基于语音特征检测慢性肌肉骨骼疼痛：一项面向老年人群的无创筛查新方法

《IEEE Journal of Translational Engineering in Health and Medicine》：Detection of Chronic Musculoskeletal Pain Using Voice Characteristics

本研究针对慢性肌肉骨骼疼痛缺乏客观评估标准的临床难题，创新性地提出通过语音特征分析实现疼痛检测。研究团队基于大规模人群队列（ROAD研究），采集老年人长元音发音数据，结合主成分分析和正则化逻辑回归构建慢性肌肉骨骼疼痛检测指数（CMPDI）。结果显示膝关节疼痛组判别准确率达80%，交叉验证保持70%以上精度。该语音指数为疼痛客观评估提供了非侵入性新工具，在老年疼痛筛查和远程医疗中具有重要应用价值。

　　

在全球人口老龄化加速的背景下，慢性肌肉骨骼疼痛已成为影响老年人生活质量的重要健康问题。据日本2019年国民生活调查显示，腰痛在男性常见症状中排名第一，在女性中排名第二；四肢关节疼痛在男性中排名第五，在女性中排名第三。然而，疼痛作为一种主观感受，目前缺乏标准化的客观评估方法。临床常用的视觉模拟量表（VAS）和数字评分量表（NRS）等自评工具容易受到报告偏倚的影响，特别是老年人常因疼痛相关偏见或自身忍耐性格而不愿主动报告疼痛。虽然血压、心率等生理指标以及功能性磁共振成像等技术已被用于疼痛评估，但前者准确性有限，后者则存在成本高、侵入性强的问题。

为了解决这一临床痛点，东京大学Masakazu Higuchi团队创新性地将语音分析技术引入疼痛检测领域。研究者假设慢性肌肉骨骼疼痛引起的生理变化会间接影响声带功能，从而在语音特征中留下可识别的"痕迹"。这项发表于《IEEE Journal of Translational Engineering in Health and Medicine》的研究，首次系统探讨了通过语音特征检测慢性肌肉骨骼疼痛的可行性。

研究团队依托骨关节炎/骨质疏松症对抗残疾（ROAD）研究项目的大型人群队列，在2019年对沿海地区（Taiji, Wakayama）65岁及以上老年人进行语音采集。参与者被要求朗读6个固定短语并发长元音"啊"，使用便携式录音设备在专业环境下录制高质量音频。基于疼痛问诊和骨科医生检查，512名参与者被分为正常组（244人）和疼痛组（268人），疼痛组进一步细分为仅腰椎疼痛（PL）、仅膝关节疼痛（PK）以及腰椎膝关节同时疼痛（PL×PK）三个亚组。

技术方法上，研究采用openSMILE软件从长元音中提取6552个语音特征，排除与抑郁（通过活力指数评估）和认知障碍（MMSE评分）相关的特征以及性别差异显著的特征后，通过受试者工作特征曲线下面积（AUC）筛选有效特征，应用主成分分析（PCA）降维，最后采用正则化逻辑回归构建慢性肌肉骨骼疼痛检测指数（CMPDI）。

研究结果

语音特征选择与模型构建

从6552个初始特征中，研究针对不同疼痛组别筛选出最具判别力的特征组合。如表3所示，膝关节疼痛（PK）组中64.1%的特征与梅尔频率谱功率相关，而腰椎疼痛（PL）组则更多依赖频谱功率相关特征（42.9%）和MFCC相关特征（17.6%）。主成分分析将选定特征转化为累积贡献率达80%的主成分，数量从35个（PL×PK组）到59个（PL组）不等。

CMPDI判别性能

研究构建的CMPDI在不同疼痛组别表现出 varying 的判别效果。膝关节疼痛（PK）组的判别性能最为突出，灵敏度达0.81，特异性达0.84，准确率达0.84（表6）。交叉验证结果显示其性能保持稳定，直至约50折时仍维持70%以上的准确率（图5）。相比之下，腰椎疼痛（PL）组的判别性能较低，灵敏度为0.78，特异性为0.81，但交叉验证中性能下降明显，提示可能存在过拟合。

组间差异分析

Welch's t检验显示所有疼痛组与正常组的CMPDI值分布均存在显著差异（p<0.01）。如图4所示，虽然两组分布存在重叠，但疼痛组的CMPDI值整体偏向更高数值。值得注意的是，膝关节疼痛相关的语音特征更为特异，而腰椎疼痛的特征则与正常组更为相似，这可能与腰椎疼痛的 multifactorial 特性及其与心理健康的强关联有关。

混淆因素控制

研究还评估了身高和体重指数（BMI）对语音特征的潜在影响。如图6所示，语音特征与身高/BMI的相关性绝对值均不超过0.2。通过回归控制身高和BMI后，CMPDI的判别性能未发生显著变化（表8），表明这些人口学特征对疼痛检测影响有限。

讨论与结论

本研究首次证实了语音特征在慢性肌肉骨骼疼痛检测中的应用价值。特别是针对膝关节疼痛，CMPDI表现出超过80%的判别准确率，且交叉验证结果稳健，表明该方法具有良好的泛化能力。相比之下，腰椎疼痛的检测效果相对较弱，可能与其复杂的病因学和更强的心理影响因素有关。

从技术角度看，膝关节疼痛主要影响梅尔频率谱功率相关特征，而腰椎疼痛则更多影响频谱功率和MFCC相关特征。这种差异为理解不同部位疼痛的生理机制提供了新视角。研究者推测，疼痛引起的自主神经失衡可能通过迷走神经影响声带功能，从而在语音特征中有所体现。

研究的临床意义在于提供了一种完全非侵入性、低成本的疼痛筛查工具。对于沟通困难的老年患者（如痴呆症患者）以及偏远地区居民，语音检测可作为疼痛评估的辅助手段。在后疫情时代，远程医疗需求日益增长，这种基于语音的分析方法更具实用价值。

研究局限性包括仅使用日语语音数据，且未评估疼痛强度（如VAS评分）与语音特征的关系。未来研究将纳入多语言数据和疼痛强度评估，进一步优化模型性能。同时，将语音特征与其他生理指标（如心率变异性）结合，可能提高疼痛检测的准确性。

总之，这项研究为疼痛这种主观感受的客观评估开辟了新途径。随着语音分析技术的不断成熟，CMPDI有望成为临床疼痛管理的有力工具，特别是在老年人群的健康监测和慢性疼痛管理中发挥重要作用。