허리 통증 환자의 운동 범위에 대한 AI 지원 분석

요통(LBP)은 인구에서 자주 발생하고 모든 연령에서 발생할 수 있는 일반적인 근골격 문제입니다. 10~24세 및 50~74세 연령층 모두에서 건강한 한 해를 보내는 데 책임이 있는 LBP는 상당한 개인적, 사회적 손실을 초래하고 의료 비용을 증가시킵니다.

요통의 분류에서는 6주까지 지속되는 통증을 급성, 6~12주까지 지속되는 통증을 아급성, 12주 이상 지속되는 통증을 만성요통(CLBP)으로 정의합니다. .

만성 요통(CLBP)은 움직임에 대한 두려움을 유발하여 환자가 통증을 피하기 위해 일상 활동과 사회적 참여를 제한하게 만듭니다. LBP 환자의 좌식 생활 방식은 질병의 만성화에 기여하는 요인입니다. 대부분의 급성 요통 환자는 몇 주 또는 몇 달 내에 잘 회복되지만, 만성 요통 환자의 예후는 일반적으로 좋지 않습니다. 일차 진료 시설을 방문하는 환자의 약 1/4에서 만성 요통이 발생합니다.

따라서 만성 요통의 위험 요인을 식별하고, 만성 요통 발병 위험이 있는 인구를 이해하고, 고위험 개인을 식별하고, 적절한 예방 및 치료 조치를 구현하는 것이 중요합니다.

여러 가지 근골격계 문제가 요통 발병의 위험 요인으로 작용해 왔으며 이러한 위험 요인을 식별하고 검증하면 요통을 효과적으로 치료할 수 있는 잠재적인 메커니즘을 제공할 수 있습니다. 근골격계 문제와 위험 요인을 정확하게 식별하면 요통의 발병을 예방하고 해당 질환과 관련된 사회경제적 부담을 줄일 수 있는 메커니즘을 제공할 수 있습니다.

기계 학습(ML)은 컴퓨터 알고리즘을 사용하여 대량의 데이터에서 패턴을 식별하고 이러한 패턴을 기반으로 새로운 데이터 세트를 예측하는 과학 분야입니다. ML은 과거 데이터에서 알려지지 않은 데이터를 예측하는 모델을 생성하고 가장 적절한 알고리즘을 선택할 수 있도록 해줍니다. 또한 ML 알고리즘은 목표 변수 예측에 기여하는 변수를 추출할 수 있으며, 미래 데이터 예측의 정확도를 높이는 점에서 기존 통계 방법과 다릅니다. ML은 의료 영상의 예측 가치와 수술 후 임상 결과를 높이는 데 탁월한 성능을 보였습니다.

본 연구의 목적은 요통 환자와 건강한 사람의 관절 운동 범위를 비교하고, 인공지능 지원 분석 방법을 사용하여 이러한 범위의 차이를 찾아내는 것입니다.