許多臨床醫(yī)師目前使用來(lái)評(píng)估頸部損傷的技術(shù)仍然有重大缺陷，本文的研究團(tuán)隊(duì)透過(guò)軟硬體整合技術(shù)的客觀指標(biāo)，協(xié)助將頸部損傷的評(píng)估簡(jiǎn)化及自動(dòng)化。
接近三分之二的普遍人口在一生當(dāng)中至少會(huì)遭遇一次頸部疼痛的影響，這提高了醫(yī)療保健方面的隱憂。這種癥狀的常見(jiàn)原因，包含揮鞭癥候群（whiplash）、頭部撞擊，或者激烈的工作條件。舉例來(lái)說(shuō)，花費(fèi)許多時(shí)間蜷縮在工作崗位的專業(yè)人士—例如外科醫(yī)生和牙醫(yī)—經(jīng)常會(huì)出現(xiàn)頸部疼痛：還有穿戴著沉重防護(hù)頭盔的人，包含運(yùn)動(dòng)員、飛行員、消防員，也都可能面臨風(fēng)險(xiǎn)。
許多臨床醫(yī)師目前使用來(lái)評(píng)估頸部損傷的技術(shù)仍然具有重大缺陷，因?yàn)檫@些方法仰賴主觀的運(yùn)動(dòng)範(fàn)圍（range-of-motion）觀察，很難衡量損傷的程度或追蹤治療進(jìn)度。有一些還會(huì)包含像是戴在患者頭部的雷射筆的勞力密集人工操作，產(chǎn)生主觀的結(jié)果。
我們團(tuán)隊(duì)開(kāi)發(fā)了硬體和軟體來(lái)透過(guò)客觀指標(biāo)，協(xié)助將頸部損傷的評(píng)估簡(jiǎn)化及自動(dòng)化。這項(xiàng)技術(shù)研究原本是在雷克雅未克大學(xué)（Reykjavik University）進(jìn)行，而我們的新創(chuàng)公司NeckCare正在進(jìn)一步將該技術(shù)發(fā)展為商業(yè)產(chǎn)品。作為早期的創(chuàng)業(yè)投資，我們加入MathWorks Accelerator Program，以較為優(yōu)惠的方案來(lái)使用MATLAB，並且得到MathWorks工程師的支援來(lái)協(xié)助檢驗(yàn)技術(shù)。
這項(xiàng)技術(shù)依靠的是一組嵌入慣性量測(cè)單元（inertial measurement unit；IMU）的頭戴式裝置，以及在MATLAB開(kāi)發(fā)的資料分析和機(jī)器學(xué)習(xí)演算法。這套演算法處理來(lái)自IMU（圖1）的訊號(hào)，產(chǎn)生客觀、可量化的頸部活動(dòng)3D指標(biāo)。透過(guò)比較健康受試者的IMU感測(cè)器資料和正遭受揮鞭癥候群或腦震盪等情況所苦的病人的資料，該演算法可以精準(zhǔn)區(qū)分出無(wú)癥狀的案例，並且辨識(shí)遭受頸部損傷常見(jiàn)原因的案例。
| 圖1 : 頸部活動(dòng)評(píng)估設(shè)置（左）與IMU頭戴裝置（右）。 |
|
蝴蝶測(cè)試介紹
使用搭配MATLAB的IMU頭戴裝置，可以執(zhí)行各種評(píng)估，包含人類運(yùn)動(dòng)學(xué)的三個(gè)主要維度：運(yùn)動(dòng)範(fàn)圍、本體感覺(jué)（感覺(jué)身體部位運(yùn)動(dòng)和方向的能力）、和神經(jīng)肌肉控制。通常對(duì)於診斷來(lái)說(shuō)，當(dāng)中的神經(jīng)肌肉評(píng)估最具有價(jià)值，但也最難透過(guò)現(xiàn)有技術(shù)來(lái)量化執(zhí)行。
為了評(píng)估一個(gè)人的神經(jīng)肌肉控制能力，我們發(fā)明了一套稱為「蝴蝶測(cè)試（butterfly test）」的專門流程，並取得專利保護(hù)。在測(cè)試期間，受試者會(huì)坐在電腦螢?zāi)磺胺剑魃螴MU頭戴裝置。這位受試者被要求看著螢?zāi)簧系囊粋€(gè)圓點(diǎn)，並且追蹤圓點(diǎn)三種不同軌跡的移動(dòng)，從簡(jiǎn)單到困難（圖2）。
| 圖2 : 移動(dòng)的圓點(diǎn)跟隨的路徑，用於簡(jiǎn)單、中等、困難的蝴蝶測(cè)試。速度會(huì)隨著曲度而變化，因此目標(biāo)在直線部分移動(dòng)較快，彎曲部分則速度放慢。 |
|
測(cè)試進(jìn)行期間，IMU持續(xù)地測(cè)量受試者跟著移動(dòng)的圓點(diǎn)時(shí)的頭部方向變化（圖3）。具體來(lái)說(shuō)，它會(huì)以每秒60次的頻率記錄轉(zhuǎn)動(dòng)、俯仰和偏離的角度，也會(huì)記錄頭部角速度與這些維度的加速度。這些記錄下來(lái)的資料，會(huì)成為在MATLAB裡面使用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)技巧來(lái)處理的資料。
| 圖3 : 受試者在執(zhí)行蝴蝶測(cè)試時(shí)追蹤移動(dòng)的圓點(diǎn)。 |
|
統(tǒng)計(jì)分析與視覺(jué)化
在MATLAB開(kāi)發(fā)的軟體設(shè)計(jì)是用來(lái)客觀量測(cè)受試者，在蝴蝶測(cè)試中跟隨著移動(dòng)的圓點(diǎn)時(shí)，控制他們的頭部和頸部的能力。作為第一步，軟體會(huì)將透過(guò)IMU捕捉到的旋轉(zhuǎn)角度投射到與顯示器螢?zāi)槐砻嬷丿B的一個(gè)2D平面。利用這樣的投射，軟體接著可以比對(duì)圓點(diǎn)的路徑和受試者的追蹤路徑。透過(guò)繪製這些路徑重疊部位的圖，很容易可以看到無(wú)癥狀受試者和遭受頸部損傷的受試者之間的表現(xiàn)差異（圖4）。
| 圖4 : 無(wú)癥狀與患有揮鞭癥候群之受試者的蝴蝶測(cè)試表現(xiàn)視覺(jué)化。 |
|
除了產(chǎn)生視覺(jué)化圖像之外，軟體也計(jì)算了幾種統(tǒng)計(jì)指標(biāo)，可以更妥善地量化無(wú)癥狀受試者與有癥狀受試者之間的差異。有一項(xiàng)關(guān)鍵的指標(biāo)是振幅的準(zhǔn)確性，或者在整段測(cè)時(shí)期間內(nèi)，目標(biāo)圓點(diǎn)與由受試者控制的游標(biāo)之間的平均差異。這套軟體也計(jì)算瞄準(zhǔn)時(shí)間，也就是游標(biāo)位於目標(biāo)上，或靠近目標(biāo)的時(shí)間百分比，這包括下衝（undershoot）與過(guò)衝（overshoots）—分別是落後或高於目標(biāo)的時(shí)間比例。
最後，該軟體會(huì)計(jì)算運(yùn)動(dòng)平滑度，這是一個(gè)量化抖動(dòng)的參數(shù)，該參數(shù)基於主體追?的空間座標(biāo)的三階導(dǎo)數(shù)的二次和的積分，根據(jù)目標(biāo)追蹤的相同量進(jìn)行歸一化。
持續(xù)以軟體進(jìn)行的分析結(jié)果顯示，無(wú)癥狀與揮鞭癥候群受試者在幾乎所有的計(jì)算指標(biāo)都出現(xiàn)統(tǒng)計(jì)上的顯著差異，p-values通常小於0.001（圖5）。
| 圖5 : 無(wú)癥狀（AB）、腦震盪（CC）、和揮鞭癥候群（WAD）受試者的振幅準(zhǔn)確性圖表。 |
|
機(jī)器學(xué)習(xí)分類
我們最近一直在探索使用機(jī)器學(xué)習(xí)根據(jù)測(cè)試結(jié)果將受試者分為無(wú)癥狀、揮鞭或腦震盪等類別。使用Statistics and Machine Learning Toolbox內(nèi)的Classification Learner app，以一個(gè)包含了蝴蝶測(cè)試的15個(gè)變量、各種運(yùn)動(dòng)測(cè)試的30個(gè)變量、頭/頸位移測(cè)試的28個(gè)變量的資料集訓(xùn)練出多種機(jī)器學(xué)習(xí)模型。在使用有限的資料集訓(xùn)練模型以後，發(fā)現(xiàn)單純貝氏模型（naive Bayes model）的效果最好，對(duì)於受試者的分類準(zhǔn)確率達(dá)到或接近100%（圖6）。
| 圖6 : Classification Learner app中呈現(xiàn)以所有可用特徵來(lái)測(cè)試單純貝氏模型與其他模型的結(jié)果比較。 |
|
我們也使用Classification Learner app內(nèi)的特徵排序功能來(lái)找出對(duì)於分類最重要的特徵（圖7）。
| 圖7 : Classification Learner app內(nèi)的特徵排序。 |
|
透過(guò)這項(xiàng)功能，我們決定只挑選前面七項(xiàng)特徵來(lái)做為分類依據(jù)—如同使用變異分析或ANOVA的排序—這與使用所有的特徵來(lái)進(jìn)行分類具備相同的準(zhǔn)確度（圖8）。
我們正在將訓(xùn)練資料集擴(kuò)大，包含數(shù)量更多的受試者，也正在開(kāi)發(fā)能夠更進(jìn)一步將受試者依損傷嚴(yán)重程度分類的模型。
| 圖8 : Classification Learner app呈現(xiàn)出以排序前七名的特徵來(lái)測(cè)試單純貝氏模型與其他模型的結(jié)果比較。 |
|
臨床應(yīng)用
我們正積極地將此項(xiàng)技術(shù)運(yùn)用到臨床上，幫助物理治療師更適當(dāng)?shù)刂委燁i部受傷的患者。我們的頭戴裝置已經(jīng)在美國(guó)食品和藥物管理局（U.S. Food and Drug Administration；FDA）註冊(cè)為I類醫(yī)療器材。此外，也持續(xù)開(kāi)發(fā)MATLAB演算法來(lái)支援越來(lái)越多的軟體應(yīng)用程序。此類應(yīng)用之一是遠(yuǎn)距醫(yī)療和其他居家健康解決方案，患者可以在家中使用技術(shù)來(lái)從事有益健康的運(yùn)動(dòng)。
另一項(xiàng)應(yīng)用是評(píng)估運(yùn)動(dòng)員在頭部受傷後是否適合參加競(jìng)賽。這項(xiàng)技術(shù)還可能提供方法來(lái)驗(yàn)證揮鞭癥候群患者提出的保險(xiǎn)和失能索賠。最後，我們計(jì)畫(huà)將該技術(shù)的使用範(fàn)圍從頸椎評(píng)估擴(kuò)大到人體其他部位。
（本文由鈦思科技提供；作者M(jìn)agnús Gíslason於雷克雅未克大學(xué)和NeckCare公司；Thorsteinn Geirsson和Eythor Kristjansson於NeckCare公司）
