在日常生活中，我们的肩膀承担着无比灵活的动作——挥手、投掷、提拉，这一切都离不开肩胛骨的精密运动。然而，当科学家们试图精确测量和分析这些运动时，却遇到了一个令人头疼的问题：大家使用的“尺子”不统一。这里所说的“尺子”，在专业上被称为“局部坐标系（Local Coordinate System, LCS）”，它是附着在骨骼上、用来描述其三维空间位置和方向的基准框架。尽管国际生物力学学会（International Society of Biomechanics, ISB）早在2005年就发布了推荐标准，但在实际研究中，出于不同的测量方法（如皮肤标记点运动捕捉与影像学分析）和关注重点，科研人员们仍然使用了多达十几种不同的肩胛骨坐标系定义。这好比一群建筑师，有的用英尺，有的用米，有的用古代的“尺”来绘制同一栋大楼的蓝图，其结果自然难以直接比较和整合。这种“方言”林立的现象严重阻碍了肩关节生物力学数据的共享、比较和临床转化，使得许多宝贵的研究成果被困在各自独立的“数据孤岛”里。
为了解决这一瓶颈问题，并回应肩关节生物力学领域对数据透明、可重复和互操作性的迫切需求，Florent Moissenet及其合作团队在《Journal of Biomechanics》上发表了一项重要研究。他们不再纠结于“哪种坐标系是唯一正确的”，而是巧妙地提出：既然这些不同的定义都有其解剖学合理性，那么我们能否找到一种“翻译”方法，将它们统一“翻译”到ISB推荐的“标准语”下，从而实现不同研究数据的无缝对接？
为了回答这个问题，研究人员开展了一项系统性研究。他们的核心目标是为文献中已报道的11种肩胛骨局部坐标系（包括6种基于肩胛骨体部的“肩胛骨坐标系”和5种基于关节盂的“关节盂坐标系”）分别计算一个“平均旋转矩阵（Average Rotation Matrix, ARM）”。这个矩阵就像一个通用的“转换钥匙”，可以将任何一种备选坐标系下的运动数据，通过一次数学旋转，转换到ISB推荐的坐标系下，从而使得原本基于不同“方言”的数据变得可比。
这项研究主要依托于几个关键技术方法：
首先，研究团队利用了一个包含80名参与者（分为无症状组和肩袖全层撕裂病理组）的既有数据集，通过双平面X光摄影（EOS系统）和2D-3D配准技术，为每位参与者生成了个性化的肩胛骨三维表面模型。
其次，基于这些个性化模型，他们分别为无症状组和病理组构建了“统计形状模型（Statistical Shape Model, SSM）”，这是一种能够捕捉并模拟群体骨骼形态变异规律的数学模型。利用SSM，研究团队生成了1000个具有广泛形态代表性的虚拟肩胛骨样本，用于后续的量化分析。
最后，在这1000个虚拟肩胛骨上，他们严格按照文献定义，逐一构建了11种待评估的局部坐标系，并采用一种特定的数学方法（包含初始轴方向校正和基于奇异值分解的平均矩阵计算），计算出了每个备选坐标系转换到ISB推荐坐标系（S-LCS-1）所需的平均旋转矩阵。整个分析过程的准确性通过计算“螺旋角（helical angle）”来评估。
研究结果 主要包括以下几个方面：
3.1. 数据集
研究对比了无症状组和病理组在六个关键肩胛骨形态学参数上的差异。结果显示，形态学倾斜角（GIp ）和临界肩角（Critical Shoulder Angle, CSA）在两组间存在统计学显著差异，而形态学倾斜角（GIp ）、位置倾斜角（GIm ）和关节盂后倾角（Glenoid Version, GV）则在两组中均表现出较高的变异性。这证实了所用数据集涵盖了较广的形态谱，适合用于检验平均旋转矩阵方法的稳健性。
3.2. 统计形状模型
主成分分析显示，无症状组和病理组的统计形状模型在解释85%形态变异时所需的成分数略有不同（7个 vs. 8个），但两组模型都捕捉到了肩胛骨下角、肩峰、关节盂和喙突等关键区域的形态变化，表明模型能有效表征群体形态多样性。
3.3. 局部坐标系中的角度变异性
在应用平均旋转矩阵进行校正之前，不同坐标系之间的平均螺旋角差异最高可达21.9°。而在应用了计算得到的平均旋转矩阵进行转换后，这一最大差异显著降低至5.2°。这直观地证明了平均旋转矩阵在协调不同坐标系方向上的强大效力。
3.4. 平均旋转矩阵
研究核心成果是列出了从S-LCS-2到S-LCS-11这10种备选坐标系转换到S-LCS-1（ISB推荐坐标系）所需的精确平均旋转矩阵（R2 到 R11 ）。例如，用于转换以肩锁关节为中心的坐标系（S-LCS-4）的矩阵R4 ，和用于转换以关节盂中心为中心的坐标系（S-LCS-5）的矩阵R5 均被给出。这些矩阵为后续研究者提供了可直接使用的数学工具。
3.5. 平均旋转矩阵方法的准确性
评估结果显示，对于所有备选坐标系，其个体特异性旋转矩阵与对应的平均旋转矩阵之间的平均螺旋角均保持在较低水平（最高5.2°±2.7°）。其中，基于关节盂的坐标系表现出的误差略高于基于肩胛骨体的坐标系，这与关节盂区域本身形态变异更大的解剖特点相符。此外，研究还将自己计算出的S-LCS-4和S-LCS-5的转换矩阵与Kolz等人2020年发表的矩阵进行了比较，发现两者之间的螺旋角差异很小（分别为2.8°和2.2°），这进一步支持了该方法的稳健性和在不同数据集间的可推广性。
结论与讨论 部分对以上发现进行了总结和深入阐释。本研究证实，平均旋转矩阵为解决肩胛骨局部坐标系不统一问题提供了一个有效且可靠的方案。通过将其应用范围从先前研究中的3个系统扩展到11个系统，并利用一个更大、形态更多样的数据集进行验证，本研究有力地支持了该方法的普遍适用性。
其重要意义体现在多个层面：
1. 提升数据互操作性 ：它为使用不同坐标系的独立研究数据之间的比较、合并与二次分析搭建了桥梁，打破了“数据孤岛”。
2. 促进研究可重复性与透明度 ：使得基于不同实验设置的研究结果能够在一个共同的基准下被理解和验证。
3. 简化 retrospective 分析 ：无需重新处理原始影像或运动捕获数据，利用提供的矩阵即可将已有数据集的坐标系进行标准化转换，极大地方便了对历史数据的利用和整合。
4. 方法稳健性得到交叉验证 ：与Kolz等人研究结果的高度一致性，以及在不同形态群体（无症状与病理）中的成功应用，均证明了该方法受特定数据集和人群特征的影响较小。
当然，研究也指出了当前方法的局限，例如它提供的是“平均”转换，而非个体化最优转换；未考虑操作者间标志点放置差异或动态任务中的功能影响；对严重关节盂畸形的适用性有待验证等。这些为未来的研究指明了方向，例如开发基于易测形态参数的个性化转换模型，或在动态任务中验证转换后运动学数据的保真度。
总而言之，这项研究通过提供一套精心计算的“数学翻译词典”——平均旋转矩阵，为肩关节生物力学领域长期存在的坐标系“巴别塔”困境提供了一个优雅而实用的解决方案。它不旨在统一所有人的“口音”，而是确保大家能够相互“理解”，从而极大地推动了该领域数据的整合、知识的积累以及最终向临床应用的转化。
打赏
