「2025 台灣醫療科技展」一連四天在南港展覽館登場，長庚醫院今日發表人工智慧精準預測體外震波治療，高雄長庚醫院骨科部運動醫學骨科主任周文毅表示，團隊首度結合 AI 機器學習技術，開發出可預測體外震波（ESWT）療效與負向預後因素的 AI 模型，開啟「智慧化精準醫療」新里程碑。
周文毅表示，肩鈣化性肌腱炎是造成肩部疼痛的常見病症。根據國外研究，盛行率約為 2.5% 至 10%，若以台灣人口估算，約 58.8 萬至 235 萬人可能受影響，最常見的發生位置為旋轉肌群中的「棘上肌」，而旋轉肌是肩部力量、穩定度與活動度的重要結構。
周文毅指出，肩鈣化性肌腱炎與退化、內分泌或代謝相關疾病有關，女性盛行率較高，常見於 30 至 60 歲之間的族群，雖然體外震波（ESWT）治療已被證實能有效改善此病症症狀，但臨床治療滿意度仍僅約 6 至 7 成。
從臨床案例來看，今年 48 歲的王小姐，4 個月前開始，開始覺得右肩不適，一開始只是穿脫衣服感覺卡卡，後來連夜間睡覺翻身都會痛醒，經 Ｘ 光與超音波檢查後診斷為肩旋轉肌腱鈣化性肌腱炎，但在 3 個月的藥物與復健治療後，症狀時好時壞，仍未見顯著改善，因此來高雄長庚求診。
周文毅分享，經過人工智慧輔助分析系統的評估後，確認王小姐屬於體外震波（ESWT）反應良好族群，因此在給予治療後，3 週內疼痛明顯緩解，手臂活動也恢復靈活，大約 3 個月後，王小姐已能回復正常生活。
周文毅說明，為提升治療精準度與預測準確性，團隊首度結合人工智慧機器學習技術，開發出可預測體外震波（ESWT）療效與負向預後因素的 AI 模型，這項研究分析超過 400 例肩部鈣化性肌腱炎患者資料，納入性別、年齡、症狀持續時間、鈣化大小與型態、功能與疼痛指數等臨床變數。
周文毅補充，研究團隊比較多層感知機、朴素貝葉斯、序列最小優化、邏輯回歸與 J48 決策樹等機器學習演算法，並使用 eXtreme Gradient Boosting（XGBoost）模型預測治療後疼痛與功能改善，結果顯示 J48 決策樹模型在預測治療後鈣化能否吸收完全的準確率高達 89.5%，
周文毅強調，XGBoost 模型預測治療後疼痛與功能改善準確率達到 90% 以上，可作為臨床治療決策前的重要依據，而症狀持續時間超過 10 個月、治療前疼痛指數（VAS）高於 5 分，以及功能指數（CMS）高於 55 分的患者，治療後的改善幅度相對有限，有助於進行個人化的治療策略。
這項研究成果為全球首篇以人工智慧預測體外震波（ESWT）治療肩鈣化性肌腱炎療效的研究，並分別刊登於 2024 年國際期刊《Orthopaedic Journal of Sports Medicine》及 2025 年《Journal of Shoulder and Elbow Surgery》。
（首圖來源：科技新報）
科技新報粉絲團
加入好友
訂閱免費電子報
