AI預測肩鈣化性肌腱炎治療成效

2025 年 12 月 6 日，長庚醫院副教授周文毅透過人工智慧技術成功預測肩鈣化性肌腱炎治療成效，為患者王小姐帶來了福音。48 歲的王小姐在一家貿易公司擔任行政主管，四個月前開始感到右肩不適，穿脫衣物時有卡滯感，甚至影響睡眠，轉側翻身都會疼痛醒來。經過檢查，她被確診為肩鈣化性肌腱炎。

專家指出，肩鈣化性肌腱炎的盛行率約 2.5 至 10%，以台灣人口估算，約有 58 萬八千人到二百三十五萬人受此病痛困擾。這種病症屬於常見的造成肩部疼痛的原因之一。王小姐接受三個月的藥物與物理治療後，症狀時好時壞，最終轉至高雄長庚醫院骨科部運動醫學科求診。

周文毅副教授在評估後，利用人工智慧輔助分析系統，確認王小姐屬於體外震波（ESWT）療效良好的族群。在接受三週的 ESWT 治療後，她的疼痛明顯緩解，手臂活動也恢復靈活。約三個月後，她能回歸正常生活。

周文毅副教授表示，肩鈣化性肌腱炎是造成肩部疼痛的常見病症，通常發生於旋轉肌群中的「棘上肌」，而旋轉肌對於肩部的力量、穩定度與活動度起著重要作用。此疾病與退化、內分泌或代謝相關疾病的影響有關，女性患者較為多見，常見於 30 至 60 歲的族群。

雖然 ESWT 治療已被證實能有效改善症狀，但臨床治療滿意度僅約六到七成。因此，周文毅副教授領軍的研究團隊首度結合人工智慧機器學習技術，開發出可預測 ESWT 療效與負向預後因素的 AI 模型。

研究團隊分析超過四百例患者的資料，包括性別、年齡、症狀持續時間、鈣化大小與型態、功能和疼痛指數等臨床變數。比較了多層感知機、樸素貝葉斯、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）模型預測治療後的疼痛與功能改善。

結果顯示，J48 決策樹模型在預測治療後鈣化能否吸收完全方面準確率高達八十九點五％，而 XGBoost 模型則在預測治療後疼痛和功能改善方面達到九成以上。同時，症狀持續時間超過十個月、治療前疼痛指數（VAS）高於五分及功能指數（CMS）高於五十五分的患者，在治療後的改善幅度相對有限。

此次研究不僅有助於精準預測 ESWT 療效，也為未來肩鈣化性肌腱炎的治療提供了新的方向。