基于深度学习姿态估计的高运动性运动障碍共现表型分析

《Annals of Clinical and Translational Neurology》：Deep Learning Pose Estimation for Phenotyping of Co-Occurring Hyperkinetic Movement Disorders

　　

目的：探讨常规门诊视频结合基于深度学习(Deep Learning, DL)的姿态估计(Apose Estimation)与临床可解释的运动学特征(Kinematic Features)是否能够支持高运动性运动障碍(Hyperkinetic Movement Disorders, HMDs)共现的多标签表型分析。方法：在这项探索性单中心概念验证研究中，来自21名HMDs患者和4名健康对照者的视频经无标记姿态估计(YOLOv8)处理，将二维关键点轨迹转换为涵盖统计、时间、频谱和复杂度域的运动学描述符。将10秒窗口与八种高运动性现象学的专家标注对齐。在这些表格化描述符上训练常规监督分类器。将窗口级预测聚合至患者级别，并仅在训练参与者上调优标签特定阈值。结果：在患者级多标签性能报告中，(i) 通过区分度选择的最佳单一流水线(StandardScaler + MLP)实现了0.821?±?0.019的宏平均精确率-召回率曲线下面积(macro-AUPRC)和0.830?±?0.029的宏平均受试者工作特征曲线下面积(macro-AUROC)。(ii) 通过汉明准确度(Hamming accuracy)选择的最佳单一流水线(MinMaxScaler + SVM)达到0.764?±?0.041。(iii) 在预设的嵌套交叉验证(Nested Cross-Validation)下（在训练折内进行每标签模型选择，主要分析），macro-AUPRC为0.717?±?0.030，macro-AUROC为0.767?±?0.069，汉明准确度为0.764?±?0.014，患者-标签一致性为153/200 (76.5%)。(iv) 事后每标签选择表现最佳的流水线定义了一个探索性上限，即172/200 (86.0%)。解释：在这项探索性研究中，结合深度学习姿态估计与特征工程监督分类的混合流水线为共现HMDs产生了令人鼓舞的患者级多标签性能。这些发现属于概念验证性质；在临床或试验应用前需要进行外部的、多中心的、前瞻性的验证。

该研究发表于《Annals of Clinical and Translational Neurology》。研究背景方面，目前在成人与儿科神经病学中，运动障碍(Movement Disorders, MDs)从现象学角度分为高运动性(Hyperkinetic)与低运动性(Hypokinetic)两类。尽管在临床表征与基因诊断方面取得进展，但MDs现象学的识别仍具挑战，尤其在神经发育、神经退行性与单基因疾病的复杂表现中，即便MDs专科医师间也存在分歧。现行临床量表多聚焦单一运动现象，难以捕捉全谱表型，且存在评分者间变异性大、可重复性有限及需专业培训等局限，尚无能同时识别监测多疾病共现高运动性MDs的综合评估工具。近期机器学习(Machine Learning, ML)进展虽可通过无标记姿态估计实现客观运动分析，但现有方法多局限于单一HMD的二分类及短时特定任务片段，且常依赖浅层特征表征，难以捕捉病理性不自主运动的时空复杂性。因此，研究人员开展此项单中心概念验证研究，开发并评估了一种结合深度学习无标记姿态估计与临床可解释运动学特征工程的混合流水线，用于共现高运动性MDs的多标签表型分析。

为开展研究，研究人员使用的主要关键技术方法包括：样本来源于法国蒙彼利埃博索莱伊诊所运动障碍科的21名确诊孤立或联合MDs患者（年龄17–75岁，含多种基因型及表型如肌张力障碍、震颤、肌阵挛、舞蹈症、手足徐动症、抽动、刻板动作、投掷症等）及4名健康对照者，采集智能手机30帧每秒、1920×1080像素的常规门诊视频并执行标准化运动任务。采用YOLOv8(yolov8x-pose-p6.pt)进行二维17关键点无标记姿态估计，将轨迹转为像素位移信号，切分为10秒窗口对齐专家标注（排除不确定段）。提取统计（均值、方差等12项）、时间动态（斜率、加速度等）、频谱（FFT主导频率/峰值振幅）、非线性复杂度（Higuchi分形维数、排列熵）及元数据等共17×22=374维/窗口运动学描述符。采用StandardScaler/MinMaxScaler等缩放与互信息特征选择，训练梯度提升树(XGBoost, LightGBM)、随机森林、SVM、逻辑回归、KNN及多层感知机(MLP)等监督分类器，处理类别不平衡（随机欠采样）及Platt缩放概率校准。评估策略包括窗口级二分类筛查、患者级多标签表型分析（窗口概率p90百分位数聚合与训练集内标签特定控制感知阈值调优）、嵌套交叉验证（MultilabelStratifiedKFold）及置换特征重要性分析。

研究结果部分，研究人员依次得出以下结论：

3.1 Binary classification（二分类）：在窗口级个体HMD检测中，以症状表达患者窗口对照健康对照窗口的筛查框架下，肌张力障碍(Dystonia)、舞蹈症(Chorea)、震颤(Tremor)及抽动(Tics)表现出稳健的窗口级性能（正类F₁约0.8–0.9）与聚合后受试者识别率，与其相对独特的运动学特征（持续性异常姿势、不规则无目的游动、节律性振荡、短暂刻板爆发）一致；而手足徐动症(Athetosis)、刻板动作(Stereotypies)、肌阵挛(Myoclonus)及投掷症(Ballismus)在10秒窗口尺度更具挑战，与其慢速连续混合模式、情境依赖性异质重复行为及高度间歇短促突发难一致时间戳有关，且与较低窗口级评分者间一致性（Cohen's κ值分别为0.259、0.000、0.366、0.220）相符。症状特异性表现中，肌张力障碍跨标注集稳定（F₁1=0.84vs0.89），舞蹈症患者级敏感性完美但窗口级标注差异较大(ΔF₁≈0.15)，震颤跨标注高度一致(ΔF₁≈0.01)，抽动患者级敏感性1.00但窗口级波动，手足徐动症中等(F₁1=0.59vs0.49)，投掷症最难(F₁1=0.14vs0.23)，刻板动作中等(F₁1=0.54)，肌阵挛标注依赖性强(ΔF₁≈0.32)。通过≥50%窗口多数投票的患者级聚合显著缓解间歇表型窗口错误，各表型受试者级特异性达1.00。在标准检查条件（休息、姿势维持、动作）下，肌张力障碍与震颤在多模型家族中保持近天花板判别性能。

3.2 Multi-Label Detection of Concurrent Hyperkinetic MDs（共现高运动性MDs的多标签检测）：在患者级多标签表现中，预设主要分析（嵌套交叉验证内每标签选模）达macro-AUPRC 0.717±0.030，macro-AUROC 0.767±0.069，Hamming准确度0.764±0.014，患者-标签一致153/200(76.5%)；按区分度选最佳单流水线(StandardScaler+MLP)macro-AUPRC 0.821±0.019；按Hamming准确度选(MinMaxScaler+SVM)达0.764±0.041；事后每标签最优探索性上限达172/200(86.0%)，9.5%点差量化模型选择乐观偏差。最佳每标签模型分解显示：肌张力障碍高敏低误报(TP=20,FN=1,FP=1)，舞蹈症与肌阵挛高召回无假阴但存过判(FP各3,4)，震颤分歧最大(FN=4,FP=4)，手足徐动症平衡漏判与过判(FN=2,FP=3)，投掷症(n=3阳性)保守检测（特异性完美FP=0，敏感性低FN=2），抽动(TP=3,FN=0,FP=0)。舞蹈症-手足徐动症残留混淆与已知现象重叠及中度评分者一致性(κ=0.600vs0.259)一致，全标签面板中舞蹈症误差减少提示额外表型对比助隔离其运动学特征。

3.3 Clinically Interpretable Feature Importance at the Patient Level（患者级临床可解释特征重要性）：决策级置换重要性显示，跨表型重要性集中于基线/持续位移与极端偏移(Excursions)运动学族（姿态设定点与偏移特征），频谱与高阶复杂度特征（偏度/峰度、排列熵、Higuchi分形维数）选择性次要贡献。解剖区域上颅面与近端上肢标志影响大，下肢依表型与视野变数。表型特异轮廓：肌张力障碍靠基线持续姿态描述符（持久异常姿态设定点），震颤靠基线/持续位移与整体运动负荷而非窄频谱签名，肌阵挛呈事件样极端偏移主导，手足徐动症方向性描述符（轨迹演化反复反转）贡献更强，刻板动作呈节段性下肢参与较多，舞蹈症/抽动/投掷症靠偏移与变异性描述符。重叠分析揭示：肌张力障碍与震颤共享基线姿态信号（震颤附加运动负荷，肌张力障碍锚定姿态偏置）；肌阵挛与震颤共享颅/近端位移负荷（肌阵挛事件性极值vs震颤持续振荡）；发作主导表型（抽动、投掷症、舞蹈症）收敛于偏移变异性；手足徐动症最富集方向性证据以区别于振荡与单纯发作现象。

讨论部分总结：研究人员指出该姿态基深度学习框架用于门诊视频自动检测共现高运动性MDs具潜力。既往应用多限于特定MD检测分类，本报告列排名与阈值患者级指标以应不同临床问题（排序证据优先vs谨慎最终判读）。窗口级负类保守定义为健康对照窗口，性能应解释为临床症状表达与规范运动判别而非患者内症状缺失检测；聚合后控制特异性一致高，符合姿态衍生特征捕获稳定规范签名。窗口判别随表型异质与视频边界定义难易变化，稳定签名表型（肌张力障碍、舞蹈症、震颤、抽动）窗口可靠，连续混合或间歇短促表型（手足徐动症、刻板动作、肌阵挛、投掷症）具挑战且与评分者依赖性一致（肌阵挛ΔF₁≈0.32，震颤ΔF₁≈0.01）。标准化条件下肌张力障碍与震颤跨模型家族强分离。多标签判别在概率排序解释下强，优化不同临床优先级（如Hamming准确度最大化vs最小化临床误分类）产生预期权衡，支持概率骨干可调至适用场景。最佳每标签模型172/200(86.0%)上限中，独特/一致标注表型（抽动、肌张力障碍、肌阵挛、舞蹈症）一致高，震颤与手足徐动症存分歧与模糊边界及短时窗非特异模式有关；罕见表型（投掷症n=3阳性）完美特异性低敏感性反映低流行区保守检测。核心方法临床挑战是无绝对金标准，评分者间变异性致部分模型“错误”或反映标注本身模糊（尤其短暂发作与重叠签名），排除不确定段使任务较日常清洁，未来需不确定性感知标注。决策重要性集中于临床直观描述符（运动负荷、姿态离散、发作偏离）辅以频谱复杂度细化，解剖上颅与近侧上肢显著。研究人员阐明多项局限：单中心小样本（21患者4对照）表型不平衡致置信区间宽（如投掷症敏感性95% Wilson CI 0.00–0.56），有效独立样本为人数非窗口数，性能可能高估外部多中心前瞻场景；固定10秒窗折衷但稀释极短事件与窄带签名；采用手工特征汇总而非全时序序列建模（适小样本可解释但可能低估间歇调制）；2D 17关键点遗漏轴向旋转、深度、精细远端手、面口舌活动（利于未来3D与专模手脸追踪）；罕见表型低κ与排除不确定段致指标乐观；半自动标注引导非端到端；模型面板与每标签选存选择乐观残差。提出五未来方向：外多中心前瞻验证与 adjudicated 标注；窗长消融与聚合策略比较；扩至3D姿态、手脸追踪及多模态（音频、加速度计）；真时序序列建模（TCN/RNN/Transformer）；不确定性感知标注量化与分级流水线（通用+表型专用下游）。结论部分翻译：总之，这项单中心概念验证研究表明，基于姿态的常规门诊视频混合分析可能捕获共现高运动性运动障碍的临床可解释签名。由于队列规模适中、表型流行不平衡、单中心设计及缺乏外部或前瞻性验证，关于临床实用性、泛化性及部署就绪性的结论须待进一步验证。转化至临床实践需外部多中心验证、重测评估、针对独立专家小组的前瞻性评价，并证明在诊断、监测或试验资格评估中的附加价值。