KI-gestützte Analyse des Bewegungsumfangs bei Patienten mit Schmerzen im unteren Rückenbereich

Schmerzen im unteren Rücken (LBP) sind ein häufiges Problem des Bewegungsapparates, das in der Bevölkerung häufig auftritt und in jedem Alter auftreten kann. LBP ist sowohl in der Altersgruppe der 10- bis 24-Jährigen als auch der 50- bis 74-Jährigen für den Verlust eines vollständigen gesunden Jahres verantwortlich, verursacht erhebliche persönliche und soziale Verluste und erhöht die Gesundheitskosten.

In der Klassifikation der Schmerzen im unteren Rücken werden Schmerzen, die bis zu 6 Wochen anhalten, als akut definiert, Schmerzen, die zwischen 6 und 12 Wochen anhalten, als subakut und Schmerzen, die länger als 12 Wochen anhalten, werden als chronische Schmerzen im unteren Rücken (CLBP) bezeichnet. .

Chronischer LBP (CLBP) führt zu Bewegungsangst und führt dazu, dass Patienten ihre täglichen Aktivitäten und ihre soziale Teilnahme einschränken, um Schmerzen zu vermeiden. Ein sitzender Lebensstil bei LBP-Patienten ist ein Faktor, der zur Chronizität der Krankheit beiträgt. Während sich die meisten akuten LBP-Patienten innerhalb weniger Wochen oder Monate gut erholen, ist die Prognose für Patienten mit chronischen Schmerzen im unteren Rücken im Allgemeinen schlecht. Ungefähr ein Viertel der Patienten, die Einrichtungen der Primärversorgung aufsuchen, entwickeln einen chronischen LBP.

Daher ist es wichtig, die Risikofaktoren für chronisches LBP zu identifizieren, die Risikogruppe für die Entwicklung eines chronischen LBP zu verstehen, Personen mit hohem Risiko zu identifizieren und geeignete präventive und therapeutische Maßnahmen umzusetzen.

Mehrere Muskel-Skelett-Probleme haben als Risikofaktoren bei der Entwicklung von LBP eine Rolle gespielt, und die Identifizierung und Validierung dieser Risikofaktoren kann einen potenziellen Mechanismus darstellen, mit dem LBP effektiv behandelt werden kann. Die genaue Identifizierung von Muskel-Skelett-Problemen und Risikofaktoren kann einen Mechanismus zur Verhinderung der Entwicklung von LBP und zur Verringerung der mit der Erkrankung verbundenen sozioökonomischen Belastung darstellen.

Maschinelles Lernen (ML) ist eine wissenschaftliche Disziplin, die Computeralgorithmen verwendet, um Muster in großen Datenmengen zu identifizieren und auf der Grundlage dieser Muster Vorhersagen für neue Datensätze zu treffen. ML erstellt Modelle zur Vorhersage unbekannter Daten aus historischen Daten und ermöglicht uns die Auswahl des am besten geeigneten Algorithmus. Darüber hinaus können ML-Algorithmen Variablen extrahieren, die zur Vorhersage der Zielvariablen beitragen, und unterscheiden sich von herkömmlichen statistischen Methoden durch die Verbesserung der Genauigkeit zukünftiger Datenvorhersagen. ML hat eine hervorragende Leistung bei der Steigerung des Vorhersagewerts der medizinischen Bildgebung und der postoperativen klinischen Ergebnisse gezeigt.

Ziel dieser Studie ist es, den Gelenkbewegungsbereich von Patienten mit Kreuzschmerzen und gesunden Personen zu vergleichen und mithilfe künstlicher Intelligenz unterstützter Analysemethoden Unterschiede in diesen Bereichen zu erkennen.