《Scientific Reports》：Discovery of key surface electromyography features during walking for discerning high and low muscle mass using machine learning analysis
编辑推荐：
本研究针对传统肌肉质量评估依赖专用设备及机器学习模型“黑箱”难解释的问题，采用表面肌电图（sEMG）信号结合机器学习，对20–59岁社区成人肌肉质量分层。结果显示极端梯度提升（XGBoost）正常步行准确率95%，随机森林（RF）快走94%，并识别股二头肌零点交叉率等关键特征，为基层肌肉质量筛查提供可行可解释方案。
在健康体检中心或社区服务站，想测一测自己的肌肉量是否达标，往往需要躺到一台庞大的生物电阻抗分析仪上，周围还得留出足够的空间摆放设备——这种场景对不少年轻人和中年人来说既陌生又麻烦。更让人头疼的是，即便用上了机器学习算法来分析生理信号，很多模型就像个“黑箱子”，医生看不懂它为什么做出这样的判断，自然也难以放心用于临床。而低肌肉量（low muscle mass）并非老年人的“专利”，它在年轻和中年群体中同样与多种不良健康结局相关，这让寻找一种便捷、可解释、适合社区推广的肌肉质量评估方法变得迫在眉睫。
为此，一项发表在《Scientific Reports》的研究尝试用“走路时的肌肉电信号”解决这个难题。研究团队招募了133名20–59岁的社区居住成年人（71名男性，占53.4%；62名女性，占46.6%），通过生物电阻抗分析（bioelectrical impedance analysis, BIA；设备为InBody 970）测量四肢骨骼肌质量，并用无监督k均值聚类（unsupervised k-means clustering）将参与者分为低肌肉量组和高肌肉量组。随后，他们在正常步行和快速步行两种状态下采集表面肌电图（surface electromyography, sEMG）信号，训练了五种分类器——逻辑回归（logistic regression）、支持向量机（support vector machine, SVM）、k近邻（k-nearest neighbors, KNN）、随机森林（random forest, RF）和极端梯度提升（extreme gradient boosting, XGBoost）——并通过Shapley加性解释（Shapley additive explanations, SHAP）解析模型决策的关键特征。结果显示，XGBoost在正常步行时分类准确率最高（95%），RF在快速步行时表现最佳（94%）；快速步行时，股二头肌（biceps femoris）较高的零交叉率（zero crossing rate）对高肌肉量的分类贡献最大，而正常步行时，胫骨前肌（tibialis anterior）较低的最大功率（maximum power）最具影响力。这些发现证明了利用步态sEMG实现肌肉质量分层的可行性，并为模型提供了可解释的生物学依据，为未来在社区和基层医疗场景中应用奠定了基础。
研究的主要关键技术方法包括：基于InBody 970设备的BIA测量四肢骨骼肌质量；通过无监督k-means聚类划分低、高肌肉量组；在正常与快速步行条件下采集下肢肌肉sEMG信号；训练五种机器学习分类器并比较性能；应用SHAP方法进行模型可解释性分析。样本来自133名20–59岁社区居住成年人。
Abstract
研究纳入133名20–59岁社区成人（低肌肉量组平均年龄36.12岁，高肌肉量组39.84岁，p=0.086）。XGBoost在正常步行时分类准确率达95%，RF在快速步行时达94%。SHAP分析显示，快速步行时股二头肌较高的零交叉率是区分高肌肉量的关键特征；正常步行时胫骨前肌较低的最大功率影响最大。结果表明，基于步态sEMG的机器学习方法可有效分层肌肉质量，且具有可解释性。
研究结果
- 1.
参与者特征：低肌肉量组与高肌肉量组年龄差异无统计学意义（p=0.086），性别分布为男性53.4%、女性46.6%。
- 2.
分类器性能：五种分类器中，XGBoost在正常步行时准确率最高（95%），RF在快速步行时最优（94%）。
- 3.
关键特征识别：快速步行状态下，股二头肌的零交叉率是区分高肌肉量的最重要特征（值越高越倾向高肌肉量）；正常步行状态下，胫骨前肌的最大功率是最具影响力的特征（值越低越倾向高肌肉量）。
结论与讨论
该研究首次将步行时的sEMG信号与可解释机器学习结合，实现了年轻及中年人群肌肉质量的准确分层，解决了传统评估依赖大型设备和模型不可解释的两大瓶颈。关键特征的发现（如股二头肌零交叉率、胫骨前肌最大功率）不仅揭示了步态肌电活动与肌肉质量的关联，也为后续开发便携式社区筛查工具提供了生物学靶点。尽管样本量和多样性仍需扩大以提升普适性，但这项研究为在基层医疗和社区环境中推广无创、便捷的肌肉质量评估开辟了新路径，尤其对早期识别低肌肉量及相关健康风险具有重要意义。
