesの深さでも術後膝には進歩で健常アスリートには失敗だということです。その解釈こそPTプラットフォームが本当に必要とするレイヤーであり、省いたときに最も早く劣化するレイヤーです。

痛みは具体的です。理学療法における在宅運動の遵守率は35パーセント、患者の65パーセントが最初の1か月以内に離脱します（Veriprajna WP29 research, 2026）。自己申告は遵守を過大に言います。臨床医はCPT 98975 to 98981のRemote Therapeutic Monitoringを請求したい。加えて2026年のコード98979と98985があり、適格閾値は最短2 daysまたは10 minutesまで下がりました。しかしCMSが求めるのは治療判断に結び付いたデバイス収集データであり、生の座標ではありません（Veriprajna WP29 research, 2026）。生のキーポイントではその基準を満たしません。

雇用主にとっての賭け金も同じくらい具体的です。筋骨格系の疾患は雇用主に従業員1人あたり年間おおよそ3,591 dollarsかかり、直接費486 dollars、生産性で3,105 dollars、MSK手術の推定36パーセントは不要とされ規模は90 billion dollars、従業員の50パーセント超がプライバシーを理由に健康データの共有を拒みます（Veriprajna WP29 research, 2026）。精度の天井も実在します。単眼の膝角度誤差は平均絶対誤差9.3 to 21.9 degrees（Nature Scientific Reports, 2025）で走ります。だから1台のカメラから臨床グレードの角度を主張するシステムは売り過ぎであり、可視性が低いレップで棄権するシステムは誠実です。

決定論的エンジンがすべてのレップを採点し、ポリシーゲートが請求可否を決めます

信頼の中核は平易でユニットテストされたコードです。採点経路にLLMはいません。

セッションごとのパイプラインは直接的です。合成または撮影クリップからオフライン抽出したキーポイントストリームを1-Euroフィルタで平滑化し、キーポイント信頼度でゲートして関節が見えないレップは棄権し、クラス非依存の時間的自己類似度でレップに分割し、レップ単位のバイオメカニクス特徴に変え、集団適応型ルールエンジンで採点し、決定論的RTMポリシーゲートを通し、キャンバスダッシュボードに描画されるFHIR形状のセッションレポートへ書き出します。すべての判定は臨床医が照会できる平易なNumPyです。

決定論的バイオメカニクスエンジン

信頼の中核であり、言語モデルの完全な外側にあります。1-Euroフィルタが33-keypointのBlazePose風ストリームを平滑化し、信頼度ゲートが可視性閾値未満で棄権し、クラス非依存セグメンテーションが時間的自己類似度でレップを見つけ、各レップが関節角度とROM、膝外反指数、下降対上昇テンポ比、Log Dimensionless Jerk平滑性、LまたはR対称性指数を出します。平易でユニットテストされたコードなので、臨床医はレップがフラグされた理由を正確に見られます。

RTMポリシーゲートとFHIR形状レポート

モデルの外側で、平易なコードがセッションごとに決めます。rtm_billable、needs_clinician_review、またはinsufficient_device_data。CMSのRTMファミリーCPT 98975 to 98981に加え2026年コード98979と98985へ対応付けます。レポートはObservationとDocumentReferenceのフィールド形状を写したFHIR形状JSONで、レップ単位の観察、セッション集計、RTM判定、CMSが求める文書を含みます。FHIR形状であり、FHIR検証済みではありません。Kinetiqは記録を出すのであって、稼働中のEHRへPOSTしません。

エンジンがレップごとに測るもの

信号	捉えるもの	根拠
関節角度とROM	ピーク屈曲がそのプロファイルの目標を超えるか。例としてACL術後は75 degrees、ウェルネスアスリートは95 degrees。	決定論的
膝外反指数	内側への膝の崩れ。リハビリ膝の再損傷リスク。プロファイルごとに閾値（例としてACL術後は0.03）。	決定論的
下降対上昇テンポ比	動作の一部での代償的な減速または急ぎ（例としてテンポが1.25超）。	決定論的
LDLJ平滑性とLまたはR対称性	回数だけでは隠れる、ぎこちない、または非対称な動作品質。	決定論的
信頼度ゲート	可視性閾値を下回る関節。捏造角度を付けず、そのレップは採点しません。	決定論的、棄権する

オプションのエージェント：解釈に限定

決定論的コアの上で、プロバイダー交換可能なオプションのエージェントが2つ、数値を解釈し伝えます。トレンドが悪化したとき能動的な臨床医エスカレーション草案を書くLongitudinal Monitorと、RTMノート草案を書くClinical Scribeです。それぞれ決定論的証拠に対してグラウンディング検査され、エージェントが証拠にない数字を持ち込むとその数字は却下され、決定論的テンプレートが代わりに示されます。APIキーがなければ両方とも棄権します。アダプタの既定はClaude claude-opus-4-8で、OpenAIまたはGeminiへ切り替えられますが、採点ゲートが人手に渡ることはありません。エージェントは助言し、コードが決める。

画面上の実働セッション

誠実にラベル付けされた患者4名。3名は合成（Maria、Jordan、Eleanor）、1名（Aisha）は実撮影のスクワットクリップです。ライブカメラなし、実在の患者身元なし、診療記録なし。

実映像で動くパイプライン

Aishaは実在の自重スクワット動画で、キーポイントはMediaPipeでオフライン抽出し、同じエンジンを変えずに採点しました。だから最初に見えるのは、実映像で動くパイプラインであり、誠実にラベル付けされています。33点スケルトンが実際のクリップに重なり、パネルはウェルネススクリーニングプロファイルに照らして各レップを採点します。セッションゲートはrtm_billableを返し、検証1、フラグ2、平均品質8.3です。

実撮影の自重スクワットクリップであるAishaをKinetiqが採点する様子。33点スケルトンが実際の動画に重なり、右側のレップ単位テーブルがウェルネススクリーニングプロファイルに照らして良いレップと浅いレップを示します。 — Aisha：実スクワットクリップ。キーポイントはオフライン抽出し、合成セッションと同じエンジンで採点。

ポーズモデルが数え、臨床医が数えてはいけないレップ

Mariaは処方されたスクワット15回を行う合成のACL術後患者です。生のポーズライブラリは15回すべてをレップとして記録します。Kinetiqは採点し、レップ9でKNEE VALGUSを返します。膝外反指数は0.054で0.03の閾値以上、ピーク屈曲は78.6 degrees、テンポは1.4で1.25の上限を超えます。良いレップではなく再損傷リスクの警告です。それが1行に凝縮された論旨です。価値はレップを数えることではなく、重要な1回を捉えることです。

MariaのACL術後セッション。レップ単位分析テーブルがレップ9を赤でKNEE VALGUSとして強調し、膝外反指数0.054が0.03以上で再損傷リスク、テンポ1.4が1.25超で代償と読みます。周囲のレップ5から14はGOOD REP、レップ12は股関節キーポイントが可視性閾値未満でNOT SCORED。 — レップ9は膝外反の再損傷リスクとしてフラグされ、正確な閾値条項を表示。レップ12は股関節が見えないため棄権。

同じ動作、患者プロファイルで異なる判定

集団適応型の判断はスローガンではありません。判定をひっくり返します。プロファイルをMaria（ACL術後、目標75 degrees）から企業ウェルネスアスリートのJordan（目標95 degrees）へ切り替えると、Mariaでは良いと採点されたおおよそ80 degreesの深さのスクワットがJordanではSHALLOWと採点されます。同じ動作が異なる判定になるのは、閾値が患者に紐づくからです。Jordanの全セッションではフラグされたレップがあってもゲートはなおrtm_billableを返します。誠実なニュアンスです。請求可能はすべてのレップが良かったことを意味しません。

プロファイルwellness_athlete下のJordanの企業ウェルネスアスリートセッション。レップ単位テーブルではピーク屈曲がおおよそ80 degreesのスクワットがすべてSHALLOWと読めます。屈曲が95 degree目標を下回るためで、Mariaの75 degreeのACL術後目標では良いと採点された同じ深さです。 — 集団適応の反転：おおよそ80 degreesはACL術後の膝では良く、ウェルネスアスリートでは浅い。

請求可能なレシートと、それを回付する棄権

Mariaのセッションは検証済みレップ13、フラグ1（レップ9）、遮蔽による棄権1に集計され、平均品質は10点中9.6です。RTM判定はneeds_clinician_reviewと読み、CPT 98975 to 98981に加え2026年コード98979と98985へ対応付けます。セッションは請求適格ですが、外反警告が自動請求の前に臨床医へ回し、その臨床医アラート自体が治療計画の判断を文書化します。ここからFHIR形状レポートが、臨床医がRTMを文書化する監査可能な証拠としてエクスポートされます。

MariaのRTM判定モーダルはNEEDS CLINICIAN REVIEWと表示。CPT 98975 to 98981のRTMファミリーに加え2026年コード98979と98985。処方15レップ、検証13、フラグ1、遮蔽による棄権1、平均品質10点中9.6、Export FHIR Reportボタン。 — RTM判定：請求適格だが、外反警告が自動請求の前に臨床医へ回す。

ベンチマーク、誠実に範囲を切る

固定ラベル付きセットを走らせると、耐久する結果が出ます。植え付けた正解に対するレップ単位の判定一致は、明確25件で100パーセント、閾値のおよそ1シグマ以内の境界10件でも100パーセント、クラスごとの一致はすべて1.00です。正解は植え付けた物理パラメータ対プロファイル閾値であり、エンジンとは独立に計算します。測定ノイズはラベル固定後に注入するので、エンジンはノイズを通じて判定を回復しなければなりません。誠実性不変条件は別でユニットテスト済みです。遮蔽レップ3のうち3が棄権し、捏造角度は0。これらは固定ラベル付き合成セット上のタスク精度、スループット、誠実性であり、オープンワールドの保証ではありません。

Kinetiqベンチマーク要約。明確25件で判定一致100パーセント、閾値の1シグマ以内の境界10件で100パーセント、遮蔽レップ3 of 3が棄権し捏造角度0、3 plus 1 of 4セッションが自動請求可能またはレビューへ回付、という指標カードの下に、good rep、shallow、not scored、knee valgusのクラスごと一致が100パーセントのテーブル。 — 注入ノイズを通じて回復した35 of 35レップで100パーセント、ラベル付き合成セット上で遮蔽レップ3 of 3が棄権。

Kinetiqが位置づく場所、位置づかない場所

キーポイントの後で動き、すでに使っているどのポーズモデルの上にも乗ります。解釈と証明のレイヤーを作るのであり、ポーズ推定器と競合しません。

懸念	生のポーズ推定と回数カウント	Kinetiq
レップ9で膝が崩れる	レップとしてカウント	膝外反の再損傷リスクとしてフラグされ、閾値を表示
フレーム外の関節	それでも角度を推論	棄権し、レップは採点せず、捏造角度なし
同じ深さ、異なる患者	全員に1つの固定閾値	患者プロファイルに紐づく集団適応型判定
請求の証拠	CMSが償還しない生の座標	CPTファミリーに対応付けたRTM請求可能なFHIR形状セッションレポート
誰が請求可否を決めるか	扱われない	いかなるモデルの外側にある決定論的ポリシーゲート
ポーズモデルが改善しても耐久するか	価値の全体がセンサーであり、それはコモディティ化する	価値はセンサーの上の頭脳と証明にある

このデモがしないこと

ライブカメラもオンデバイス推論も使いません。キーポイントストリームは3シナリオ向けに合成生成するか、実撮影クリップ1本からMediaPipeでオフライン抽出します。モバイルキャプチャSDKとエッジ配備は先送りです。
臨床グレードのゴニオメトリーは主張しません。単眼の膝角度誤差は9.3 to 21.9 degrees（Nature Scientific Reports, 2025）なので、KinetiqはRTMが求める粒度で動き、精密な角度を報告するのではなく可視性の低いレップでは棄権します。
セッションレポートはFHIR形状であり、FHIR検証済みでもFHIR準拠でもありません。ObservationとDocumentReferenceの形状を写します。EHR書き込みはモックアダプタなので、出してPOSTしません。
RTMとCPTの対応付けはRTM文書化を助ける枠組みであり、請求認定でもコンプライアンス承認でも償還保証でもありません。
採点経路にLLMも学習済み深層モデルもありません。V1は決定論的特徴エンジンです。学習済みTCNは同じレップ単位インタフェースの後ろにある表明済みのV2入替です。オプションのエージェントは解釈のみでグラウンディング検査されます。
患者は誠実にラベル付けされたテストケースであり、実在の患者でも顧客でもありません。3名（Maria、Jordan、Eleanor）は合成、1名（Aisha）は実在の身元も診療記録もない実撮影スクワットクリップです。顧客も配備もお客様の声も主張ROIもありません。
判定一致100パーセントと棄権3 of 3は、正解が植え付けパラメータ対プロファイル閾値である固定ラベル付き合成セット上の測定であり、オープンワールドや本番の保証ではありません。

買い手が聞く質問

すでにBlazePoseを動かして回数を数えています。Kinetiqは何を足すのか？

ポーズ推定と回数カウントはコモディティ化した部分です。生のポーズライブラリは、レップ9で膝が崩れる患者でも良いスクワットを15回と喜んで記録します。Kinetiqはキーポイントの上のレイヤーです。集団適応型の臨床プロファイルに照らして各レップを採点し、関節が見えないときは棄権し、臨床医が判断に使えるRTM請求可能なFHIR形状のセッションレポートを出力します。その解釈と証明のレイヤーこそ、PTプラットフォームが実際に請求し臨床医が判断に使うものであり、ポーズモデルの更新のたびに古びるのではなく生き残ります。

請求できるほど正確に関節角度を測れるか？

臨床グレードのゴニオメトリーは主張せず、画面上でもそう言います。単眼の膝角度誤差は平均絶対誤差9.3 to 21.9 degrees（Nature Scientific Reports, 2025）で走るので、単一カメラからの度数正確な角度主張は罠です。KinetiqはRTMが実際に求める粒度、検証済み完了に近似品質とトレンドを加え、精密な角度を捏造するのではなく可視性の低いレップでは棄権します。請求の証拠は検証済みでプロトコル対応のセッション記録であり、主張された正確な関節角度ではありません。

レポートはFHIR準拠か、うちのEHRに書き込めるか？

FHIR形状であり、FHIR検証済みではありません。セッションレポートはFHIRのObservationとDocumentReferenceのフィールド形状を写した構造化JSONで、レップ単位の観察、セッション集計、RTM判定とCPTファミリー、CMSが求める文書フィールドを運びます。このデモのEHRまたはFHIR書き込みはモックアダプタなので、Kinetiqは記録を出すのであって、稼働中のサーバーへPOSTしません。それが成果物を誠実に保ちます。臨床医が文書化する証拠であり、下流のFHIR統合向けに形作られているのであって、認定されたEHR書き込みではありません。

これから実際にRTMを請求するにはどうするか、償還は保証されるか？

CMSはCPT 98975 to 98981ファミリーのRemote Therapeutic Monitoringを償還し、加えて2026年コード98979と98985があり、生の座標ではなく治療判断に結び付いたデバイス収集データを求めます。Kinetiqはその証拠をまさに出すよう設計されています。決定論的ポリシーゲートがrtm_billable、needs_clinician_review、またはinsufficient_device_dataを返し、FHIR形状レポートがデバイス収集データと治療判断の結び付きを文書化します。CPT対応付けはRTM文書化を助ける枠組みであり、請求認定でも償還保証でもありません。フラグされたセッションは自動請求の前に臨床医へ回ります。

AIが患者の運動フォームを採点している。どう防御できるほど安全なのか？

信頼の中核は決定論的で、採点経路にLLMはありません。レップ単位の判定もRTM請求可否判定も、平易でユニットテストされたNumPyコードなので、臨床医はレップがフラグされた理由を正確に照会できます。例としてレップ9は外反指数0.054が0.03以上、テンポ1.4が1.25超のためフラグされました。エージェントは助言し、コードが決める。オプションのエージェント2つは決定論的証拠を解釈し伝えるだけであり、エージェントが証拠にない数字を持ち込むとその数字は却下され、決定論的テンプレートが代わりに示されます。その監査可能性こそ、ブランドが真実である企業にとっての要点です。

ライブカメラやモバイルSDKは必要か？今日動くものは何か？

このデモにライブカメラもオンデバイス推論もありません。キーポイントストリームは3シナリオ向けに合成生成するか、実撮影スクワットクリップ1本からMediaPipeでオフライン抽出します。どちらもスタブ化されたセンサーです。モバイルキャプチャSDKとエッジ配備は先送りです。今日動くのは本物の解釈と証明の論理です。1-Euro平滑化、信頼度ゲート、クラス非依存レップ分割、レップ単位バイオメカニクス、集団適応型ルール、RTMポリシーゲート、FHIR形状エクスポート。すべてノートPC上でキーレス。

それらの100パーセントの数字は実世界の精度か？

違います。範囲の切り方には慎重です。判定一致100パーセントは固定ラベル付き合成セット35レップ上のもので、明確25件と閾値のおよそ1シグマ以内の境界10件です。正解は植え付けた物理パラメータ対プロファイル閾値であり、エンジンとは独立に計算し、エンジンはラベル固定後に注入した測定ノイズを通じて判定を回復しなければなりません。境界ケースは識別のストレステストなので、極端の再現ではなく本物の識別ですが、オープンワールドの保証ではありません。耐久する指標はタスク精度、自動化スループット、誠実性であり、遮蔽レップ3 of 3が棄権し捏造角度0を含みます。ポーズ推定が改善してもそれらは保たれます。

技術研究

このデモの背後にある研究。アーキテクチャ、検証設計、エンタープライズ青写真。

フルソリューション

PTプラットフォーム & コーポレートウェルネス向けAIバイオメカニクスソリューションを見る →

ポーズモデルの上に頭脳を構築する

検証済みの集団適応型運動データと、請求可能なレシート。

生のポーズストリームを、臨床グレードの角度を言い過ぎずに検証済みのRTM請求可能な運動データへ変える方法を、プロダクトと臨床のチームが検討しているなら、その考え方をぜひ伺いたいです。問題は業界全体のものであり、答えもそうなるでしょう。

運動検証アセスメント

✓ ポーズストリームが回数だけでなく解釈を必要とする箇所を洗い出す
✓ 患者プロファイルごとに集団適応型閾値を定義する
✓ 推測せず棄権するよう信頼度ゲートを設定する
✓ 臨床医が文書化できるRTM請求可能なFHIR形状レコードを形作る

私たちと構築する

✓ どのポーズモデルの上にも乗る、決定論的でユニットテストされたバイオメカニクスエンジン
✓ 集団適応型ルールエンジンと決定論的RTMポリシーゲート
✓ CPT RTMファミリーに対応付けたFHIR形状セッションレポート
✓ ブラックボックス採点ではなく、縦断ノート向けのグラウンディング検査済みエージェント

WhatsAppで接続私たちのチームにメールを送る