面向非特異性腰痛的AI輔助診斷效果評價(jià)

崔莉，周鈞鍇,2，王念,2，肖京，季宇宣，姜美馳

1. 中國科學(xué)院計(jì)算技術(shù)研究所 泛在計(jì)算系統(tǒng)研究中心，北京 100190；2. 中國科學(xué)院大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，北京 100190；3. 中國中醫(yī)科學(xué)院西苑醫(yī)院 康復(fù)醫(yī)學(xué)科，北京 100091

引言

慢性腰痛（Chronic Low Back Pain，CLBP）可分為特異性慢性腰痛和非特異性慢性腰痛（Chronic Non-specific Low Back Pain，nLBP），該病患者眾多[1-3]。其中nLBP是指排除已知的特異性病理變化所導(dǎo)致的腰、背和骸部的疼痛，該類疾病病因不明確，轉(zhuǎn)歸多元[3]，在CLBP患者中最為常見，對患者的生活和工作造成極大困擾。目前，多個(gè)研究證實(shí)康復(fù)運(yùn)動(dòng)對nLBP的治療和康復(fù)起到關(guān)鍵作用[4]，但患者對腰痛的主觀感受呈高度個(gè)體化差異，且醫(yī)生對導(dǎo)致疼痛的責(zé)任肌肉的定位依賴于主觀判斷[5-7]，容易由于經(jīng)驗(yàn)偏差而影響診療效果。表面肌電檢測是非特異腰痛診斷中的常用方法，目前醫(yī)院中使用的表面肌電儀提供豐富而精確的動(dòng)態(tài)肌電信息，經(jīng)醫(yī)生判讀并分析歸納出特定的信號特征，進(jìn)而對所檢測的肌肉與疼痛的相關(guān)性做出判斷。這些客觀數(shù)據(jù)能在一定程度上有助于對患者疾病狀態(tài)的精準(zhǔn)判斷，然而，由人工來解讀海量數(shù)據(jù)耗時(shí)費(fèi)力，且仍不能解決因?yàn)獒t(yī)生經(jīng)驗(yàn)和診斷水平差異而帶來的偏倚。

近年來，人工智能技術(shù)越來越多地應(yīng)用于醫(yī)學(xué)自動(dòng)診斷領(lǐng)域[8-10]，如輔助影像分析[11]，在提高疾病識別和診斷效率的同時(shí)，極大地降低了醫(yī)生的診斷時(shí)間成本和醫(yī)療開銷。本團(tuán)隊(duì)研制了一種針對nLBP的人工智能（Artificial Intelligence，AI）輔助診斷系統(tǒng)，該系統(tǒng)由肌電信號預(yù)處理、運(yùn)動(dòng)區(qū)間識別、基于機(jī)器學(xué)習(xí)的特征提取及模型推理、基于肌電映射規(guī)則的自動(dòng)診斷等主要部分組成，可以判斷每塊肌肉的疼痛客觀狀態(tài)，并通過典型特征分析肌肉募集能力、疲勞速度和靜息速度等指標(biāo)，據(jù)此輔助醫(yī)生得出診斷結(jié)論。本文重點(diǎn)針對nLBP疼痛肌肉的識別與診斷，通過對比醫(yī)生常規(guī)診斷方式和AI輔助診斷系統(tǒng)的診斷效果，研究AI輔助診斷系統(tǒng)對于肌電數(shù)據(jù)的分析效果與分析能力，對其在nLBP診斷中的表現(xiàn)進(jìn)行初步驗(yàn)證和評價(jià)。

1 資料與方法

1.1 一般資料

目前臨床中，對于nLBP診斷大多使用基于典型肌電特征的診斷。該方法要求患者進(jìn)行固定的測試動(dòng)作，不同的動(dòng)作可以從不同的醫(yī)學(xué)角度描述肌肉的生理狀態(tài)，通過計(jì)算正常人和患者在典型特征上的差異來識別患者[12]。

本研究組于2020年6月至2020年8月在中國中醫(yī)科學(xué)院西苑醫(yī)院采集了15名nLBP患者的肌電信號，其中男性7例，女性8例。nLBP患者的納入標(biāo)準(zhǔn)為：病程為6個(gè)月至10年；疼痛視覺模擬評分0～4分；CT或MRI檢查未見椎間盤異?；騼H有間盤變性。本研究經(jīng)中國醫(yī)學(xué)科學(xué)院西苑醫(yī)院倫理委員會(huì)批準(zhǔn)同意。

為驗(yàn)證AI系統(tǒng)軟件自動(dòng)輸出診斷結(jié)果與醫(yī)生診斷結(jié)果的等效性，本研究方案采用可信區(qū)間的途徑來評估等效性。等效性試驗(yàn)計(jì)量資料結(jié)局樣本量的計(jì)算公式如公式(1)所示。

其中s為均值的標(biāo)準(zhǔn)差，δ為對照組均值與試驗(yàn)組均值的差值，α為出現(xiàn)假陽性錯(cuò)誤的可能性，β為出現(xiàn)假陰性錯(cuò)誤的可能性，z為α和β對應(yīng)的U值。據(jù)本臨床試驗(yàn)的目的，驗(yàn)證設(shè)計(jì)采用95%CI（雙側(cè)檢驗(yàn)）作為判斷等效的允許變異范圍，測量指標(biāo)為結(jié)論的識別正確數(shù)量。根據(jù)以往臨床試驗(yàn)估計(jì)，允許的誤差范圍為1個(gè)，即正負(fù)值均不超過1時(shí)為等效，醫(yī)生診斷的標(biāo)準(zhǔn)差為1個(gè)。該試驗(yàn)的把握度為80%，則根據(jù)公式(1)計(jì)算得，每組所需樣本量為15例受試者。

1.2 檢查診斷方法

1.2.1 肌電信號采集方法

本研究使用表面電極監(jiān)測受試者腰部的左右兩側(cè)多裂肌、左右兩側(cè)最長肌和左右兩側(cè)腰髂肋肌在運(yùn)動(dòng)中的信號。肌肉位置如圖1所示。實(shí)際采集中，表面電極對粘貼在對應(yīng)肌肉的肌腹處，每對電極的間距約為2 cm，并使用防過敏膠帶加固以盡量防止電極脫落。表面電極采用上海韓潔電子科技有限公司公司生產(chǎn)的CH3236TD一次性使用心電電極。

圖1 監(jiān)測肌肉位置

本工作采用臨床醫(yī)學(xué)已總結(jié)出的針對腰痛和nLBP患者輔助診斷的肌電測試動(dòng)作并形成測試流程[13-15]。一次采集流程包括執(zhí)行五次屈曲放松運(yùn)動(dòng)、一次雙足橋式運(yùn)動(dòng)、一次左足橋式運(yùn)動(dòng)、一次右足橋式運(yùn)動(dòng)和一次 Biering Sorensen等長運(yùn)動(dòng)，運(yùn)動(dòng)測試的流程如圖2所示。

圖2 受試者臨床肌電測試流程

動(dòng)作規(guī)范包括以下四個(gè)方面：

（1）屈曲放松運(yùn)動(dòng)。受試者雙足與肩同寬，用2 s向前勻速彎腰，當(dāng)軀干前屈到達(dá)最大幅度后，腰部完全放松并保持4 s，之后用2 s直立軀干。

（2）雙足橋式運(yùn)動(dòng)。受試者仰臥于床上并屈膝，用力抬起臀部至最高點(diǎn)，保持此體位15 s。

（3）右足支撐的橋式運(yùn)動(dòng)和左足支撐的橋式運(yùn)動(dòng)。受試者仰臥于床上，重復(fù)橋式運(yùn)動(dòng)5 s，之后將單足提起與軀干平行并保持10 s。

（4）Biering Sorensen等長運(yùn)動(dòng)。受試者俯臥于床上，腿的末端固定于床上，之后受試者用手交叉抓住對側(cè)肩部并保持此姿勢30 s。

在一次采集中，上述運(yùn)動(dòng)的肌電信號會(huì)按照時(shí)間順序串行拼接在一起，構(gòu)成該受試者的一條肌電信號數(shù)據(jù)。

1.2.2 采集設(shè)備與對象

肌電信號采集采用Thought Technology Ltd公司生產(chǎn)的FlexComp Infiniti 10肌電儀，儀器和肌電信號采集界面分別如圖3～4所示，圖5為臨床實(shí)驗(yàn)場景。

圖3 FlexComp Infiniti 10肌電儀圖

圖4 肌電信號采集界面

圖5 臨床測試中的肌電采集場景

1.2.3 診斷方法

（1）常規(guī)臨床診斷。由西苑醫(yī)院康復(fù)醫(yī)學(xué)科3名資深醫(yī)生對患者的肌電信號進(jìn)行臨床判斷。首先患者按照要求完成固定的肌電測試動(dòng)作后，醫(yī)師對肌電測試信號中各個(gè)運(yùn)動(dòng)區(qū)間的開始時(shí)間點(diǎn)和結(jié)束時(shí)間點(diǎn)進(jìn)行手工標(biāo)記。之后醫(yī)師從原始肌電信號中提取典型特征，這些特征可以從某個(gè)醫(yī)學(xué)角度描述患者肌肉的生理狀態(tài)。醫(yī)師再通過統(tǒng)計(jì)學(xué)計(jì)算方法找出正常人和患者在這些典型特征上的差異，依此識別患者并對每塊肌肉存在的問題進(jìn)行診斷，從而給出診斷報(bào)告。當(dāng)三位醫(yī)生的診斷結(jié)果不完全一致時(shí)，對不一致的部分由三位醫(yī)生采用多數(shù)投票的方法確定診斷結(jié)論，并將此診斷結(jié)果作為本測試的金標(biāo)準(zhǔn)[16]。

（2）AI自動(dòng)診斷方式。本研究提出的針對nLBP的AI輔助診斷系統(tǒng)由肌電信號預(yù)處理、雙閾值計(jì)算、運(yùn)動(dòng)區(qū)間自動(dòng)識別、數(shù)據(jù)集平衡處理、疼痛肌肉定位及特征提取、基于肌電映射規(guī)則的自動(dòng)診斷部分組成[12]，系統(tǒng)流程如圖6所示。該系統(tǒng)首先基于線性插值法和基于小群組的去噪方法對肌電信號進(jìn)行預(yù)處理，然后使用基于局部動(dòng)態(tài)閾值的雙閾值法[17]確定各個(gè)運(yùn)動(dòng)區(qū)間的起止點(diǎn)。之后系統(tǒng)使用趨于正域化的過采樣方法平衡數(shù)據(jù)集，從而得到精確特征數(shù)據(jù)集，再使用由機(jī)器學(xué)習(xí)方法構(gòu)建的隨機(jī)森林模型對疼痛肌肉進(jìn)行位置確定并提取肌電典型特征，最后通過與肌電特征之間的映射規(guī)則進(jìn)行nLBP的診斷，并自動(dòng)出具診斷報(bào)告。

圖6 AI自動(dòng)診斷軟件流程圖

（3）肌電信號預(yù)處理。實(shí)際采集中存在各種環(huán)境干擾和測試噪聲，本系統(tǒng)研究了一種基于小群組的噪聲去除方法[12]，通過聚類和密度分析去除噪聲。此外，肌電采集設(shè)備導(dǎo)出的原始肌電信號中還含有缺失值，所以系統(tǒng)還需要對肌電信號中的缺失值進(jìn)行補(bǔ)全，以支持后續(xù)的分析。本系統(tǒng)使用線性插值法[18]對原始肌電信號中的缺失值進(jìn)行補(bǔ)全。線性插值法的具體過程為：設(shè)函數(shù)y=f(x)在點(diǎn)x0和x1處的值分別為y0和y1，則線性插值法的計(jì)算公式如式(2)所示。

（4）識別閾值計(jì)算及運(yùn)動(dòng)區(qū)間自動(dòng)識別。在常規(guī)臨床診斷方式中，醫(yī)師需要對肌電信號中各個(gè)運(yùn)動(dòng)區(qū)間的起止時(shí)間點(diǎn)進(jìn)行手工標(biāo)記。 AI自動(dòng)診斷系統(tǒng)則需要實(shí)現(xiàn)對運(yùn)動(dòng)區(qū)間起止點(diǎn)的自動(dòng)識別。為此，本研究提出了一種基于局部動(dòng)態(tài)雙閾值的運(yùn)動(dòng)區(qū)間起止點(diǎn)識別方法[17]，見圖7。該方法使用計(jì)算出的多個(gè)低識別閾值和高識別閾值分別對多個(gè)運(yùn)動(dòng)區(qū)間的起止點(diǎn)進(jìn)行識別，低識別閾值和高識別閾值的計(jì)算公式如公式(3)～(4)所示。

圖7 基于局部動(dòng)態(tài)閾值的信號活動(dòng)區(qū)間識別方法示意圖

其中，AEMG為肌電平均值，VAR為肌電方差，k1、k2、k3、k4為比例系數(shù)。

（5）樣本均衡。由于肌電信號數(shù)據(jù)集通常樣本量較少，而且存在數(shù)據(jù)不平衡問題，導(dǎo)致建立模型的訓(xùn)練過程中會(huì)忽略少量但重要的疾病信息，從而影響模型精度。所以本工作設(shè)計(jì)了一種趨于正域化的過采樣方法[19]來解決數(shù)據(jù)集的不平衡問題。該方法中，算法選擇未分類數(shù)據(jù)集中的一個(gè)A類隨機(jī)樣本和一個(gè)B類隨機(jī)樣本，向少數(shù)類樣本（B類樣本）方向在二者間進(jìn)行插值如圖8a所示。經(jīng)過過采樣方法處理后的數(shù)據(jù)集分布更加平衡（圖8b），可產(chǎn)生精確數(shù)據(jù)集集合支持后續(xù)建模和分析。

圖8 趨于正域化的過采樣方法示意圖

（6）疼痛肌肉定位。疼痛肌肉定位是nLBP臨床診斷中的步驟之一，但由于患者對于疼痛的忍耐度存在差異以及醫(yī)生存在經(jīng)驗(yàn)上的差異，該定位結(jié)果通常具有主觀性。主觀偏差可能會(huì)導(dǎo)致治療上的誤差，所以需要進(jìn)行客觀的疼痛肌肉定位，以更好地輔助醫(yī)生進(jìn)行更準(zhǔn)確的診斷。在系統(tǒng)的計(jì)算模型訓(xùn)練構(gòu)建階段，本系統(tǒng)已經(jīng)采用了236例受試者的肌電數(shù)據(jù)（包括81位男性nLBP患者、95位女性nLBP患者、33位男性正常受試者和27位女性正常受試者）結(jié)合過采樣方法進(jìn)行了模型訓(xùn)練[12]，基于機(jī)器學(xué)習(xí)方法建立了隨機(jī)森林模型，可以準(zhǔn)確識別疼痛肌肉的位置。本文選擇15例nLBP患者作為驗(yàn)證樣本，在規(guī)范的臨床測試條件下，對nLBP的疼痛肌肉定位效果進(jìn)行驗(yàn)證。

（7）特征提取。nLBP患者的自動(dòng)診斷還依賴于臨床常用肌電特征的提取和準(zhǔn)確的計(jì)算模型。通過觀察受試者運(yùn)動(dòng)時(shí)肌電信號的均方根、平均肌電值、平均功率頻率和積分肌電值的變化，可以有效地區(qū)分nLBP患者和正常人，并作為臨床診斷依據(jù)[20]。所以本工作對受試者肌電信號的均方根、平均肌電值、平均功率頻率和積分肌電值進(jìn)行特征提取，用于后續(xù)的自動(dòng)診斷和驗(yàn)證。

（8）自動(dòng)診斷。最后，系統(tǒng)基于肌肉存在的問題和肌電特征之間的映射規(guī)則對受試者左右兩側(cè)多裂肌、左右兩側(cè)最長肌和左右兩側(cè)腰髂肋肌的肌肉募集能力[15]、疲勞速度[21]和靜息速度[15]三個(gè)臨床指標(biāo)進(jìn)行診斷，并出具診斷報(bào)告。

本研究研制的AI輔助診斷系統(tǒng)的界面如圖9～13所示，輔助診斷報(bào)告如圖14所示。

圖9 AI輔助診斷系統(tǒng)界面首頁

圖10 手動(dòng)調(diào)整運(yùn)動(dòng)時(shí)間頁面

圖11 手動(dòng)調(diào)整閾值頁面

圖12 放大信號顯示頁面

圖13 分段放大顯示信號模塊

圖14 AI輔助診斷系統(tǒng)診斷報(bào)告

1.3 統(tǒng)計(jì)學(xué)分析

本工作以醫(yī)生診斷結(jié)果為標(biāo)準(zhǔn)，對比評價(jià)AI輔助診斷系統(tǒng)針對nLBP診斷的效果。本文采用IBM SPSS 19.0對兩種診斷結(jié)果進(jìn)行分析。使用組內(nèi)相關(guān)系數(shù)（Intraclass Correlation Coefficient，ICC）對兩種診斷結(jié)果的一致性進(jìn)行檢驗(yàn)，對比常規(guī)診斷方式和AI診斷方式對nLBP的診斷檢出率和準(zhǔn)確性，同時(shí)使用配對樣本t檢驗(yàn)對常規(guī)診斷方式和AI診斷方式的診斷用時(shí)進(jìn)行差異性分析。

2 結(jié)果

2.1 機(jī)器學(xué)習(xí)模型對疼痛肌肉的標(biāo)記效果

本文以15名nLBP患者的主訴為基礎(chǔ)，結(jié)合醫(yī)師觀察給出對疼痛肌肉的人工標(biāo)記（疼痛或非疼痛），對患者的左右兩側(cè)多裂肌、左右兩側(cè)最長肌和左右兩側(cè)腰髂肋肌共6塊肌肉進(jìn)行標(biāo)記，另使用AI診斷系統(tǒng)對于患者的疼痛肌肉位置進(jìn)行計(jì)算，兩種方式所得結(jié)果如表1所示。

表1 人工與AI診斷系統(tǒng)對疼痛肌肉的標(biāo)記個(gè)數(shù)

由表1結(jié)果可得，AI診斷系統(tǒng)對于左多裂肌、右多裂肌、左最長肌、右最長肌、左腰髂肋肌和右腰髂肋肌的疼痛肌肉標(biāo)記與人工標(biāo)記的一致度分別為53.33%、73.33%、80.00%、86.67%、80.00%和86.67%，平均為76.67%，說明AI診斷方式對于這15名nLBP患者的疼痛肌肉的診斷標(biāo)記能力良好，兩種方式結(jié)果的差異反映出病人主訴的主觀性，及個(gè)體之間對疼痛敏感度的差異。AI的計(jì)算結(jié)果可以客觀佐證病人主訴，對醫(yī)生做出更準(zhǔn)確的診斷提供幫助。

2.2 診斷結(jié)果一致性對比

本文使用ICC作為信度檢驗(yàn)指標(biāo)，將15名nLBP患者的常規(guī)診斷方式診斷結(jié)果作為一組，將這15名nLBP患者的AI診斷方式診斷結(jié)果作為另一組，選擇3個(gè)臨床中常用的診斷指標(biāo)：肌肉募集能力[15]、疲勞速度[21]和靜息速度[15]，對患者的左右兩側(cè)多裂肌、左右兩側(cè)最長肌和左右兩側(cè)腰髂肋肌共6塊肌肉進(jìn)行檢測。所以針對每位受試者，常規(guī)診斷方式對于每個(gè)診斷指標(biāo)檢出的問題肌肉個(gè)數(shù)為0～6個(gè)。AI診斷方式對于每個(gè)診斷指標(biāo)檢出的問題肌肉個(gè)數(shù)為0至常規(guī)診斷方式檢出的問題肌肉個(gè)數(shù)。

采用IBM SPSS 19.0統(tǒng)計(jì)軟件并使用ICC方法對兩種診斷方式的診斷結(jié)果一致性進(jìn)行分析。在一致性分析時(shí)，本文信度的界定范圍如下：ICC＞0.90為極好，ICC＞0.7為良好，ICC＜0.7為信度欠佳[21]。

實(shí)驗(yàn)結(jié)果表明，常規(guī)診斷方式與AI診斷方式對15名nLBP患者的肌肉募集能力、疲勞速度和靜息速度的ICC值分別為1.000，1.000和1.000，均大于0.9，信度結(jié)果皆具有良好的一致性。

2.3 檢出率與準(zhǔn)確率

本文以中國中醫(yī)科學(xué)院西苑醫(yī)院3名資深醫(yī)師對于15名nLBP患者給出的肌電診斷報(bào)告為標(biāo)準(zhǔn)，對AI診斷系統(tǒng)對于患者的肌肉募集能力、疲勞速度和靜息速度3個(gè)診斷指標(biāo)檢出的問題肌肉個(gè)數(shù)進(jìn)行了驗(yàn)證，兩種診斷方式的檢出問題肌肉總個(gè)數(shù)對比和對于每名受試者的檢出問題肌肉個(gè)數(shù)對比的驗(yàn)證結(jié)果如表2所示。

表2 AI診斷/常規(guī)診斷兩種方式對于每名受試者的檢出問題肌肉個(gè)數(shù)對比

常規(guī)診斷方式和AI診斷方式對于肌肉募集能力、疲勞速度和靜息速度的檢出個(gè)數(shù)分別為29、81和36個(gè)，且對于每名受試者的檢出問題肌肉個(gè)數(shù)一致，說明AI診斷方式對于這15名nLBP患者的肌肉募集能力、疲勞速度和靜息速度的檢出能力良好，準(zhǔn)確率高。

2.4 診斷用時(shí)對比

本研究共對相同的15名nLBP患者分別使用常規(guī)診斷方式和AI診斷方式進(jìn)行了診斷，本文使用配對樣本t檢驗(yàn)對兩種診斷方式的診斷用時(shí)進(jìn)行差異性分析，其中診斷用時(shí)從導(dǎo)出患者數(shù)據(jù)的時(shí)間點(diǎn)開始，直到完成患者診斷報(bào)告的時(shí)間點(diǎn)結(jié)束。常規(guī)診斷方式的平均診斷用時(shí)為28 min，AI診斷方式的平均診斷用時(shí)為1.7 min，兩者具有明顯統(tǒng)計(jì)學(xué)差異（P＜0.05）。AI診斷方式的平均診斷用時(shí)平均比常規(guī)診斷方式減少26.3 min。

3 討論

本研究針對nLBP的醫(yī)生常規(guī)診斷方式存在病人主訴主觀性較強(qiáng)、醫(yī)生讀取肌電圖所需時(shí)間長成本高、診斷結(jié)果因醫(yī)生經(jīng)驗(yàn)不同會(huì)產(chǎn)生差異性等需要解決的問題，提出了一種面向nLBP的AI輔助診斷系統(tǒng)，并對系統(tǒng)的診斷效果進(jìn)行了驗(yàn)證與評價(jià)。從該系統(tǒng)的構(gòu)建技術(shù)方面，該系統(tǒng)針對信號的強(qiáng)干擾采集狀態(tài)，提出的基于小群組的噪聲去除方法及局部動(dòng)態(tài)閾值的運(yùn)動(dòng)區(qū)間識別方法，不僅能降低人工標(biāo)記方法的時(shí)間成本，也為自動(dòng)診斷提供了準(zhǔn)確的運(yùn)動(dòng)區(qū)間起止點(diǎn)識別結(jié)果。在特征提取和計(jì)算模型的訓(xùn)練建立中，該系統(tǒng)提出了基于小群組的噪聲去除和趨向正域化的過采樣方法解決了樣本不平衡的問題，從而提升了機(jī)器學(xué)習(xí)模型用于疼痛肌肉定位的準(zhǔn)確性。從該系統(tǒng)的實(shí)用效果方面，初步獲得的驗(yàn)證結(jié)果表明AI自動(dòng)診斷方式和醫(yī)生常規(guī)診斷方式的診斷結(jié)果的一致性良好，診斷用時(shí)平均減少26.3 min，具有統(tǒng)計(jì)學(xué)意義（P＜0.05）。對于本研究選取的15名nLBP患者，在檢出率與準(zhǔn)確性方面，AI輔助診療系統(tǒng)對于肌肉募集能力、疲勞速度和靜息速度準(zhǔn)確率的平均診斷準(zhǔn)確性達(dá)到100%。同時(shí)，由于該AI輔助診斷系統(tǒng)能夠計(jì)算出疼痛肌肉的位置，可以對肌肉的狀態(tài)給出一個(gè)相對客觀的識別和判斷，這個(gè)不依賴病人主觀感覺的結(jié)果可以提供給醫(yī)生更多的信息支持，輔助醫(yī)生更準(zhǔn)確地判斷病人的病情。比如對疼痛肌肉的識別和定位結(jié)果會(huì)對患者個(gè)性化運(yùn)動(dòng)處方及治療強(qiáng)度的制定產(chǎn)生影響，具體可表現(xiàn)為如下幾種可能性：當(dāng)患者某塊肌肉存在檢出問題且有疼痛現(xiàn)象時(shí)，說明患者此肌肉的病情確切，需要重點(diǎn)治療；當(dāng)患者某塊肌肉存在檢出問題但沒有疼痛現(xiàn)象時(shí)，說明患者此肌肉的病情較輕，需要給予關(guān)注；當(dāng)患者某塊肌肉不存在檢出問題卻有疼痛現(xiàn)象時(shí)，說明此疼痛可能由于其他原因?qū)е?，需結(jié)合其他臨床診斷方式加以判斷。

4 結(jié)論

本文提出了一種面向nLBP的AI輔助診斷系統(tǒng)，同時(shí)探索該系統(tǒng)的應(yīng)用效果。本文提出的AI輔助診斷系統(tǒng)由肌電信號預(yù)處理、運(yùn)動(dòng)區(qū)間識別、特征提取及模型推理、基于肌電映射規(guī)則的自動(dòng)診斷部分組成。初步驗(yàn)證結(jié)果表明，該系統(tǒng)能夠有效地克服病人主訴及常規(guī)診斷方式中因醫(yī)生經(jīng)驗(yàn)不同而呈現(xiàn)出的主觀診斷差異，提升診斷效率，減少醫(yī)療成本，減輕醫(yī)生的臨床工作負(fù)擔(dān)，可為臨床nLBP檢測提供可靠幫助。后續(xù)工作中將進(jìn)一步擴(kuò)展AI系統(tǒng)與醫(yī)生常規(guī)診斷相結(jié)合的深度，并開展更具廣度的臨床測試與實(shí)用驗(yàn)證。