基于深度相机人工智能识别前交叉韧带损伤步态的准确性评估

《Scientific Reports》：Whole-body depth camera gait analysis with artificial intelligence for recognizing anterior cruciate ligament deficient gait compared with healthcare professionals

　　

摘要

前交叉韧带（ACL）损伤可能在初次评估时被遗漏，因为代偿策略可能会掩盖细微的步态异常。我们评估了医疗专业人员通过短暂视觉观察识别ACL缺陷步态的准确性，以及基于深度相机的人工智能（AI）在同一任务中的分类性能。在这项回顾性诊断研究中，从688条步态登记记录中选取了128名参与者，包括65例术前ACL断裂患者和63例健康对照。使用深度相机记录了10米行走过程，并从25个骨骼标志点在单次步态周期中的平均、最小和最大距离中衍生出2,700个全身空间特征。经过特征选择后，23种监督学习算法生成了22,124个候选模型。在一个包含30名参与者的独立测试集中，最终模型达到了80.0%的灵敏度、66.7%的特异度、73.3%的准确率，以及受试者工作特征曲线下面积为0.776。60名医疗专业人员的汇总评估显示，其灵敏度、特异度、准确率和一致性在数值上均较低。大部分被选中的特征捕捉了膝关节以外的节段间关系，其中躯干相关特征占比达60%。这些结果表明，基于深度相机的AI能够量化分布式的全身步态适应，并可能在临床实践中支持对细微ACL相关步态异常的更标准化识别。