導 語
足部疼痛會導致人們平衡和步態出現問題，并增加跌倒的風險。矯形鞋墊是緩解足部疼痛的重要手段，并已廣泛應用于臨床實踐。最近，一組韓國的研究人員使用深度學習算法成功制作了有較高精度的矯形鞋墊。
1、研究背景
足部疼痛在成年人中很常見，尤其是老年人。據報道，足部疼痛在18歲以上成人中的患病率為17%至24% 。它會導致日常生活活動能力下降，平衡和步態出現問題，并增加跌倒的風險。因此，足部疼痛的適當治療是重要的。
目前常見的各種治療方法，如口服藥物、物理治療等等沒有長期解決足部疼痛的問題。足部疼痛的發展與足部排列的改變有關，這導致足部負荷分布異常。矯形鞋墊經常被用來矯正改變的足部排列。矯形鞋墊對足部疼痛患者的有效性已在之前的研究中得到證實，并已廣泛應用于足部疼痛治療的臨床實踐中。
但制作一雙好的矯形鞋墊需要考慮各種因素，如足部排列、骨盆運動和腿長差異等等，這需要醫師積累大量的經驗。對于沒有經驗的臨床醫生來說，綜合考慮與足部排列改變相關的各種因素是困難的。因此研究人員提出，使用深度學習算法，通過使用幾個測量結果作為輸入數據，自動為腳痛患者開具矯形鞋墊。
2、研究概述
用于開發機器學習算法的數據是從鞋墊制造商獲得的。鞋墊是在包括寫有體檢結果，包括靜態跟骨站立位(RCSP)等信息的鞋墊處方紙的基礎上制作的。處方文件是由一位超過25年的經驗的矯形足科醫生(ISP)撰寫的。數據集的入選標準為：(1)年齡≥ 20歲，(2)鞋墊是為控制足部疼痛而開的，(3)無神經障礙的患者，(4)無糖尿病足潰瘍的患者，以及(5)存在鞋墊處方紙，包含所有關于RCSP、骨盆升高、骨盆傾斜和骨盆旋轉的信息。
為了測量RCSP，腳痛患者被要求將他們的腳放在床沿上，并以俯臥姿勢躺在與地面平行的床上。研究人員手動檢查足部，并通過在腳后跟的頂部、中部和底部放置三個點來繪制平分線，而不考慮跟骨周圍的脂肪。當患者站在拳頭寬度的距離時，測量RCSP（下圖A,B）。
骨盆抬高表示左右髂嵴之間的高度差。它是用測角儀測量的，病人站在拳頭寬的距離上。角度計的左右刀片放置在髂嵴的最高點，測量骨盆的高度(下圖C)。當一個髂嵴相對于另一側的髂嵴升高時，該值表示為正值，較大的值表示左右骨盆的高度差異較大。為了評估骨盆傾斜的存在，研究者將拇指放在髂后上棘上(PSIS)，其余手指放在患者的髂嵴上(下圖D)。然后，研究人員要求患者將下背部向前彎曲90度，并評估研究人員拇指向前傾斜程度的差異(圖1E)。當兩個PSIS的傾斜度對稱時，表示為“-”，當左PSIS的傾斜度大于左PSIS的傾斜度時，表示為“+”。
為了測量骨盆旋轉，研究者將角度計連接到患者的骨盆上，要求患者原地行走，并觀察角度計的運動(圖1F)。研究者評估了角度計左右兩翼向后運動的程度是否對稱。當附著在患者PSIS上的角度計對稱地向后移動時，被描述為“--”，當左側向后移動多于右側時，被描述為“+-”
數據采集（圖片源自論文）
將改良的足部姿勢指數以及足跟提升、整體提升、外側楔形、內側楔形和跗骨踵處支撐的應用設置為目標變量。
目標數據（圖片源自論文）
實驗總共有838名患者(平均年齡為47.7±14.7歲；323名男性，515名女性)參加。關于改良的足部姿勢指數，對于左腳，開發模型的驗證數據集的平均絕對誤差(MAE)和均方根誤差(RMSE)分別為1.408和3.365。對于右腳，開發模型的驗證數據集的MAE和RMSE分別為1.601和3.549(下表)。
研究結果（圖片源自論文）
結果顯示，腳跟提升的準確性為89.7%。整體提升的準確性為94.8%。外側楔形支撐的準確性為72.2%。內側楔形支撐的準確性為98.4%。跗骨踵處支撐的準確性為79.8%。分別對應下圖A~E。
研究結果（圖片源自論文）
下圖顯示了DNN模型的正確分類和錯誤分類。從驗證數據集中，足后跟提升和整體提升的應用模型分別正確地分類了252個案例中的226個和239個。內側和外側楔形支撐的模型從驗證數據集中分別正確分類了252例中的182例和248例。最后，跗骨踵處支撐的模型從驗證數據集中正確地分類了252例中的201例。可以得出結論，五種模型的總體分類精度較好。然而，內側楔形模型(下圖D)的準確性較低，因為這些類別的驗證數據中的患者樣本量較小，導致學習不充分。
研究結果（圖片源自論文）
3、研究意義
這項研究的局限性在于用于開發深度學習模型的臨床數據樣本量小，這無法避免一些誤差的存在。但總的來說，研究人員開發了DNN模型，自動為足痛患者開矯正鞋墊，并且證明了其精度的可靠性。未來，為了使其精度更高，需要更適當的輸入和輸出數據，并將其在臨床上加以驗證。
