研究人员一直使用Fitbit数据来帮助预测手术结果，现在有了新方法来更准确地判断患者从脊柱手术中恢复的情况。

利用圣路易斯华盛顿大学健康人工智能研究所开发的机器学习技术，该校麦凯维工程学院的Fullgraf教授ChenyangLu与医学院神经外科助理教授JacobGreenberg医学博士合作，开发出一种更准确地预测腰椎手术恢复情况的方法。

研究结果发表在《美国计算机学会会刊：互动、移动、可穿戴和无处不在的技术》上，表明他们的模型在预测脊柱手术结果方面优于以前的模型。这一点很重要，因为在下背部手术和许多其他骨科手术中，结果因患者的结构性疾病以及患者不同的身心健康特征而有很大差异。

手术恢复受术前身体和精神健康状况的影响。有些人可能在面对疼痛时过度担心，这会使疼痛和恢复情况恶化。其他人可能会遭受生理问题，从而加剧疼痛。如果医生能够提前了解患者的各种隐患，他们就可以更好地制定治疗方案。

“通过预测手术前的结果，我们可以帮助建立一些预期，帮助早期干预，并识别高风险因素，”卢实验室的博士生兼第一作者徐子琪说。

以前预测手术结果的研究通常使用在诊所提供一到两次的患者问卷，捕捉静态的时间片段。

“它未能捕捉到患者身体和心理模式的长期动态，”徐说。她补充说，之前训练机器学习算法的工作只关注手术结果的一个方面，“但忽略了手术恢复的内在多维性”。

获得“全局”视野

研究人员曾使用Fitbit设备的移动健康数据来监测和测量恢复情况，并比较一段时间内的活动水平。但格林伯格表示，这项研究表明，活动数据加上纵向评估数据，可以更准确地预测患者术后的情况。

这项研究提供了一个“原理证明”，表明通过多模态机器学习，医生可以更准确地了解影响康复的相关因素的“全貌”。在开始这项工作之前，该团队制定了统计方法和协议，以确保他们为人工智能系统提供正确平衡的数据。

此前，该团队在《神经外科》杂志上发表了一项研究成果，首次表明患者报告和客观的可穿戴测量结果比传统的患者评估方法更能预测早期康复情况。除了格林伯格和徐之外，托马斯·罗德博文理学院实验室心理学和脑科学博士生马德琳·弗鲁姆金也是该研究的共同第一作者。医学院亨利·G和伊迪丝·R·施瓦茨神经外科教授威尔逊“扎克”·雷医学博士与罗德博和卢一起是该研究的共同资深作者。罗德博现在在北卡罗来纳大学教堂山分校任教。

在该研究中，他们表明Fitbit数据可以与评估一个人的社交和情绪状态的多项调查相关联。他们通过“生态瞬时评估”(EMA)收集数据，该评估使用智能手机向患者发出频繁提示，让他们全天多次评估情绪、疼痛程度和行为。

“我们将可穿戴设备、EMA和临床记录结合起来，捕获有关患者的广泛信息，从身体活动到疼痛和心理健康的主观报告，再到临床特征，”卢说。

格林伯格补充说，罗德博和弗鲁姆金帮助推进的“动态结构方程模型”等最先进的统计工具对于分析复杂的纵向EMA数据至关重要。

旨在改善长期结果

在最近的研究中，他们考虑了所有这些因素。他们开发了一种新的机器学习技术“多模式多任务学习”，以有效地结合这些不同类型的数据来预测多种恢复结果。

卢补充说，通过这种方法，人工智能学会权衡结果之间的相关性，同时从多模态数据中捕捉它们之间的差异。

徐建表示，该方法利用预测不同结果的相关任务的共享信息，然后利用共享信息帮助模型了解如何做出准确的预测。

最终，所有这些综合起来，对每个患者术后疼痛干扰和身体功能评分产生预测变化。

格林伯格表示，研究仍在进行中，研究人员将继续调整他们的模型，以便进行更详细的评估，预测结果，最重要的是“了解哪些类型的因素可以进行修改以改善长期结果”。