《Scientific Reports》：AI-assisted video analysis of the Trendelenburg test: a feasibility study
编辑推荐：
本研究旨在解决特伦德伦堡试验（Trendelenburg test）传统评估主观性强、准确性受限的问题。通过开展一项单中心横断面可行性研究，利用基于人工智能（AI）的无标记运动分析技术，对标准视频进行量化分析，评估髋关节置换术（THA）术后患者与原发性髋关节疾病患者的骨盆、躯干及膝关节角度变化。结果表明，该AI辅助分析方法具有可行性，可客观量化并揭示术后患者常以躯干倾斜（而非骨盆下垂）进行代偿。这项研究为客观评估外展肌功能和术后康复监测提供了一种有前景的新途径。
在骨科和康复医学领域，如何准确评估臀中肌等髋关节外展肌的功能，是临床医生面临的经典挑战。特伦德伦堡试验（Trendelenburg test）作为一种传统的体格检查手段，虽然被广泛使用，但其判断却高度依赖检查者的主观经验，可重复性有限，就像用肉眼估测一个模糊不清的角度。更棘手的是，当患者不自觉地倾斜躯干以“作弊”时，会掩盖其真实存在的、细微的骨盆下垂，从而使得这项测试的诊断准确性大打折扣。为了给这种“肉眼观察”式的评估装上一个“数字化的标尺”，一项研究探索了人工智能（AI）与便携式智能设备的结合潜力。这篇发表在《Scientific Reports》上的研究，正是为了验证利用一部普通智能手机和AI算法，能否客观、高效地量化特伦德伦堡试验中的运动模式，特别是揭示不同患者群体间隐藏的代偿策略。
为了探究这一问题，研究人员采用了几项关键技术方法。这项在爱尔兰某骨科单元进行的单中心横断面可行性研究，共纳入了12名成人受试者，其中包括7名全髋关节置换术（THA）后患者和5名原发性髋关节疾病患者。研究的核心是利用一部从后方放置的智能手机摄像机，对每位患者执行标准化的单腿特伦德伦堡试验进行视频记录。随后，采用一款基于人工智能的无标记运动分析应用（OnForm）对视频进行离线分析。该技术的核心在于无需在受试者身体上粘贴任何物理标记点，仅通过计算机视觉算法，即可从标准视频中自动追踪并计算出冠状面上的骨盆倾斜度、躯干倾斜度以及膝关节角度在双足站立和单腿站立之间的变化。
研究结果
1. 工作流程效率与可行性
所有患者均完成了研究方案，并获得可分析的视频记录。量化工作流程显示，每位患者的视频采集中位时间为32.5秒，离线分析中位时间为184.5秒，由此计算出的中位总流程时间为215.5秒（约3.6分钟）。这表明基于单摄像头的AI辅助分析在临床环境中具有操作上的可行性。
2. 运动角度量化结果
对运动参数的客观测量揭示了以下模式：对侧骨盆倾斜（骨盆下垂）的中位最差值仅为0.0°（范围在-5°至+6°之间），表明整体骨盆活动度不大。相比之下，躯干最大倾斜的中位值为4.5°（范围2°–10°）。冠状面膝关节角度变化的中位值为3.0°（范围1°–8°）。
3. 基于预设阈值的异常频率
研究人员设定了阈值来描述显著偏差：骨盆下垂≥4°，躯干倾斜≥5°，膝关节角度变化≥3°。分析发现，大多数患者并未表现出显著的骨盆下垂，但躯干和膝关节的补偿更为常见。特别是，THA术后患者表现出比原发性髋关节疾病患者更显著的躯干代偿（中位最大躯干倾斜：9.0° vs 3.0°；中位差异6.0°）。具体而言，在7名THA术后患者中，有5人（71%）躯干倾斜≥5°，而在5名原发性髋关节疾病患者中，仅有1人（20%）达到此阈值。此外，膝关节偏差≥3°的现象在总计12名患者中的8人（67%）中出现，这表明膝关节代偿是一种跨群体的常见策略。
4. 患者亚组间的代偿模式差异
结果明确指出，THA术后患者群体倾向于使用躯干倾斜而非对侧骨盆下垂来进行代偿。这一发现挑战了传统上仅关注骨盆下垂的评估视角，提示在评估外展肌功能时，必须将躯干运动纳入考量。
结论与讨论
本研究成功证实，利用单一智能手机摄像头结合AI驱动的无标记运动分析技术，对特伦德伦堡试验进行量化评估是可行、快速且能提供临床信息的。该方法能够稳定地量化骨盆、躯干和膝关节在冠状面上的角度，其核心价值在于客观地揭示了不同患者群体在执行该测试时采用的差异化代偿策略。最重要的发现是，THA术后患者普遍通过躯干向支撑侧倾斜来维持平衡，而非表现出经典理论预期的明显对侧骨盆下垂。这一洞察修正了对特伦德伦堡征象的简单化理解，强调了整体运动链评估的重要性。
在临床意义上，这种技术方案为髋关节外展肌功能的客观记录和术后康复进程的监测提供了潜在的新工具。它使得临床医生能够超越“阳性”或“阴性”的二元判断，获得具体的、可量化的运动学数据，从而可能实现更精准的功能评估和个性化的康复指导。然而，作者也谨慎地指出，这些发现是初步且具有假设生成性的。当前研究缺乏无症状对照组和如三维运动捕捉这样的金标准进行直接对比验证。因此，未来需要更大规模、设计严谨的对照研究来确认该方法的测量准确性、敏感性、特异性及其最终的临床应用价值（如预测预后或指导治疗决策）。尽管如此，这项研究无疑为将便携式AI技术引入骨骼肌肉系统的基础功能评估，开辟了一条富有前景的道路。
