基于视频的生物机械分析捕捉了不同神经肌肉疾病的疾病特异性的运动特征
Parker S Ruth1, Scott D Uhlrich2, Constance de Monts3
1Department of Computer Science, Stanford University, Stanford, CA.
NEJM AI
|September 10, 2025
概括
智能手机视频分析提供了比传统的定时功能测试 (TFT) 更敏感和特定于疾病的人类运动评估. 这项技术有助于诊断和监测神经肌肉疾病,增强患者护理和临床试验.
科学领域:
- 生物医学工程 生物医学工程
- 运动科学 运动科学
- 数字健康数字健康
背景情况:
- 评估人类运动对于诊断和监测神经肌肉疾病至关重要.
- 定时功能测试 (TFT) 是快速的,但缺乏特定疾病的运动模式捕获.
- 基于智能手机视频的生物机械分析为敏感的,临床设置的运动量化提供了潜力.
研究的目的:
- 为了比较基于视频的生物力学分析与传统的TFT的灵敏度和疾病特异性能力.
- 评估智能手机视频分析在诊断和监测运动相关疾病方面的潜力.
主要方法:
- 收集了来自129个个体的观察数据 (28个面额骨肌肉发育不良,58个肌肉发育不良,53个对照).
- 使用了OpenCap软件用于智能手机的基于视频的生物力学捕捉九个运动 (中位数为16分钟/参与者).
- 提取了34个运动特征来复制四个TFT并识别疾病特异性的签名.
主要成果:
- 基于视频的生物力学准确地复制了所有四个TFT (r>0.98),可靠性相似.
- 与TFT相比,视频指标在疾病分类方面表现优越 (P=0.021).
- 识别了特定疾病的运动特征,如步态动力学,无法通过TFT检测.
结论:
- 基于智能手机视频的生物力学分析提供了比目前的功能运动评估更敏感的疾病特异性结果.
- 这项技术支持用于运动功能评估和监测的数字健康解决方案.
- 它补充了传统措施,改善了运动障碍的护理,管理和临床试验设计.
