基于人工智能的办公人群工作相关肌肉骨骼疾患风险模型：探索泛化性、可解释性与二分量表的使用

《Ergonomics》：AI-based models for risks of work-related musculoskeletal disorders in office workers: exploring generalisability, interpretability and use of binary scales

　　

人工智能（AI）有望增强办公环境中工作相关肌肉骨骼疾患（WMSDs）风险评估的能力。本研究对先前开发的机器学习（ML）模型进行了外部验证，并评估了简化二值数据输入的性能。基于810名办公人员数据训练的六个模型，使用一个由74名全球招募参与者组成的独立数据集进行了验证。采用F₁分数（F1-score）和受试者工作特征曲线下面积（AUC-ROC）指标评估了九个解剖区域的模型性能。使用SHapley Additive exPlanations（SHAP）解释风险因素的贡献，并将使用有序Likert量表输入与二值转换表示的模型性能进行了比较。泛化性因解剖区域而异，高患病率区域（颈部和下背部）表现中等，而低患病率区域准确性降低。极端梯度提升（XGB）在多个解剖区域表现出中等但相对稳定的性能。这些发现强调了对特定区域进行验证的必要性，并支持了简化、可解释且可扩展的基于AI的工具在办公环境实际人体工程学风险评估中的可行性。

工作相关肌肉骨骼疾患（WMSDs，指由工作因素引起或加重的肌肉、肌腱、神经和关节损伤）在办公环境中普遍存在，长期静态姿势、重复性电脑操作和心理社会压力是主要风险因素。传统评估工具如快速上肢评估（RULA）、快速全身评估（REBA）和快速办公室负荷评估（ROSA）依赖观察者主观判断，而问卷如北欧肌肉骨骼问卷（NMQ）、马斯特里赫特上肢问卷（MUEQ）和心理社会问卷虽能提供信息，却难以整合多因素交互且耗时较长。近年人工智能（AI）和机器学习（ML）有望提升风险评估，但多数研究局限于内部验证，模型可解释性不足，且常依赖高分辨率传感器数据，难以在真实办公场景推广。为此，研究人员基于先前开发的六个ML模型，开展了一项外部验证、可解释性分析和二值输入可行性评估的研究，旨在解决三个问题：模型在新人群中的泛化性、二值化简化输入对性能的影响，以及风险因素贡献的透明解释。该研究发表在《Ergonomics》期刊。

在技术方法上，模型基于810名办公人员的公开数据训练，外部验证使用了通过Prolific在线平台招募的74名国际参与者（主要来自英国、美国、澳大利亚、爱尔兰和加拿大等英语国家），并与先前单一组织52名办公人员的数据进行了比较。研究采用北欧肌肉骨骼问卷（NMQ）、马斯特里赫特上肢问卷（MUEQ）、哥本哈根心理社会问卷（COPSOQ）和感知压力量表（PSS）收集数据，涵盖个体、物理、组织和心理社会等36个风险因素。六个模型（逻辑回归LR、决策树DT、极端梯度提升XGB、随机森林RF、梯度提升GB、多层感知机MLP）分别对九个身体区域（颈、肩、肘、腕、上背、下背、髋、膝、踝）进行分类，采用F₁分数和AUC-ROC评估性能，并以F₁为主要比较指标。可解释性通过SHapley Additive exPlanations（SHAP）框架实现，重点分析XGB模型。二值化分析则在810人数据集上使用XGB模型结合合成少数类过采样技术（SMOTE），比较原始有序Likert输入和将选项合并为0/1的二值输入的性能差异。

**泛化性发现**：外部验证结果显示，模型性能在不同身体区域差异显著。XGB在颈部（F₁=0.746）、肩部（F₁=0.702）、肘部（F₁=0.133）和上背（F₁=0.629）取得最高F₁分数；LR在下背表现最佳（F₁=0.817），DT在腕部和踝部略优，MLP在膝部最佳。区域平均F₁中XGB最高（0.506），LR的AUC-ROC最高（0.516），MLP最低（0.402）。与先前单一组织数据相比，更广泛的国际数据集在躯干区域（上背、下背）表现更好，而单一组织数据集在远端区域（腕、肘、踝）表现更好，表明组织和文化背景影响模型迁移能力。高患病率区域（颈、下背）获得了中等性能，低患病率区域（肘、踝）准确性较低。

**可解释性发现**：SHAP分析显示，个体因素（如年龄、身高、体重、BMI）在多个区域中贡献稳定且方向一致，较高值通常增加预测风险。物理因素如站立时间和重复性动作的影响具有区域特异性，例如站立时间在肩部预测中排名第一，但在下背和踝部排名较低。心理社会因素（如角色清晰度、工作节奏、工作-生活冲突）的贡献差异较大，而生活方式变量（体育活动、饮酒、吸烟）和笔记本电脑/手机使用几乎无贡献。SHAP方向进一步显示，年龄较大、女性和体重较高者更可能被预测为有症状。一些反直觉关联（如较低压力和量化需求反而对应较高颈部风险）可能源于静态工作、心理激活和身体活动不足的复杂交互，但也提示了横断面自我报告数据的局限性。

**二值转换分析**：在810人原始数据集上，将有序量表转换为二值（如将“从不/很少/有时”归为0，“经常/总是”归为1，心理社会得分≥66.7归为高暴露）后，大多数身体区域的F₁分数和AUC-ROC变化小于预设的0.05阈值，表明性能基本不变。髋部和踝部在二值化后性能甚至有所提升。这提示简化的二值输入保留了核心预测信息，可能降低数据收集负担，便于实际工作场所应用。

讨论部分指出，外部验证的性能波动反映了WMSD预测的上下文依赖性，即使同一职业类别，不同组织的工位配置、任务结构、组织文化和区域实践都会影响风险模式。因此，模型应被视为区域特异性的决策支持工具，而非通用分类器。SHAP解释揭示了风险因素贡献的异质性，强调干预措施需要针对多个暴露途径，而非依赖单一统一方案。研究结论部分翻译如下：本研究探讨了AI驱动方法在办公人员WMSD风险评估中的泛化性和可解释性，包括首次评估用二值选项替代多级答案量表。通过将先前开发的模型应用于新收集的真实世界数据，研究结果表明该模型在独立人群中表现出总体一致的预测行为，支持其超出原始开发环境的潜在适用性。所提出的模型旨在支持人体工程学筛查、优先级排序和决策支持，而非替代专家人体工程学评估或临床评价。单一组织数据集与更广泛的全球验证数据集之间观察到的性能差异表明，组织和地理/国家背景可能影响身体区域特定模型的性能。此外，对不同身体区域中各风险因素贡献差异的洞察，使研究人员能够更清晰地理解不同变量如何影响模型预测。通过将外部验证与可解释AI技术相结合，本研究展示了AI模型如何从预测准确性走向可解释且具有实际相关性的决策支持工具。此外，原始数据集与二值转换数据集的比较表明，模型性能和关键解释模式在不同数据表示下基本保持不变。这表明简化的二值输入可能足以进行有效的基于AI的人体工程学风险评估，这对于在难以获得详细测量数据的工作场所实施具有重要实际意义。总的来说，本研究强调了结合外部验证、简化数据表示和可解释AI技术对于支持现代办公环境中可靠、可解释且具有实际意义的WMSD风险评估的价值。