随着人工智能技术的进步,医疗领域的诊断方式正发生深刻变革。一项最新研究表明,通过分析来自可穿戴设备的运动数据,机器学习算法能够有效区分严重膝关节骨关节炎(OA)患者与健康人群。这项研究成果发表在《医学信号与传感器杂志》(Journal of Medical Signals & Sensors)上,为骨关节炎的早期诊断和监测提供了新的可能性。
可穿戴设备:非侵入式诊断的突破
研究团队利用惯性测量单元(IMU)传感器收集运动数据,这些传感器包括加速度计、陀螺仪和磁力计。研究的通讯作者Saeed Kermani博士及其团队指出,这种方法快速、经济且非侵入性,与传统的X射线诊断相比,避免了反复接触电离辐射的副作用,同时解决了偏远地区缺乏放射学设施的问题。
“随着X射线设备的老化以及诊断资源的局限性,利用传感器变量进行自动化骨关节炎初步诊断的需求正在增加,”Kermani博士写道。
研究方法与成果
研究招募了15名严重膝关节骨关节炎患者(等级4)和15名健康个体,参与者佩戴了两个IMU传感器,一个位于大腿,一个位于小腿。其中一个传感器作为动态坐标系,用以提高测量的精确度。受试者被要求在10秒内完成八步的典型步态动作,且无需使用任何辅助工具。
研究共收集了1,433条IMU信号,随后通过多种机器学习模型对数据进行分析。表现最佳的模型在区分严重膝关节骨关节炎患者与健康个体方面,准确率达到93.71% ±1.1,精确度为93% ±1.3。研究团队表示,该算法在敏感性上较现有方法提高了4%,展现出明显的优势。
研究局限与未来方向
尽管研究结果令人振奋,研究团队也指出了其局限性。由于研究的主要目标是验证可穿戴设备在诊断膝关节骨关节炎中的可行性,选择严重膝关节骨关节炎患者与健康个体进行极端对比可能影响了结果的普适性。
“在研究较轻度膝关节骨关节炎(等级2或3)患者时,上述方法的结果可能会有所下降,”研究人员写道。
未来的研究将扩展至包括中度膝关节骨关节炎患者,以进一步验证该方法的适用性并优化算法性能。
意义与展望
这项研究表明,利用可穿戴设备和人工智能技术可以显著提升膝关节骨关节炎的诊断效率,同时为疾病的监测和治疗提供了新的工具。随着技术的进一步发展,非侵入式诊断手段有望成为医疗行业的主流,为患者带来更便捷、更安全的诊断体验。
特别声明:智慧医疗网转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创,转载需获授权。