基于人工智能的盆底表面肌电参考值建立及高精度功能障碍诊断模型研究

　　本研究针对传统Glazer方案样本量局限导致的盆底功能障碍(PFD)诊断不精准问题，通过多中心采集1605例盆底表面肌电(sEMG)数据，构建AI-Diagnostician-PFD模型。结果显示AI参考范围曲线下面积(AUC)较Glazer标准提升11%，诊断性能超越经典机器学习模型，为临床提供免费智能诊断工具。

　　

盆底功能障碍(Pelvic Floor Dysfunction, PFD)作为困扰全球11.9%-67.9%女性的健康难题，其诊断长期依赖20年前制定的Glazer方案——这套基于有限样本的表面肌电(sEMG)评估标准，在应对多样化人群时已显力不从心。当年轻女性因盆底肌力不足被误判为异常，当不同地域的患者肌电信号存在显著差异，临床亟需更精准的量化标准。这一困境催生了中国医学科学院团队联合全国21家医疗中心的突破性研究。

研究人员历时四年打造了包含1605例样本的多维sEMG数据库，样本覆盖中国七大地理区域，整合63项临床指标。通过遗传算法(GA)多目标优化策略，团队创新开发AI-Diagnostician-PFD模型，其核心突破在于：首次实现sEMG参数AI参考范围的智能推导，并集成随机梯度下降分类器(SGD Classifier)、支持向量机(SVC)、随机森林(RF)和多层感知机(MLP)四大算法构建集成学习框架。关键技术包括：采用20-500Hz带通滤波处理肌电信号，基于5-95百分位IQR法剔除异常值，并将数据按地域比例划分为训练集(60%)、测试集(40%)和独立验证集(6中心数据)。

研究结果部分，《参考范围评估》显示：AI参考范围在验证数据集AUC达0.79(95%CI:7.90×10^?1
-7.94×10^?1
)，较Glazer标准提升11%。其中快速收缩最大振幅范围[23.68,88.38]μV更符合实际生物变异，而持续收缩变异阈值<0.49较原标准<0.2显著提高临床特异性。《模型性能验证》证实：AI-Diagnostician-PFD在外部验证集AUC超越最佳基线模型1%，敏感性/特异性均提升2%，其优势在于通过多目标优化协调11项sEMG参数的冲突指标。

讨论部分强调三个里程碑意义：一是建立首个基于中国多民族人群的sEMG参考数据库，样本量是Glazer原始研究的80倍；二是突破传统单参数评估局限，通过GA算法实现多参数协同优化；三是开创PFD智能诊断先河，模型将免费集成至临床工作站。局限性包括年龄分布不均衡(21-30岁占比34.5%)及未细分PFD亚型，未来将探索肌电特征与尿失禁、盆腔痛等亚型的关联规律。该成果发表于《eBioMedicine》，为盆底健康评估树立了新的数字标尺。