在神经肌肉疾病药物研发取得显著进展的同时，临床评估手段却仍停留在使用秒表计时的传统方式。近期，美国斯坦福大学的研究人员开发出一种基于智能手机的视频分析方法，可在无需昂贵设备的情况下，对患者运动功能进行高精度评估。相关成果发表在 NEJM AI 杂志上。
研究由斯坦福大学生物工程系教授 Scott Delp 领衔，博士生 Parker Ruth 为论文第一作者。研究人员指出，这项技术利用两部智能手机摄像头和一款免费应用程序，就能复现传统运动功能测试的结果，并进一步捕捉到患者动作中的细微差异。
“我们的目标是将生物力学建模与计算机视觉的先进技术引入临床评估领域，使其与药物开发的精度相匹配。”Delp 在接受采访时表示。
用智能手机取代秒表
目前，临床评估神经肌肉疾病患者运动能力的常用方法是定时功能测试（timed function test），即通过秒表测量患者完成特定动作（如站起、行走10米）的时间。该方法简便且成本低，但难以识别患者运动方式中的细微变化，尤其是在疾病缓慢进展阶段。
若需获得更详细的运动分析，患者通常需前往专业运动实验室进行长时间测试，使用价格高昂的设备并由技术人员操作。Delp指出，这一现状导致“绝大多数患者一生中可能仅有一次机会接受系统运动测量”。
在本研究中，研究团队招募了近130名受试者，其中三分之二患有面肩肱型肌营养不良（FSHD）或强直性肌营养不良（DM）。研究人员使用多达三部智能手机拍摄受试者完成九种标准动作，并同步进行传统定时测试。整个过程平均仅需16分钟。
拍摄完成后，视频数据通过Delp团队开发的开源软件 OpenCap 转换为三维动作模型。该软件可自动生成受试者的“数字孪生体”，并提取包括步幅、速度、关节活动范围等在内的34项运动特征。
结果与实验室一致，识别率显著提升
结果显示，基于智能手机数据推算出的运动时间与传统秒表测量结果几乎一致，重复测试的可靠性同样较高。更重要的是，该方法能够识别不同疾病的运动模式差异。例如，FSHD患者步幅较短而踝部抬得更高，DM患者则更难从坐姿起身。
基于视频数据的计算模型可在 82% 的准确率 下区分不同疾病类型，而传统定时测试的准确率仅为约50%。研究人员认为，这意味着原本仅限于实验室的高精度运动分析，如今可在社区环境中便捷完成。
Delp 表示：“通过智能手机视频，我们有望实现运动障碍检测的普及，使患者能够更早获得诊断并更快参与临床试验。”
推广与应用前景
目前，全球已有上千家实验室采用 OpenCap 系统开展脑瘫、关节炎等疾病的运动功能评估。德国国家排球队也应用该系统分析160名运动员的伤病与表现数据。“过去需要数年才能获得的数据，现在一个赛季即可完成。”Delp 说。
研究人员指出，未来仍需进一步验证该工具在不同疾病与环境下的适用性，但其潜力已显而易见。Delp 总结道：“这种基于视频的快速、准确的运动评估方法，正有望改变多个医学领域的研究与临床实践。”
参考文献： Parker S. Ruth et al, Video-Based Biomechanical Analysis Captures Disease-Specific Movement Signatures of Different Neuromuscular Diseases, NEJM AI (2025). DOI: 10.1056/aioa2401137
编辑：王洪
排版：李丽
评论 (0)