Analisi assistita dall'intelligenza artificiale dell'ampiezza di movimento in pazienti con lombalgia

La lombalgia (LBP) è un problema muscoloscheletrico comune che si riscontra frequentemente nella popolazione e può verificarsi a qualsiasi età. Responsabile della perdita di un anno intero in buona salute in entrambe le fasce di età 10-24 e 50-74 anni, il LBP causa significative perdite personali e sociali e aumenta i costi sanitari.

Nella classificazione della lombalgia, il dolore che persiste fino a 6 settimane è definito acuto, il dolore che dura tra 6 e 12 settimane è subacuto e il dolore che persiste per più di 12 settimane è considerato lombalgia cronica (CLBP). .

Il LBP cronico (CLBP) porta alla paura del movimento, inducendo i pazienti a limitare le loro attività quotidiane e la partecipazione sociale per evitare il dolore. Uno stile di vita sedentario nei pazienti con LBP è un fattore che contribuisce alla cronicità della malattia. Mentre la maggior parte dei pazienti affetti da LBP acuto guarisce bene entro poche settimane o mesi, la prognosi per i pazienti con lombalgia cronica è generalmente sfavorevole. Circa un quarto dei pazienti che visitano strutture di assistenza primaria sviluppano LBP cronico.

Pertanto, è importante identificare i fattori di rischio per il LBP cronico, comprendere la popolazione a rischio di sviluppare LBP cronico, identificare gli individui ad alto rischio e implementare misure preventive e terapeutiche adeguate.

Diversi problemi muscoloscheletrici hanno svolto un ruolo come fattori di rischio nello sviluppo del LBP e l’identificazione e la convalida di questi fattori di rischio possono fornire un potenziale meccanismo attraverso il quale il LBP può essere trattato efficacemente. L’identificazione accurata dei problemi muscoloscheletrici e dei fattori di rischio può fornire un meccanismo per prevenire lo sviluppo del LBP e ridurre il carico socioeconomico associato alla condizione.

L'apprendimento automatico (ML) è una disciplina scientifica che utilizza algoritmi informatici per identificare modelli in grandi quantità di dati e fare previsioni su nuovi set di dati basati su questi modelli. Il ML crea modelli per prevedere dati sconosciuti da dati storici e ci consente di selezionare l'algoritmo più appropriato. Inoltre, gli algoritmi ML possono estrarre variabili che contribuiscono alla previsione della variabile target e differiscono dai metodi statistici tradizionali nel migliorare l’accuratezza delle previsioni dei dati futuri. La ML ha mostrato prestazioni eccellenti nell'aumentare il valore predittivo dell'imaging medico e dei risultati clinici postoperatori.

Lo scopo di questo studio è confrontare l'intervallo di movimento articolare in pazienti con lombalgia e individui sani e rilevare differenze in questi intervalli utilizzando metodi di analisi supportati dall'intelligenza artificiale.