智能手机为监测神经肌肉疾病患者提供便捷升级
作者：Katia Savchuk，斯坦福大学医学中心
编辑：Sadie Harley，审阅：Robert Egan
由于研究人员在开发治疗神经肌肉疾病的药物方面取得了显著进展，Scott Delp博士惊讶地发现，进行临床试验的科学家们仍在依赖一种明显低科技的工具来跟踪这些治疗方法是否有效：秒表。
在发表于《NEJM AI》的一项研究中，生物工程学教授Delp及其合作者表明，智能手机可以同样甚至更好地完成这项工作。通过两个智能手机摄像头和一个免费应用程序，他们能够复制两种神经肌肉疾病的标准化运动测试结果，并捕捉关于患者身体能力的更多细节。
Delp表示："我们的目标是运用世界上最先进的生物力学建模和计算机视觉技术，以匹配药物开发方面的进展。"
Delp是该研究的资深作者。斯坦福大学计算机科学专业的博士生Parker Ruth是主要作者。
临床医生通常使用秒表来记录运动相关疾病患者完成特定任务所需的时间，例如从椅子上站起来或步行10米。这种被称为计时功能测试的方法快速且成本低廉，但它无法检测患者运动中的细微变化，尤其是在进展缓慢的疾病中。
为了获得更详细的视图，患者需要前往运动分析实验室，那里的生物力学评估需要数小时，且需要高度训练的技术人员和价值数十万美元的设备。Delp表示："现状是只有极少数人能够进行运动测量，这在临床上很少使用——通常一个人一生中测量零次或一次。"
为了测试手机是否能够完成这项工作，Delp和他的合作者使用多达三个智能手机摄像头记录了近130人在进行九种运动时的情况，例如10米跑和提踵。三分之二的参与者患有神经肌肉疾病——面肩肱肌营养不良症（FSHD）或肌强直性营养不良症（DM）——其余人没有诊断出运动问题。同时，临床评估员进行了四项传统的计时功能测试。整个过程平均仅需16分钟。
研究人员使用OpenCap（Delp及其斯坦福团队于2023年发布的开源工具）将视频转换为3D模型。该软件自动创建了每位参与者的"数字孪生体"，使团队能够测量活动范围、步幅长度、速度和其他运动方面。研究人员随后将数据转化为与FSHD和DM相关的34个运动特征，例如患者行走时脚踝抬高的高度。
基于智能手机数据，研究人员推断出与秒表测量几乎相同的时间评分。当部分参与者第二天重复测试时，智能手机系统证明同样可靠。
Delp表示："仅凭一段视频，你就可以复制经验丰富的繁忙临床医生在诊所中所做的工作。"
更好的诊断工具
视频还揭示了计时测试无法捕捉的疾病特异性运动模式。例如，FSHD患者行走时步幅较短且脚踝抬得更高，而DM患者则在从椅子上站起来时遇到更多困难。
根据录像，计算机模型可以以82%的准确率识别一个人所患的疾病，而秒表方法的准确率仅为50%。
研究结果表明，曾经局限于专业实验室的分析现在可以快速、随时随地且免费进行。
Delp表示："这确实令人鼓舞。通过智能手机视频普及访问，我们认为我们可以在社区中免费检测运动障碍。我们可以更早地检测疾病，使患者能够更早寻求治疗或参与药物试验。"
Delp和他的团队已经开始研究如何将OpenCap等工具纳入临床试验。他希望这种方法将使神经肌肉疾病治疗方法的测量更加精确、易于获取和实施。他表示："我们将拥有更复杂的测量方法来判断治疗方法是否有效。"
与此同时，全球数千家实验室已经在使用OpenCap来评估脑瘫和关节炎等状况。例如，德国国家排球队使用该工具评估了160名运动员的运动损伤。
Delp表示："过去他们需要数年时间才能获得这类数据，而使用OpenCap，他们在一个赛季内就完成了。他们正在深入了解如何表现得更好、避免受伤并更快地提高。"
Delp强调，需要进一步研究以确保该工具在每个新应用中的准确性。尽管如此，他相信这项技术代表了医生诊断和跟踪运动障碍的未来。他表示："这种准确快速评估运动的方法即将改变多个领域。"
在斯坦福大学获得博士学位、现为犹他大学助理教授的Scott Uhlrich也是该研究的主要作者之一。斯坦福医学院神经病学教授John Day医学博士、哲学博士和研究科学家Tina Duong哲学博士及其团队也在该研究中发挥了重要作用。
【全文结束】
