全身的な筋疲労を評価することは頭頚部における口腔顔面痛に限らず、疲労が関連する他の疾患の診断や治療方針の決定にも深く貢献すると考えられる。
研究代表者らは、これまで顎関節症患者に関して蓄積してきた高精度24時間連続筋電図記録から新たな筋疲労度の定量化因子に着目し、機械学習を用いた解析システムの開発を進めてきた。令和２年度には、ワークステーション上での環境構築を行った。また、Neural Network Consoleを使用して、疲労データの自動解析を試行した。令和３年度には、AIシステムの構築にPytorchの検討を行うとともに、４肢筋を用いて負荷を与えた際の筋電図波形の収集を行った。また、日常生活環境におけるデジタルノイズサンプルの収集を継続して実施した。前年度までに収集していたデジタルノイズサンプルに加えて、発生源となるデジタルデバイスの数を増してデジタルノイズサンプルデータベースの充実を図った。このようなデジタルノイズはAIを用いた解析においては大量の蓄積が必要となるものであり有用である。本年度に収集したデジタルノイズを検討した結果、一部のデジタルノイズ波形とGD 波形とが予想以上に類似していることが明らかになった。現状ではこれまでのAIを用いた解析だけでは100％の精度でこれら２者を分離することは困難であったため、筋電図信号収集時にあわせてデジタルノイズを観測できるハードウェアシステムを開発し、本研究の目的を達成できるように進行している。