预测疼痛反应,以一个远程肌肉骨护理计划的腰部疼痛管理:发展一个预测工具的开发
Anabela C Areias1, Robert G Moulder2, Maria Molinos1
1Sword Health Inc, Draper, UT, United States.
JMIR medical informatics
|November 19, 2024
概括
一个人工智能工具在数字程序中预测腰部疼痛的缓解,帮助物理治疗师. 疼痛,运动和动机等关键因素指导早期治疗调整,以获得更好的结果.
科学领域:
- 数字健康干预措施 数字健康干预措施
- 在肌肉骨护理领域的精准医学.
- 医疗保健中的人工智能
背景情况:
- 腰部疼痛 (LBP) 有不同的表现,需要个性化治疗.
- 目前的人工智能预测工具缺乏可扩展性和实时功能.
- 数字护理计划 (DCP) 为人工智能集成提供了理想的基础设施.
研究的目的:
- 开发一种人工智能工具,以持续预测LBP患者的疼痛缓解.
- 确定不响应的预测因素,以指导治疗调整.
- 通过人工智能驱动的洞察力,提高LBP的精准医学.
主要方法:
- 利用来自6125名患者的云存储数据在远程数字肌肉骨治疗程序中.
- 使用循环神经网络 (RNN) 和LightGBM进行连续分析.
- 使用ROC-AUC,精度回忆曲线,特异性和灵敏度评估模型性能.
主要成果:
- 人工智能模型的预测随着时间的推移而得到改善,ROC-AUC在第7届会议时达到0.71.
- 模型表现出高特异性,优先考虑精度.
- 关键预测因素包括疼痛,运动表现,动机和遵守.
结论:
- 在DCP中的AI预测工具可以显著提高LBP管理.
- 该工具支持物理治疗师在动态调整护理途径时提供支持.
- 这种方法对于解决异构的LBP表型至关重要.
