基于平板摄像头的AI辅助平衡错误评分系统(BESS)评分:与共识视频回放人工评分的横断面效度及一致性研究

《Sports Medicine - Open》:Camera-Based AI-Assisted Scoring for the Balance Error Scoring System: A Cross-sectional Validity and Agreement Study

【字体: 大 中 小 】 时间:2026年10月13日 来源:Sports Medicine - Open 4.1

编辑推荐:

  背景:平衡错误评分系统(BESS)广泛用于评估运动医学和康复中的静态姿势控制。然而,传统实时评分依赖评分者,可能受评分者经验、观察角度、注意力和对短暂或重叠错误解释的影响。研究人员评估了基于摄像头的人工智能(AI)辅助BESS相对于共识视频回放人工评分的标准关

  
背景:平衡错误评分系统(BESS)广泛用于评估运动医学和康复中的静态姿势控制。然而,传统实时评分依赖评分者,可能受评分者经验、观察角度、注意力和对短暂或重叠错误解释的影响。研究人员评估了基于摄像头的人工智能(AI)辅助BESS相对于共识视频回放人工评分的标准关联效度和一致性,并将其误差幅度与现场人工评分进行比较。方法:这项单中心横断面研究纳入84名招募参与者中的80名:40名健康对照、20名慢性踝关节不稳(CAI)患者和20名前交叉韧带重建(ACLR)后患者。所有参与者完成标准六条件BESS方案。评分采用AI辅助、现场人工和共识视频回放人工评分;后者预先设定为实用性人工参考标准。主要总分分析包括Pearson相关、组内相关系数(ICC)及95%置信区间(CIs)、Bland–Altman平均差和95%一致性界限(LoA)、平均绝对误差(MAE)和均方根误差(RMSE)。条件和组别特异性分析为探索性。结果:对于总BESS评分,AI辅助评分与参考标准相比 r=0.989,ICC=0.989(95% CI 0.982–0.993),平均差0.188个错误,95% LoA为?2.063至2.438个错误,MAE为0.787个错误,RMSE为1.157个错误。现场人工评分与参考标准相比 r=0.922,ICC=0.920(95% CI 0.877–0.948),平均差?0.612个错误,95% LoA为?6.680至5.455个错误,MAE为2.212个错误,RMSE为3.136个错误。条件特异性差异在单腿和串联站立条件下较大。探索性组间比较显示,CAI个体总BESS评分高于健康对照。结论:基于摄像头的AI辅助BESS评分与实用性人工参考标准显示出强总分类一致性,且差异小于现场人工评分。该方法可能支持更标准化的BESS评估;然而,在考虑与人工评分互换之前,需要外部验证和纵向信度检验。
在运动医学中,姿势控制具有重要临床意义,因为运动动作需要单腿支撑、落地稳定、减速、变向以及快速适应变化的感觉与力学需求。下肢肌肉骨骼损伤后常见姿势控制缺陷,包括慢性踝关节不稳(CAI)和前交叉韧带重建(ACLR)后,并可能持续至康复和重返运动准备阶段。尽管可用力台、可穿戴传感器、动作捕捉系统和临床场测评估,但在常规运动医学环境中,何种方法能在可行性、标准化和临床可解释性之间取得最佳平衡仍不明确。因此,临床可行且可重复的姿势控制评估对于表征感觉运动功能、监测恢复和支持运动损伤后的功能决策很重要。BESS是简短、低成本、便携的静态姿势控制临床测试,需极少设备且可快速实施,广泛用于运动医学,尤其脑震荡评估和肌肉骨骼康复。然而,传统BESS评分依赖观察者,信度随评分者和测试条件变化;测试环境和评分者经验可影响结果,专家评分者通常比新手评分者有更高评分者间信度,单腿和串联站立等困难条件尤为突出。视频回放评分可暂停、重放和重复检查,能减少实时观察限制,并可作为实用性人工参考标准,但因其为回顾性,不能提供即时评分或反馈。既往自动化和仪器化BESS方法包括惯性传感器、压力平台或压力垫、深度相机和视频姿态估计;压力垫或力台与人工评分的一致性不一致,深度相机需专用硬件和受控空间,普通视频加姿态估计在检测前足或足跟抬起等小足部运动时仍有挑战。因此,研究人员开发了基于摄像头的AI辅助BESS评分系统,用普通平板视频生成传统BESS错误计数,并开展研究评估其效度、一致性和误差幅度,以共识视频回放人工评分为实用参考标准。

该单中心横断面效度与一致性研究最终纳入80名参与者,包括40名健康对照、20名CAI个体和20名ACLR后个体,均完成标准六条件BESS。评分来自AI辅助、现场人工和共识视频回放人工评分,后者预先设定为参考标准。研究人员假设AI辅助评分与共识视频回放人工评分具有强效度和一致性,并比现场人工评分更接近参考标准。结果支持这一假设:总BESS评分中AI辅助与参考标准 r=0.989,ICC=0.989(95% CI 0.982–0.993),平均差0.188个错误,95% LoA为?2.063至2.438个错误,MAE为0.787个错误,RMSE为1.157个错误;现场人工与参考标准 r=0.922,ICC=0.920(95% CI 0.877–0.948),平均差?0.612个错误,95% LoA为?6.680至5.455个错误,MAE为2.212个错误,RMSE为3.136个错误。AI辅助评分比现场人工评分更接近共识视频回放人工评分,差异更小。其意义在于,该方法可能支持更标准化的BESS评估,减少对实时人工观察的依赖,但在假定可与人工评分互换或用于个体水平临床前,仍需外部验证、纵向信度检验和较不控制条件下的稳健性测试。

关键技术方法:单中心横断面研究,便利抽样源自社区及复旦大学附属华山医院门诊和康复科,时间为2025年5月至2026年4月,伦理号2025M-009,最终纳入80名参与者。所有参与者完成标准六条件BESS(B1–B6):裸足、双手置于髂嵴、闭眼,每条件20 s,条件间休息30 s。平板电脑固定于参与者正前方约1.5 m、高1.2 m,录制全身正面视频。AI辅助系统使用MediaPipe BlazePose全复杂度变体和Face Mesh估计33个身体标志点及面部标志点,通过固定、确定性、站位和侧别特异性规则生成传统BESS错误计数;系统未用本研究队列数据训练。现场人工评分由一名经验丰富的运动物理治疗师实时完成。共识视频回放人工评分由两名盲法运动物理治疗师独立回放评分,分歧经共识解决,若差异超过3个错误或无法共识由第三名裁定,并预先设定为实用参考标准。统计使用Stata 16.0,主要采用Pearson相关、ICC(A,1)、Bland–Altman分析、MAE和RMSE,MAE/RMSE的置信区间用5000次非参数bootstrap估计。

结果部分:在“参与者、可用数据与描述性BESS评分”中,最初招募84名参与者,包括40名健康对照、23名CAI和21名ACLR;4名因指导和熟悉后仍无法完成所需BESS测试姿势被排除,其中3名CAI和1名ACLR;最终80名纳入分析,包括40名健康对照、20名CAI和20名ACLR。总BESS平均分分别为AI辅助19.46±7.65、现场人工18.66±7.97、共识视频回放人工19.27±7.67。在“视频回放人工评分的共识前评分者间信度”中,两名独立视频评估者对总BESS的ICC(A,1)=0.956(95% CI 0.891–0.978),条件特异性ICC(A,1)为0.764–0.980;480个条件配对评分中346个(72.1%)完全相同,462个(96.3%)差异不超过2个错误,每条件平均绝对差0.450,第三评审裁定2个评分(0.4%),表明参考标准共识前信度高。在“总BESS评分的效度、一致性与误差幅度”中,Pearson相关AI辅助与参考标准为0.989,现场人工与参考标准为0.922,AI辅助与现场人工为0.905;ICC(A,1)分别为0.989(95% CI 0.982–0.993)、0.920(0.877–0.948)和0.901(0.848–0.936);Bland–Altman平均差分别为0.188(95% CI ?0.068–0.443)、?0.612(?1.301–0.076)和0.800(0.040–1.560)个错误,95% LoA分别为?2.063–2.438、?6.680–5.455和?5.892–7.492;MAE/RMSE分别为0.787/1.157、2.212/3.136和2.500/3.486个错误。说明AI辅助评分总分类一致性最强、误差更小。在“条件特异性BESS评分的效度、一致性与误差幅度”中,Spearman相关AI辅助与参考标准为0.835–0.984,现场人工与参考标准为0.503–0.919,AI辅助与现场人工为0.510–0.899;条件ICC(A,1)分别为0.766–0.990、0.246–0.940和0.313–0.916。Bland–Altman显示AI辅助与参考标准各条件平均差接近0且LoA较窄;涉及现场人工的比较LoA较宽,尤其单腿和泡沫串联条件。MAE/RMSE热图显示AI辅助与参考标准总体MAE为0.013–0.287,RMSE为0.112–0.707;涉及现场人工的比较在B6、B2、B5较大。B1得0分比例在AI辅助、现场人工、共识视频人工中分别为91.3%、97.5%、91.3%;B4分别为92.5%、96.3%、93.8%;B5存在明显天花板效应,分别63.8%、65.0%、65.0%得满分10。说明AI辅助在困难条件仍接近参考,涉及现场评分差异较大,且ICC受地板和天花板效应限制。在“BESS评分的组间比较”中,CAI个体总BESS显著高于健康对照(所有评分方法p<0.001),Hedges’ g分别为AI辅助1.69(95% CI 1.07–2.29)、现场人工2.14(1.48–2.79)、共识视频人工1.73(1.11–2.34);ACLR后个体与健康对照总BESS无显著差异(p=0.974、0.444、0.973),Hedges’ g分别为0.06(?0.47–0.59)、0.32(?0.22–0.85)、0.06(?0.47–0.59)。条件差异更多见于单腿和串联站立,尤其CAI组;这些组间分析为探索性,未单独设效能。

讨论部分:研究人员将结果与既往自动化和仪器化BESS研究比较,Brown等报道IMU(惯性测量单元)模型预测总BESS的ICC为0.90、与经验评分者拟合ICC为0.92,Zhu等报道双Kinect系统与经验评分者总分类相关r=0.93;与Houston等MobileMat研究相比,本AI系统对共识视频参考标准的LoA更窄,但直接数值比较需谨慎,因硬件、参考标准、人群、方案和统计方法不同。与人工评分测量误差阈值比较,Finnoff等报告总BESS评分者间MDC为9.4分;本研究中AI辅助与参考标准95% LoA为?2.063至2.438个错误,MAE为0.787个错误,RMSE为1.157个错误,差异相对较小,但该比较为间接,且BESS总分的MCID尚未确立,不能证明临床可互换。条件特异性分析显示,AI辅助与参考标准在六个条件均接近,较大差异主要出现在涉及现场人工评分的比较,尤其单腿和泡沫串联条件;这些条件需要更高姿势控制,易出现短暂纠正、重叠错误或快速进出测试位,实时观察难以一致捕捉;条件ICC也受B1和B4地板效应及B5天花板效应影响,不应单用ICC判断一致性。跨人群表现方面,AI辅助在健康、CAI和ACLR中与参考标准一致;CAI个体BESS更高与既往文献一致,尤其在单腿和串联条件;ACLR后个体未显示总BESS差异,不应解释为无姿势控制缺陷,因参与者为术后6–12个月且被认为可进行重返运动相关功能评估,静态BESS总分对残余细微缺陷敏感性有限。临床意义上,基于平板摄像头的AI辅助BESS评分可标准化熟悉的临床评估,无需专用实验室设备,可能作为传统BESS评分的辅助而非独立替代;当前证据不能支持自动重返运动决策、CAI或ACLR相关损伤诊断或个体恢复判断。未来需外部验证、不同设备和环境下的稳健性测试、重复分析一致性、重测信度、测量标准误、最小可检测变化、反应性以及错误类型特异性表现。局限性包括:单中心、样本量适中、便利抽样、亚组分析为探索性;共识视频人工评分仍受人判断影响,并非绝对金标准;4名无法完成测试者均来自临床组,可能低估严重平衡障碍;仅单次测试,无法评估重测信度或纵向反应性;标准化记录条件和固定阈值可能限制外推;ACLR组异质性及术后时间限制;现场人工评分仅由一名经验丰富评分者完成,不能评估评分者间变异。

研究结论翻译:基于摄像头的AI辅助BESS评分系统与共识视频回放人工评分相比显示出强效度和一致性,并且比实时现场人工评分更接近共识视频回放人工评分。这种移动设备方法可能支持标准化BESS评估,同时保留传统错误计数。然而,在假定其可与人工评分互换或用于个体水平临床之前,需要外部验证、纵向信度测试以及在较不控制条件下的稳健性测试。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号