Análise de amplitude de movimento assistida por IA em pacientes com dor lombar

A dor lombar (lombalgia) é um problema musculoesquelético comum, frequentemente encontrado na população e pode ocorrer em qualquer idade. Responsável pela perda de um ano completo e saudável nas faixas etárias de 10 a 24 anos e de 50 a 74 anos, a lombalgia causa perdas pessoais e sociais significativas e aumenta os custos com saúde.

Na classificação da dor lombar, a dor que persiste por até 6 semanas é definida como aguda, a dor que dura entre 6 a 12 semanas é subaguda e a dor que persiste por mais de 12 semanas é considerada dor lombar crônica (DLC) .

A lombalgia crônica (DLC) leva ao medo de se movimentar, fazendo com que os pacientes limitem suas atividades diárias e participação social para evitar a dor. O sedentarismo em pacientes com lombalgia é um fator que contribui para a cronicidade da doença. Embora a maioria dos pacientes com lombalgia aguda se recupere bem em poucas semanas ou meses, o prognóstico para pacientes com dor lombar crônica é geralmente ruim. Aproximadamente um quarto dos pacientes que visitam unidades de cuidados primários desenvolvem lombalgia crônica.

Portanto, são importantes identificar os fatores de risco para lombalgia crônica, compreender a população em risco de desenvolver lombalgia crônica, identificar indivíduos de alto risco e implementar medidas preventivas e terapêuticas adequadas.

Vários problemas músculo-esqueléticos têm desempenhado um papel como factores de risco no desenvolvimento da lombalgia, e a identificação e validação destes factores de risco pode fornecer um mecanismo potencial através do qual a lombalgia pode ser tratada eficazmente. A identificação precisa de problemas musculoesqueléticos e fatores de risco pode fornecer um mecanismo para prevenir o desenvolvimento de lombalgia e reduzir a carga socioeconômica associada à doença.

O aprendizado de máquina (ML) é uma disciplina científica que usa algoritmos de computador para identificar padrões em grandes quantidades de dados e fazer previsões em novos conjuntos de dados com base nesses padrões. O ML cria modelos para prever dados desconhecidos a partir de dados históricos e nos permite selecionar o algoritmo mais apropriado. Além disso, os algoritmos de ML podem extrair variáveis ​​que contribuem para a previsão da variável alvo e diferem dos métodos estatísticos tradicionais no aumento da precisão das previsões de dados futuros. O ML demonstrou excelente desempenho no aumento do valor preditivo de imagens médicas e resultados clínicos pós-operatórios.

O objetivo deste estudo é comparar a amplitude de movimento articular em pacientes com dor lombar e indivíduos saudáveis, e detectar diferenças nessas amplitudes usando métodos de análise apoiados por inteligência artificial.