编辑推荐：
为解决地面测力台（GFP）测量峰值反向跳跃功率在临床应用受限的问题，韩国 Severance 医院研究人员开展基于深度学习的视频估算峰值跳跃功率（vJP）研究。发现 vJP 与真实值（gJP）高度一致，且与肌肉减少症、年龄等相关，为日常无标记监测提供概念验证。
利用深度学习通过视频估算的峰值跳跃功率（vJP）与真实跳跃功率（gJP）显示出强烈一致性。在成年人中，vJP 与肌肉减少症、年龄和肌肉参数相关，这为在日常生活空间中进行无标记的峰值跳跃功率监测提供了概念验证。研究目的在于，地面测力台（GFP）测量的低峰值反向跳跃功率与老年人肌肉减少症、身体机能受损和骨折风险升高相关，但 GFP 仅在研究环境中可用，限制了其临床应用，而基于视频的峰值跳跃功率估算可提高跳跃功率测量在研究环境之外的临床适用性。研究于 2022 年 3 月至 8 月期间，在韩国 Severance 医院的骨质疏松诊所前瞻性收集数据。个体在 GFP 上进行三次跳跃尝试并录像，同时测量握力（HGS）、5 次起坐测试（CRT）和四肢瘦体重（ALM）。使用开源深度学习姿态估计和机器学习算法，在 80% 的训练集中估算视频估算的峰值跳跃功率（vJP），肌肉减少症按韩国肌肉减少症工作组 2023 年的定义界定。共分析了 220 名患者（平均年龄 62 岁；77% 为女性；19% 患有肌肉减少症）的 658 条跳跃运动数据。在测试集（20% 保留集）中，预测跳跃功率与实际跳跃功率的平均差异为 0.27 W/kg（95% 一致性界限为?5.01 至 + 5.54 W/kg；相关系数 0.93）。vJP 检测 gJP 定义的低跳跃功率的灵敏度为 81.8%，特异度为 91.3%。vJP 与 gJP 一样，随年龄增长呈急剧下降趋势，与 HGS 和 CRT 呈中度至强相关。八个地标（双肩、髋、膝关节和耳朵）是 vJP 估算中贡献最大的特征。vJP 与肌肉减少症的存在（未调整和调整后分别为?3.95 和?2.30 W/kg）、HGS（每 1 个标准差降低?3.69 和?1.96 W/kg）和 CRT 表现（log-CRT 每 1 个标准差降低?2.79 和?1.87 W/kg）相关，与 gJP 相似。结论表明，vJP 与成年人的肌肉减少症、年龄和肌肉参数相关，与真实跳跃功率具有良好的一致性。
