慢性腰腿痛多维数字健康状态的界定与验证：基于人工智能聚类分析的新型评估指标

《npj Digital Medicine》：Defining and validating a multidimensional digital metric of health states in chronic back and leg pain

　　为解决慢性疼痛临床评估单一、缺乏多维整合的问题，本研究通过5年纵向数字数据（>19万样本），结合临床症状、智能手表活动记录及文本反馈，利用无监督聚类算法首次定义了5个具有等级差异的“疼痛患者状态”。该指标不仅与残疾指数（ODI）、生活质量（EQ-5D）显著相关（r=0.34至-0.51, p<0.001），且能区分疼痛程度相似但整体健康状态不同的患者，为慢性疼痛的精准管理提供了可操作的多维数字生物标志物。

　　

慢性疼痛是一种超越持续性疼痛的复杂疾病，涉及生理、心理和社会因素的多维交互。然而，当前临床实践和试验仍主要依赖患者自述的疼痛强度作为核心评估指标，忽视了睡眠、情绪、活动能力等关键因素对整体健康的影响。这种简化评估可能导致治疗策略的片面性，尤其在慢性腰腿痛这一最常见疼痛类型中，如何全面捕捉患者日常状态的变化成为临床难题。

为突破这一局限，发表在《npj Digital Medicine》上的研究首次提出通过多维数字数据构建综合健康指标。团队利用一项长达五年的前瞻性观察性临床试验数据（NCT01719055/NCT03240588），纳入498名接受脊髓电刺激（SCS）治疗的慢性腰腿痛患者，收集超过19万份日常数字记录，包括临床症状评分、智能手表活动记录（actigraphy）和自由文本反馈。通过无监督机器学习（k-means聚类算法），研究者从14项日常评估维度（如疼痛强度、情绪、睡眠质量、警觉性、药物使用和活动能力）中识别出5个稳定的症状集群，称为“疼痛患者状态”（Pain Patient States）。

聚类结果显示出明确的等级序列：状态A（最佳）表现为高情绪评分、良好睡眠、低药物使用和高活动水平；状态E（最差）则完全相反。值得注意的是，中间状态（B、C、D）虽疼痛强度相近，但通过警觉性、药物使用模式等特征显著区分。例如，状态C与D的差异主要体现为警觉性水平，提示认知功能在疼痛体验中的调控作用。

为验证聚类临床意义，研究将状态与独立采集的标准评估指标（Oswestry残疾指数ODI和EuroQol生活质量量表EQ-5D）进行相关性分析。结果显示，状态A与低ODI（低残疾）和高EQ-5D评分显著相关（p<0.001），状态E则相反，且中间状态按健康水平呈顺序排列。此外，通过自然语言处理（NLP）对患者文本反馈的分析发现，状态与文本健康评分（r=-0.23）的相关性优于单纯疼痛报告（r=-0.16），表明多维指标更能全面反映患者主观健康感受。

在加入智能手表活动记录数据后，模型（状态A_M-E_M）仍保持一致性，并进一步揭示活动量与疼痛关系的复杂性：高活动量通常对应状态A_M，但状态B_M虽活动量较低却仍属“良好”状态，支持疼痛-活动关联的非线性理论。

关键方法概述

研究基于多中心临床队列，整合每日智能手机问卷（疼痛、情绪、睡眠、药物使用等）、智能手表活动记录（有效活动性分级）及周期性标准评估（ODI、EQ-5D）。通过k-means聚类与共识聚类（consensus clustering）确定最优状态数量，再以聚类中心距离与临床指标的相关性验证状态等级。文本数据通过RoBERTa模型计算语义相似度，生成文本健康评分。

研究结果

1. 1.
   数据特征与聚类稳定性
   筛选后375名患者（50,620样本）纳入问卷聚类，327名（30,086样本）加入活动记录数据。聚类解决方案（k=2-5）中，五状态模型因兼顾粒度与稳定性被选为主模型，且在时间跨度和响应率差异下保持特征一致性。
2. 2.
   状态验证与等级确认
   状态A-E与ODI、EQ-5D显著相关（r=0.34至-0.51），且文本健康评分与状态A的接近程度（r=-0.23）优于疼痛单独评估。状态等级在活动记录模型中同样成立（A_M-E_M）。

1. 3.
   状态临床意义挖掘
   案例显示状态可捕捉SCS治疗关键事件（如植入后状态改善）。状态C与D的差异凸显警觉性对预后的影响，而活动记录模型揭示“高疼痛-高活动”与“低疼痛-低活动”均可对应良好状态，挑战传统疼痛-活动线性认知。

结论与展望

本研究首次通过数据驱动方法构建了慢性疼痛的多维健康指标，突破单一疼痛强度评估的局限。疼痛患者状态不仅与金标准临床评估一致，还能从患者文本反馈中提取更丰富的健康信息，为远程监测和个性化治疗提供了数字化工具。未来可扩展该模型至其他疼痛亚型（如偏头痛、纤维肌痛），并需在更多样本中验证普适性。这一基于人工智能的框架标志着慢性疼痛管理向多维、动态评估范式转变的重要进展。