一种新的移动工具(Somatomap)来评估身体图像感知试点测试与时尚模特和非模特:横断面研究

简介

准确地感知身体的整体状态是维持人类健康所必需的一项关键的感官任务[1]并可细分为两个领域:(1)内感受，即大脑感知和感知身体内部信号的过程，如心跳、呼吸或肠道的感觉[2]和(2)外感，即大脑感知和感知外部身体信号的过程，如物体的视觉、声音、形状或纹理[3.］．在医学和精神症状的诊断评估以及治疗方案的选择和实施过程中，临床医生依靠患者从感觉到知觉的准确转换。然而，在某些情况下，感知不准确(即人对身体信号的接收与他/她相应的解释之间的差异)是一个重要的诊断特征，有助于精神健康障碍的表现，例如，身体畸形障碍中的感知身体缺陷，饮食障碍中的身体形象障碍，以及躯体症状障碍中的痛苦身体感觉[4］．充分描述这些对身体的误解在心理健康环境中是一个重大的挑战。

对身体的不满，指的是对自身身体缺陷的不满，这在女性中尤为普遍。5]，尤其是消极的身体态度，这些态度往往与身体部位的视觉外观(如腹部、臀部和大腿)有关[6］．自我差异理论，与身体不满有关，提出对自己的负面感觉和想法源于个人当前的大小/体重/形状与理想的身体身材之间的差异。因此，对身材的不满通常是通过一个人感知到的当前身材和他们理想身材之间的差异来衡量的，利用标准化的身材轮廓菜单进行选择。以这种方式评估的身体不满已被证明与饮食失调症状有显著关联[7-9]及其他精神疾病，例如抑郁症[10］．尽管有这些发现，未能识别与身体不满相关的具体消极思想和感觉可能会导致对身体感知的不完整的画面。此外，还有一些与体重无关的身体特征通常不包括在对身体不满的标准测量中，包括过度出汗、散发出的气味、面部特征的形状和皮肤状况。

身体知觉障碍常发生在精神障碍患者身上。例如，患有神经性厌食症的人倾向于高估身体某些部位的特征，而不是健康的人。11他们可能会认为自己的腰部、臀部、胸部和脸部等身体部位比实际尺寸要大得多，即使他们很瘦弱[12，13］．这种形式的身体意象障碍是该障碍的核心诊断特征[4，是复发的重要预测因素[14]，也是不良结果的一个指标[14-16］．对外表的误解也是身体畸形症的一个核心特征，这是一种影响男性和女性的比例几乎相同的精神疾病，通常与神经性厌食症同时发生[4，17-19］．在这些临床人群中，对身体大小和形状的感知障碍与特定的神经生物学特征有关，为异常身体图像感知的病理生理学提供了初步的见解。例如，一些研究已经将身体形象障碍与神经性厌食症和身体畸形障碍患者皮质视觉系统的异常功能联系起来[20.-22］．此外，当观察自己的身体时，神经性厌食症患者在视觉空间处理区域，如顶下小叶和楔前叶，表现出异常活动。23-27]以及枕颞皮质(包括横纹外区域)[28］．当观察别人的身体时，神经性厌食症患者的顶叶上部、额叶下回和额叶中回、丘脑[24]和杏仁核[26］．在神经性厌食症患者观察他人身体时，楔前叶和颞中部区域之间的连通性较弱[29］．此外，在神经性厌食症中，从左侧梭状回体区域到左侧纹外体区域的连通性较弱与增加的体型误判有关[30.］．因此，在神经性厌食症和身体畸形障碍中，有证据表明，延伸的身体处理网络，包括视觉感觉系统，可能与知觉异常有关，并导致异常的身体知觉。

目前尚不清楚非临床人群在身体形象感知方面是否存在差异，以及存在怎样的差异。从理论上讲，对一些女性来说，不和谐的身体认知(例如，对身体的不满或在苗条时认为自己“胖”)会因社交媒体和媒体图像曝光而加强和加剧。31-33］．时尚模特和其他模特不成比例地暴露在社交媒体和媒体形象上，媒体关注的是她们自己的身体。他们被选为这个职业主要是根据他们的外表，他们经常收到关于他们视觉外观细节的明确反馈。时尚模特也经常被测量身体参数，这些参数可能与对她们身体的批评有关，包括体重和体型等可改变的特征，以及身高等不可改变的特征。目前尚不清楚这个群体的成员身份是否与对人体整体、特定身体区域的感知准确性增强或改变有关，以及对身体问题的情绪反应增强有关。

目前大多数身体感知评估依赖于基于语言的方法，如口头访谈和问卷调查。口头访谈通常包括与临床医生或研究人员的面对面讨论，这是时间密集的，需要专门的培训，并且可能缺乏精确捕捉与身体相关的感知或担忧所需的特异性程度。例如，用语言准确描述一个人感知到自己身体某一特定区域有多大是很有挑战性的。以问卷为基础的测量身体形象感知的量表通常评估对身体的态度，两者都是消极的[34]和正的[35］．然而，仍然需要对身体形象进行评估，包括对个人身体担忧、情绪、痛苦或特定身体部位(如胃、大腿和胸部)的感知细节。评估身体图像感知细节的一种方法是使用基于视觉的工具。最常用的方法是使用静态照片[5]或人物剪影的2D图样，例如Stunkard人物分级表[36]，描绘了基本身体轮廓的几个不同大小的版本。每个人选择最能代表他们当前和理想体型的身材。不幸的是，这些方法掩盖了相当多的身体细节，充其量只能作为全身知觉的格式塔代理。以计算机为基础的工具以前曾作为问卷和基于视觉的评估的补充或替代而被创建[37-39]，以及最近使用的可由个人操纵的3D虚拟形象[40］．然而，这些工具目前的格式也可能有一定的局限性，包括独立操作不同身体区域(如身体部位的宽度或长度)的能力下降，并且可能缺乏对与尺寸无关的感知问题(如出汗、体味或皮肤状况)的评估。此外，上述工具都没有部署在移动设备上，这对于促进纵向的、基于家庭的评估和跟踪临床轨迹可能很重要[41］．

为了解决准确评估身体感知能力的现有差距，我们开发了Somatomap，这是一种新型的移动工具，旨在定量和定性地评估2D(即映射身体关注、关注类型和与关注相关的情绪)和3D(即测量身体部分大小和形状的身体图像感知的干扰程度)的身体图像感知的不同方面。在这篇手稿中，我们描述了这个评估身体形象感知的工具的发展，以及在女性时装模特和一般人群参考样本中试点可行性和可用性测试的结果。鉴于她们的职业对自己的视觉身体特征有更大的关注和反馈，我们假设时装模特可能(1)感知到与非模特明显不同的身体区域的关注，以及(2)她们会更准确地估计自己身体部位的大小和整体尺寸。最后，我们预测Somatomap工具对检测这两种差异都很敏感。

方法

Somatomap

我们开发了Somatomap作为基于网络的自我评估工具，用于测量2D和3D的身体图像感知。2D评估显示了一个雌雄同体的人体模型的图片;用户被要求把这个人体模型想象成他们自己的身体，并直接在上面画出一个他们感觉到身体问题的区域(图1)．我们使用了一个雌雄同体的人体模型，以避免在不同体型的个体(如男性/女性或肥胖/苗条)之间进行统计比较时进行空间标准化或注册的需要。用户随后回答详细描述该关注点的具体特征的问题。为了捕捉通常与外表问题相关的情绪体验，他们提供了相关的情绪评级(例如，通过选择带有相关标签的面部情绪图标，如“悲伤”、“厌恶”、“好/好”、“其他[请具体说明]”)。视觉图标/表情符号伴随书面标签来帮助说明用户可能经历的不同类型的感知和情感体验。对每个关注点分别重复该过程。3D评估以3D形式显示虚拟头像，使参与者能够旋转并从不同角度查看它;用户被要求将化身想象成自己的身体，并调整皮肤和头发的颜色以及各个身体部位的大小，以反映他们当前身体的感知特征(图2)．3D虚拟形象是由一名男性和一名女性志愿者使用3D相机(Eva Lite扫描仪，Artec公司，Santa Clara, CA)和3D软件(Studio 11 Professional, Artec公司)进行3D扫描创建的，以创建男性和女性的3D网格。这些3D网格被单独导入建模软件(Maya, Autodesk Inc, San Rafael, CA)，以增加修改能力。在Maya中，每个3D扫描都被清理成一个完全光滑的网格。这些面孔经过了匿名化处理，便于识别为通用头像。我们选择了13个不同的身体部位进行独立修饰:颈部、肩部、躯干、胸部、肱二头肌、前臂、手、臀部、腰部、臀部、大腿、小腿和脚。利用建模软件的混合形状功能，将每个区域修改为最大和最小版本。生成的Unity 3D Web插件被上传到Chorus平台。使用基于网络的显示器，参与者可以从各个角度查看虚拟形象，手动选择每个身体区域，然后使用水平滑块控件来调整区域的大小(在两个极端的身体大小之间移动)。重要的是，每个身体区域都可以独立于其他区域进行调整，允许各种组合。

Somatomap建立在Chorus上，这是一个符合HIPAA(健康保险携带与责任法案)的可视化开发平台，用于创建移动Web、文本消息和交互式语音应用程序[42］．Chorus是由加州大学洛杉矶分校提供的托管服务。42］．包括Somatomap在内的Chorus应用程序兼容可访问主要Web浏览器(如谷歌Chrome、Apple Safari和Firefox)的移动电话、平板电脑和台式机。这种移动兼容性使用户可以在家里用他们已有的设备完成评估。设备和集中服务器之间的所有数据都是加密的。

‎ 查看此图

‎ 查看此图

参与者

我们从英国的专业模特机构招募了65名女性时装模特(年龄=23.4岁[SD 5.5]岁)作为样本。模特最初是通过电话招募的，并被要求访问他们的经纪公司;所有被联系的人都来了。我们还招募了一个非模型样本(n=38;年龄=25.4 [SD5.2]岁)通过传单和社交媒体从英国普通人群中获得。在研究之前，两组人都没有被告知研究假设，两组人都没有在到达同意程序和评估后拒绝参与。

数据收集

这项研究得到了诺丁汉大学心理学院伦理审查委员会的批准。在模特经纪公司对时装模特进行测试，在诺丁汉大学对非模特进行测试。实验前，每位参与者提供书面知情同意书。参与者坐在笔记本电脑前，完成从PhenX工具包中改编的人口统计问题[43]，以及三种评估(Somatomap 2D、Somatomap 3D和3D可用性评估)在笔记本电脑上使用Chorus [42)平台。Somatomap 2D和Somatomap 3D的呈现顺序是平衡的。

在Somatomap 2D中，参与者被要求使用笔记本电脑触摸板(苹果公司的13英寸MacBook Air)在一个2D人体模型上勾勒出一个特定的身体关注区域。一旦勾勒出轮廓，内部就会自动填充，形成一个“关注区域”。这个过程给了参与者最大的灵活性来追踪他们选择的任何身体区域，具有像素级的特异性。然后，他们通过选择每种类型的关注和围绕关注的情绪来输入他们关注的细节，并使用滑块来显示身体关注的程度。如果他们有一个以上的身体问题，他们就对每一个身体问题重复这个过程。

在Somatomap 3D中，参与者可以向多个方向旋转3D人类化身，并独立调整身体区域。参与者被指示如下:“请使用左边的滑块来创造你今天的身体样子。”3D可用性评估是一份在线问卷，询问他们使用应用程序的体验。问题包括使用该工具的困难/容易程度，令人沮丧/愉快程度，并评估对原始角色(在移动滑块之前)和最终角色(在完成移动滑块之后)的识别程度。

在完成所有身体图像感知评分后，每位参与者的肩膀、胸围、肱二头肌、腰部、臀部、大腿和小腿都按照PhenX工具包中的标准化协议用卷尺测量[43］．每个参与者的实际身体质量指数(BMI)是通过使用身高测量仪和生物阻抗秤(Tanita公司)来计算的。整个研究，包括同意、身体测量和汇报，耗时约30分钟。

统计分析

Somatomap 2 d

每组身体关注的比例地图由Somatomap 2D跟踪生成，通过折叠身体关注的所有区域。这种按比例显示身体担忧的方法类似于我们之前发表的涉及心脏感觉身体地图的研究[44-46］．因此，比例身体图中的每个像素都代表了在该身体区域报告某种类型担忧的参与者的比例。为了统计评估身体关注的组间差异，我们按照之前的方法计算了每个像素的比例z得分统计量[46］．来估计P对于计算出的z值，我们使用排列检验，一种统计重采样方法。置换检验假设在原假设下，参与者(模型或非模型)的分组标记是任意的，并且可以通过随机重新标记参与者并计算检验统计量来估计原假设下检验统计量的概率分布。我们使用了5000个排列，类似于我们之前的研究[46］．计算P值为每个像素，我们比较z-value从实际样本到a的出现次数z-value在重采样集中等于或大于truez价值。使用全宽半最大6像素的高斯核和像素与P值<。05项被认为是显著的[46］．

Somatomap 3 d

通过分段线性插值，将感知到的身体测量值从任意单位转换为厘米单位，使用的是被扫描以创建3D化身的初始女性志愿者的实际身体部位尺寸。在三种情况下，使用发动机内尺测量身体部位:当滑块设置为0.5时，当滑块设置为0时，当滑块设置为1时。分别计算了0到0.5之间的值和0.5到1之间的值的线性插值。0.5设置的预测值允许通过乘以前面计算的每个部分的相对变化量来计算适当的比例因子。例如，当滑块位于“0.5”时，滑块上的“0”实际上可能意味着脚是其大小的75%，而当滑块位于“0.5”时，滑块上的“1”可能意味着脚是其大小的130%。这些测量和计算分别对每个模型及其组成部分进行。然后计算差异分数(以厘米为单位)，方法是将实际身体测量值从身体测量的七个身体区域的感知身体测量值中减去。

采用多变量协方差分析来确定实际身体尺寸、3D身体尺寸和差异评分是否存在组间差异。协变量包括BMI、身高和体重。如果协方差结果的多变量分析显著，则使用协方差分析的事后分析来确定哪些特定变量在模型和非模型之间显示差异。

结果

参与者人口

主要人口统计数据包括在表1而且2．我们进行了t在模型和非模型参与者之间进行检验比较和卡方统计，以确定两组之间是否存在显著差异。总体种族/民族没有显著差异(χ²₄= 4.9;P=.29)，模型和非模型之间的家庭收入具有可比性(t₈₈= 1.07,P= 29)。模特的BMI显著较低(P<.001)，这是由身高差异(P<.001)，而不是体重(P= i)。非模型组也报告完成的教育水平明显高于模型组(χ²₅= 41.1;P<措施)。

Somatomap 2 d

身体比例图显示，与非模特相比，模特们在相似和不同的部位感知身体问题(图3)．模型的个体身体关注区域数量为0 ~ 6个(平均1.2个[SD 0.9])，非模型的个体身体关注区域数量为0 ~ 4个(平均1.4个[SD 1.0])，组间差异无统计学意义(t₁₀₂= 1.3,P= .19)。模特对身体的关注类型(如痤疮、肿胀、凸起和过瘦)的数量为0 - 11种(平均2.4种[SD 2.2])，非模特为0 - 12种(平均2.8种[SD 2.5])，两组之间也没有显著差异(t₁₀₂= 0.9,P= .35点)。情感评分(例如，沮丧和厌恶)的数量在每个模特的0到7之间(平均1.7 [SD 1.4])，在每个非模特的0到8之间(平均2.0 [SD 1.7]);这在两组之间也没有显著差异(t₁₀₂= 0.9,P= 38;看到表3对于每组参与者赞同每种情感标签的频率列表)。统计体图分析显示，每组中有几个区域被更频繁地识别出来(P<.05)差异如下:模特比非模特更关注自己的大腿和臀部，而非模特比模特更关注自己的腹部(图4)．具体来说，95.8%(46/48)的模特表示对大腿/臀部的担忧，称其为过大(例如，臃肿，太大，突出，太胖，脂肪团太多，或肌肉太多)。只有4.2%(2/48)的模特担心大腿或臀部太瘦，想要更多的肌肉。至于非模特，88.2%(15/17)表示腹部问题的人描述他们的腹部过大(例如，臃肿、太胖、凸起、太大、突出或太圆)。只有11.8%的非模特(2/17)担心腹部问题(如痤疮和缺陷)与尺寸无关。两组人都用相似的情绪来描述他们对身体问题的感受(图3)．与两组主要身体关注点相关的情绪评分强度——模特的大腿/臀部(平均26.81 [SD 29.3])和非模特的腹部(平均38.4 [SD 31.4])——没有显著差异(t₂₄= -1.30,P= . 21)。

‎ 查看此图

‎ 查看此图

Somatomap 3 d

实际和感知的身体面积大小和差异的摘要(感知的测量减去实际测量)列于表4．模特和非模特之间肩部和胸部的实际尺寸没有显著差异。然而，二头肌、腰部、臀部、大腿围和小腿围的实际尺寸存在显著差异，模特的身体尺寸比非模特小。差异评分的评估显示模型和非模型在肩围和大腿围上没有显著差异。然而，模型在感知他们的胸围、二头肌围、腰部、臀部、小腿围和整体身体(所有七个身体得分的缩放平均值)方面明显更准确(即差异得分更低)。模特们的肱二头肌和臀部的测量值与实际相差最小(分别为0.01和0.58厘米)，而非模特们的肩部测量值相差最小(0.59厘米)。非模特认为每个身体部位都比实际更苗条(即，所有的差异得分都是负的)。模特也是如此，除了二头肌和臀部，尽管在大多数身体部位的程度低于非模特(表4)．

Somatomap可用性评估

共有36名非模特和65名模特在使用Somatomap的3D部分后立即完成了可用性评级问卷(表5)．总体而言，参与者认为地图易于使用(模型得分:8.4/10;非模特得分:8.5/10)。两组人都报告说，最终的头像与他们实际感知的体型相对接近(模特:72.7%，非模特:75.2%)，但他们对原始头像的认同程度只是中等(模特得分:4.9/10，非模特得分:5.6/10)。两组之间的区别只在于享受程度，非模特比模特更享受使用该应用程序的体验(模特得分:5.9/10，非模特得分:7.4/10;t₇₀= 2.91,P= .002)。定性地说，参与者评价他们“最喜欢”的应用程序是“易于使用”、“使用有趣”和“易于控制”。一些人报告说，他们喜欢这个工具的视觉特性，但也更喜欢有额外的选项来改变头发和皮肤类型，以及控制更多的身体区域。

讨论

在这项研究中，我们开发并试点测试了Somatomap，这是一种用于评估2D和3D身体图像感知的新型移动工具。我们在女性时装模特中测试了这个工具，我们假设，鉴于她们的职业，她们在估计自己的体型和尺寸方面比非模特的女性更专业，因此也更准确。两组人都报告了对身体的担忧，但在不同的部位，模特们更关注大腿/臀部，而非模特们更关注腹部/腰部。模特们更准确地估计了自己的整体体型，而非模特们往往低估了身体个别部位的大小，在胸部、肱二头肌、腰部、臀部和小腿上显示出更大的差异，但肩膀和大腿没有差异。两组人都报告了较高的易用性得分，并认为最终的3D化身与他们的实际身体非常相似，这表明该工具具有良好的可用性体验。总的来说，这些试验结果表明，Somatomap是可行的，能够为人类如何感知和表现身体的视觉特征提供独特的见解。

身体形象知觉是一种固有的主观现象，很难直接测量。迄今为止，在临床环境中评估身体图像感知的标准方法依赖于口头访谈、纸质人体模型和静态照片[34-36，47］．与冗长的纸质或口头访谈相比，Somatomap 2D的优势包括易于直观地表示一个或多个外观关注领域，能够单独描述每个领域的关注类型和相关情绪，以及能够执行统计身体图比较，以量化和直观地表示身体关注领域的差异。据本研究参与者报告，Somatomap 3D易于使用，并且能够接近个体的身体类型。这表明在直观地表示用户如何感知自己方面具有良好的灵活性，这比其他使用固定物体进行选择的基于视觉的工具具有优势。现有的计算机评估可以评估身体形象的单独特征，如整体大小或形状[37-40]，但它们不能像Somatomap 3D那样提供个体身体部位的灵活性。Somatomap 2D和3D的另一个优点是可以通过评估个体身体区域来获得信息的详细程度。Somatomap 2D不只是从整体或整体上评估对身体形象的关注或不满，它允许个人指定与每个关注领域相关的独特细节，如身体特征和相关的情感体验。结合物理测量，Somatomap 3D允许对感知差异进行量化个人而不是像其他现有的评估(如Stunkard身材评分量表)那样，只对整个身体形状进行评估。

我们创建Somatomap是为了尽可能客观地实现对身体形象关注的精确数字快照，在个体身体部位的水平上量化一个人的内化和实际身体形态之间的感知准确性，以及将两者联系起来的能力。Somatomap 2D的身体统计图显示，与非模特相比，时尚女性模特明显更担心大腿(尤其是大腿内侧)过大。这种对身体的特别关注可能反映了一种“大腿间隙”的可取趋势，也就是说，当双脚并拢直立时，大腿之间有一个间隙或空间。例如，2015年一项针对500名英国女性的在线调查发现，年龄在16-65岁之间的女性中，有40%的人认为，如果她们有“大腿间隙”，她们会更自信。48］．Somatomap 3D的结果显示，两组人都低估了个别的身体区域，这与一些研究结果一致，这些研究表明，在一般人群中，女性倾向于低估自己的体型[49]，但研究表明，一般人群中的女性可能会高估自己的体型[12，13，50］．模特们在估计自己的整体尺寸上也明显比非模特更准确，在估计胸围、肱二头肌、腰部、臀部和小腿的尺寸上也更准确。有趣的是，当在Somatomap 3D中检查两组之间的身体差异得分时，大腿是两组在估计能力上没有差异的唯一两个区域之一，然而在Somatomap 2D中，这是一个模型比非模型更频繁认可的区域。这些初步结果表明，结合起来，Somatomap 2D和3D有能力检测不同身体部位的身体图像感知差异。

模型和非模型中的这些结果可能部分支持社会规范假说，该假说认为，对体型/体重的判断受到不同体型的视觉接近程度的影响[51］．考虑到非发展中国家和发展中国家肥胖的持续流行，这表明体型的重新校准正在进行中，导致人们认为更大的体型是“正常的”。因此，根据这一假设，非模特可能主要通过将自己与英国普通人群(即61%的人超重或肥胖)进行比较来校准自己的身体感知。52)，而模特们可能会将自己与一般同龄人(其他比平均身材苗条的时尚模特)进行比较，以校准自己的身体感知。尽管BMI高于模型，但本研究中招募的非模型样本(平均在健康范围内)的平均BMI低于英国总体人口规范所显示的平均值。这使她们成为模特的一个相当好的对比，但也可能潜在地导致了对英国普通女性非模特样本整体身体形象差异的低估。

通过促进身体意象障碍的态度和感知方面的准确测量，Somatomap工具可能允许后续表征临床和非临床条件下的潜在神经机制。例如，正如试验结果所表明的那样，该工具应该敏感地检测神经性厌食症患者注意到的特定身体区域(如腰部、臀部和胸部)的高估差异[11-13]和其他在身体畸形障碍中观察到的[17-19］．将该工具与神经生物学测量方法(如功能性磁共振成像或脑电图)相结合，可能有助于阐明先前描述的皮质视觉系统异常是否存在以及如何存在[20.-22]可能与对特定身体区域的错误估计有关，而这反过来又可能导致神经性厌食症和身体畸形障碍中的身体形象障碍。在临床层面，该工具是否能有效可靠地测量这些疾病中身体图像感知的扭曲仍有待观察，还需要进一步的研究来确定这种方法的可行性。

通过更好地洞察感知机制，Somatomap可能有助于揭示各种精神疾病身体形象障碍的潜在因素，揭示疾病病程的重要信息，并可能有助于开发新的治疗方法。在开发Somatomap时，我们的目标是生成一个能够在广泛的设备、物理位置和设置(即研究和临床)上部署的移动工具。跨平台兼容性和hipaa加密(通过Chorus)，以及预计到2020年80%的成年人将拥有智能手机[53，代表着朝这个方向迈出了重要的第一步。该工具的纵向部署可以帮助临床医生检测身体形象障碍对现有临床干预的反应，并在病程的纵向跟踪。虽然是推测性的，但这一工具似乎也可能有助于开发针对身体形象障碍的新型干预措施。例如，虚拟现实在帮助重新校准神经性厌食症患者的身体感知差异方面显示出了治疗潜力。最近的一项虚拟现实研究[54通过视觉触觉刺激调节对虚拟身体化身的所有权感，并表明它可以在长达几个小时的时间内降低对腹部的高估。这种知觉再训练也可以通过使用移动设备的Somatomap进行研究，特别是在可以最大限度地识别角色的环境中，以及在难以访问虚拟现实或其他专业设备的情况下。因此，Somatomap工具可能会对患者产生潜在的临床影响，例如部署该工具来协助临床医生检测针对身体形象障碍的治疗的反应;自然病程的纵向跟踪(即远程监测身体形象障碍的潜在复发或“突然发作”);或者将其整合为新型知觉再训练干预措施的组成部分，特别是在远程环境中，当获得虚拟现实等专业设备的机会可能有限时。

这项研究有几个局限性。首先，在使用工具的3D评估部分后，从参与者那里获得可用性数据。我们没有为2D评估收集单独的可用性数据。其次，数据收集发生在来自英国的相对较小的女性样本中。获得更多不同种族/民族、社会经济群体和性/性别类别的测量方法，并最终获得规范，对于确定这种方法对全球人口的泛化性很重要。第三，2D人体模型由一个雌雄同体的人物组成，目前尚不清楚特定性别的人物是否会改变所提供的评估类型。然而，拥有一致大小的2D模型使我们能够更容易地进行跨主题的统计分析。第四，对3D角色的识别(在操作前)处于中等范围，虽然在最终操作后有了很大的改善，但并不是最高限度。进一步改善头像识别的可能改变包括提供更多的可定制的不同特征，除了目前支持的头发和皮肤颜色选项，增加可以修改的区域的数量(即，在这里列出的七个之外)，增加新的身体修改参数，如身高/长度(即，在这里列出的周长/宽度修改能力之外)，以及改进头像个性化。正如最近所指出的那样，“与通用的虚拟形象相比，个性化的虚拟形象显著增加了身体所有权、存在感和支配力”[55］．由于这是一项试点可行性研究，我们没有检查测试-重测的信度，也没有正式将结果与现有的身体图像评估工具(如Stunkard图像评分量表)进行比较，以评估结构的有效性。我们预计在根据本研究中收集的用户体验数据修改Somatomap后进行此类评估。最后，我们没有进行临床诊断评估，也没有获得医疗记录，以确定两个样本中是否存在饮食障碍、身体畸形障碍或其他可能影响身体感知的精神障碍。

总的来说，这些试验结果表明，Somatomap是可行的，并且能够为人类如何感知和表示身体的视觉和大小/形状特征提供独特的见解。与常用工具相比，它的优势包括移动性;易用性;可定制的化身，可以灵活地代表用户的身体，具有各种身体形状和大小;最重要的是，在个人身体关注(Somatomap 2D)和个人身体部分大小和形状的感知(Somatomap 3D)的水平上，可视化和统计量化身体图像感知的能力。该工具的未来临床应用可能包括对涉及身体形象障碍的外观关注和身体感知的调查，如饮食障碍和身体畸形障碍。这可能既可以用于横断面，也可以用于纵向，以跟踪疾病轨迹和随治疗时间的变化。