下肢外骨骼机器人在重建不完全性脊髓损伤患者步行功能中的应用和研究进展

王一吉，李建军

康复的目的是恢复患者因为外伤、疾病而丧失的运动、感觉和精神功能，帮助患者弥补无法用药物治愈的缺陷[1]。对不完全性脊髓损伤患者来说，需要康复来恢复下肢运动功能[2]。步行功能训练对于重建步行功能非常重要，动物实验发现，步行训练能够选择性增加运动神经通路，增加运动池的协调，激活很少量的神经元，利用残存的神经输出来控制站立和步行。近10年来，下肢外骨骼机器人在不完全性脊髓损伤患者步行功能训练中的应用越来越广泛[3]，可为下肢提供重复的、助力或抗阻的步行训练[4]。

1 下肢外骨骼的应用

应用于步行功能训练的下肢外骨骼可分为2类：一类主要是用于提高下肢关键肌肌力和关节活动度等基础训练，如髋、膝、踝局部屈伸等力量的训练；另一类主要用于患者进行行走整体训练，以提高步行时身体的稳定性和协调性。

1.1 基础训练 应用于下肢基础训练的外骨骼种类较多，虽然大多数外骨骼可进行下肢肌力的辅助、被动、抗阻训练，但很难复制物理治疗师的手法训练，为患者提供更人性化的指导。Erhan等成功应用脑机接口技术模仿治疗师控制下肢外骨骼进行髋、膝关节基本的屈伸运动，但整体还在实验阶段。目前，NeXOS和Multi-Iso是最接近物理治疗师的外骨骼机器人[4]。NeXOS由Bradley设计，主要针对膝、踝关节进行辅助、抗阻、被动3种模式的屈伸训练[5]。Multi-Iso由Moughamir设计，采用模糊控制技术及Swortech SA动力腿来控制髋、膝、踝关节的屈伸运动。

1.2 步行功能整体训练 由于大多数不完全性脊髓损伤患者的下肢功能较差，不能负载正常的体重，需进行减重，使患者在减轻身体重量的情况下进行符合正常生理的步行训练。下肢外骨骼机器人与减重装置配合形成了目前公认的脊髓损伤患者最好的训练方法：减重平板步行训练(body weight supported treadmill training,BWSTT)。美国每年有20万脊髓损伤患者进行BWSTT训练[6]，可提高下肢运动和步行功能(步长、步速、耐力)[7]。在人工BWSTT中，往往需要数名物理治疗师消耗大量体力，且训练时间短，步态差异大，重复行走率低，无法记录相关数据和进行客观的定量评价；而下肢外骨骼的引进不仅减轻了治疗师的工作强度，而且可为患者提供持续、规范的步行训练[8]。为了达到理想效果，下肢外骨骼的步速与减重装置的减重量是重要调整参数。通过对表面肌电协调模式的测定，发现步速应与减重量成正比，减重量越大，步速应当越快；当减重量最小时，任何步速都可以观察到最大的肌紧张。因此步行时应将减重量控制在40%以内，而对步速无严格要求[9]。目前已应用于步行功能训练的下肢外骨骼系统有瑞士的LOKOMAT[10]， 德 国 的 GAIT TRAINER(GT)， 美 国 的 Autoambulator。此外，一些外骨骼原型机还在研究当中，如active leg exoskeleton(ALEX)、Haptic Walker、WalkTrainer、Pelvic Assist Manip-ulator and Pneumatically Operated Gait Orthosis(PAM and POGO)和lower extremity powered exoskeleton(LOPES)。

2 下肢外骨骼机器人的步行控制方式

目前用于步行功能训练的下肢外骨骼机器人控制步行的方式主要有轨迹跟踪控制、阻抗控制。轨迹跟踪和阻抗控制的潜在问题是无法根据患者实际能力来协调控制参数，患者主动参与性很低，因此需要下一步研究应加强患者的主动参与性。

轨迹跟踪控制是指按固定模式带动下肢进行步行，由比例位置反馈控制器和关节角度来形成步态，适用于下肢肌力较弱时。可分为速度控制和位置控制。李荫湘等证明速度控制要优于位置控制[11]。Hornby等证实了轨迹跟踪控制的疗效，可增加不完全性脊髓损伤患者的步速和耐久性。Zhang等通过建立5连接模型轨迹跟踪控制，可以增强患者训练时的参与性，使训练更加个性化[12]。它潜在的问题是强加的固定运动模式会限制运动误差，而运动误差是患者重建步行功能重要参数，最终可能会造成异常的步态。

阻抗控制是指通过驱动器输出的力量与产生的运动之间的阻抗来进行控制，最早由霍根提出，主要是由外部位置反馈环路和内部力量反馈环路来形成步态，最典型的代表就是LOKOMAT，近年来，黏滞力场的引入扩大了阻抗控制的应用范围，如ALEX可通过增加在足部的力场控制器来进行踝关节辅助和抗阻的训练[13]。

综合来说，两种控制方式对于步行训练各有利弊，但都缺乏足够的证据。将来希望能设计出更科学的临床试验来证实各控制方法对于不同患者的有效性，制定出理论框架与试验数据共同确立的步态参数[8]。

3 下肢外骨骼重建步行功能的训练策略

应用外骨骼助行腿进行步行训练的最重要的目的是让患者以正常的步态进行训练，因此如何规划步态训练就显得尤为重要。由于不完全性脊髓损伤患者下肢功能恢复的特殊性，一般需要两套步态训练方案，即被动步态训练方案和协同控制步态训练方案。对于损伤早期或者功能受损严重的患者，需要进行被动的、预定的轨迹步行，适合采用位置控制方法[14]。随着下肢肌力的恢复，会对以前完全被动的步态产生排斥，甚至导致异常的步行模式，这时就需要协同控制步态训练方案[15]，目的是让患者主动地控制步行，同时外骨骼又能充分引导完成正确的步行。步行训练中的主动性和互动性对于神经可塑性和运动控制非常重要，固定的被动步行模式不仅会使患者形成依赖，减少肌肉的活动性和新陈代谢，而且会限制下肢运动的多变性。当患者能够更自由地步行时，可在步行中反应出肌肉活性的变化，产生持续传入反馈，重建大脑和脊髓的神经网络，最终对脊髓损伤患者产生非常理想的治疗效果。Wicke等设计的患者协同控制步态训练方案能够让患者自主调节步行时间，并通过虚拟墙保持在有生理学意义的路径中步行，还可提供视觉训练指导。通过对15例不完全性脊髓损伤患者的研究发现，大部分患者能够主动控制步行时间，进行更加主动的步行[14]。目前最新的患者协同策略是按需辅助(assist as need,AAN)，目的是刺激患者进行最大程度的自主运动，下肢外骨骼仅仅提供维持生理学步态的最小帮助。但具体实施参数还需进一步研究。

4 步行功能训练疗效的评价

对于下肢外骨骼系统步行训练策略有效性的评价十分困难，相关研究较少。由于时间、空间和费用的限制，很难客观地对临床步态进行分析。主要是通过步行能力、关节运动学、动力学和动态肌电图数据来评测训练前后神经肌肉和步态的变化[16]。常用的有改进的脊髓损伤步行指数(the revised walking index in spinal cord injury,WISCIⅡ)、6分钟步行测试(the 6 minute walk test,6MWT)、10米步行测试(10 meter walk test,10MWT)、计时行走测试(the Timed Up and Go,TUG test)[17]、改良的Emory功能性步行测试(modified Emory Functional Ambulation Profile,MEFAP)、平衡信度量表(Activities-specific Balance Confidence Scale)、交叉关联(cross-correlations,Cc norm)和对称指数(Normalized Symmetry Index,SI norm)[18]、加拿大作业绩效评估(Canadian Occupational Performance Measure)和表面肌电图(surface electromyography,SEMG)等。

进行步行功能评价时，需综合的考虑各项指标，综合得出结论。但对每位患者进行种类繁多的评价不仅会加大评估难度，而且会影响评估的效度。在欧洲进行的关于脊髓损伤患者步行功能各评价标准相关性和准确性的多中心研究表明，WISICⅡ存在项目多余和上限效应等问题；10MWT和TUG之间相关性很高，但随着时间的推移，如伤后1年，相关性下降。最终推荐10MWT作为最理想的步行功能评价标准。SEMG能够精确记录步行的肌肉电活动，但易受到外界影响，一般需与运动学和动力学结合起来进行评估[16]。最近，Yungher教授设计了表面肌肉压力(surface muscle pressure,SMP)+SEMG的评估方法，能够更好评测肌肉运动的力学模式[19]。Cc norm+SI norm对步行周期中下肢的波形模式和双下肢差异的时间和大小进行测试来评估步态的对称性。

随着科技发展，越来越多的设备和技术已被用于进行步态疗效的评估。Galen等设计了一个便携式步行分析装置，通过加装了力传感电阻的鞋垫，可准确对双足进行定位，客观分析脊髓损伤患者实时的步行参数，与WISCIⅡ相比可对步态进行更灵敏的评估[20]。Juan等通过在大腿前部和小腿外侧部安装由加速度计和陀螺平台等惯性器件组成的惯性测量单元(IMU)，也可对步行情况进行评估。而虚拟视觉技术作为一项新技术，在脊髓损伤患者下肢外骨骼步行训练中的应用日益成熟，可将步行运动模式与虚拟图像结合，通过带有激活标志物的光学系统，在屏幕上实时显示患者运动，能对步行进行量化、标准化评定。

5 问题与展望

近年来各方面技术的成熟，为下肢外骨骼的发展提供了非常充分的条件。越来越多的研究团队和研究机构加入到下肢外骨骼的研究中来，但在重建不完全性脊髓损伤患者步行功能方面的应用和研发还有许多需要完善的地方。如步行时的主动性、疗效验证的科学性、辅助方法的全面性等。

目前已应用于临床的下肢外骨骼系统对于增强步行主动性方面还有很多不足，如LOKOMAT只能使患者进行矢状面的步行运动，不能提供抗阻训练；GT中固定在脚上的曲柄摇杆装置可能会对步行功能的恢复造成一定的影响。因此，今后的步行功能训练中应增加主动性、参与性强的训练方法，如增加抗阻和反馈[17]。美国芝加哥大学康复研究所通过在原有外骨骼基础上增加踝关节电缆驱动控制器(cable-driven locomotor trainer,CaLT)，可以提高步行训练中患者参与性。CaLT由固定在踝关节前后4条电缆线、马达和滑轮组成，可以在步行时提供阻力或额外的助力，增加患者在步行训练中的主动性。通过对11例不完全性脊髓损伤患者实验表明，可以增强下肢的运动功能，目前正在进行更大样本的测试[21]。此外，生物反馈技术在步行功能中的作用也非常重要[22]，而以实际步行为基础的生物反馈比以理论为基础能更好地将运动和反馈结合起来[20]。最近的研究发现，步行摆动相中的屈肌反馈可以增强肌肉的活动性[23]。

Eva等对现有外骨骼辅助步行训练的文献进行了分析，认为由于样本量较小、方法学的不足、训练过程相异，并不能证明应用外骨骼进行步行训练对于步行功能的恢复比其他训练方法更有效，因此需要一个设计严谨的大样本随机对照实验，如根据AISA分级和损伤平面来确定入选标准，疗效的判定还需包括生活质量和社会参与度等方面[24]，因为运动能力的改善可以提高患者的生活质量。

虽然许多实验已经证明脊髓中枢模式发生器(central pattern generators,CPG)可产生节律性步行，但对于人类来说，脊髓上水平的控制对于步行也十分重要。为了重新获得运动功能，不完全性脊髓损伤患者很大程度依靠视觉来补偿本体感觉的缺失和平衡功能的不足[17]，因此在今后的步行功能训练中应加入视觉模拟的技术，从更多方面来促进和配合步行功能的恢复。

下肢外骨骼系统不仅可以为患者提供持续、规律的步行训练，最重要的是可以对相关数据进行实时记录，治疗师可以通过对步行的各项数据分析调整训练方案，提高训练效率。但对于相关数据的确定、记录和分析等方面的研究还不多，需要进一步完善。

6 总结

现阶段用于脊髓损伤患者步行功能训练的下肢外骨骼机器人依然存在一定缺陷和不足，但其在恢复下肢步行功能方面已显示出极大潜力，在很多方面都有很大的研究价值。

[1]http://www.ehendrick.org/healthy.(2010-06).

[2]Bradley D,Marquez C,Hawley M,et al.NeXOS－the design,development,and evaluation of a rehabilitation system for the lower limbs[J].Mechatronics,2009,19:247-257.

[3]Malcolm P,Segers V,Caekenberghe IV,et al.Experimental study of the influence of the m.tibialis anterior on the walk-to-run transition by means of a powered ankle-foot exoskeleton[J].Gait Posture,2009,29:6-10.

[4]Akdogan E,Arif M.The design and control of a therapeutic exercise robot for lower limb rehabilitation:Physiotherabot[J].Mechatronics,2011,21:509-522.

[5]Bradley D,Marquez C,Hawley M,et al.NeXOS-the design,development,and evaluation of a rehabilitation system for the lower limbs[J].Mechatronics,2009,19:247-257.

[6]American HeartAssociation.[2010].http://www.heart.org.

[7]Dietz V.Body weight supported gait training:from laboratory to clinical setting[J].Brain Res Bull,2009,78:I-VI.

[8]Hussain S,Xie SQ,Liu GY.Robot assisted treadmill training:Mechanisms and training strategies[J].Med Eng Phys,2010,33:527-533.

[9]Klarner T,Henry K,Chan C,et al.Patterns of muscle coordination vary with stride frequency during weight assisted treadmill walking[J].Gait Posture,2010,(31):360-365.

[10]Hocoma.Lokomat®.functional locomotion therapy with augmented feedback[OL].http://www.hocoma.ch/en/products/lokomat/.[2009-12-08].

[11]李荫湘,钱晋武,沈林,等.步行康复机器人轨迹控制方法研究[J].机电工程,2010,27(6):47-51.

[12]Zhang JF,Dong YM,Yang CJ,et al.5-link model based gait trajectory adaption control strategies of the gait rehabilitation exoskeleton for post-stroke patients[J].Mechatronics,2010,(20):368-376.

[13]Banala SK,Kim SH,Agrawal SK,et al.Robot assisted gait training with active leg exoskeleton(ALEX)[J].IEEE Trans Neural Syst Rehabil Eng,2009,17(1):2-8.

[14]Duschau-Wicke A,von Zitzewitz J,Caprez A,et al.Path control:a method for patient-cooperative robot-aided gait rehabilitation[J].IEEE Trans Neural Syst Rehabil Eng,2010,18(1):38-48.

[15]Vallery H,van Asseldonk E,Buss M,et al.Reference trajectory generation for rehabilitation robots:Complementary limb motion estimation[J].IEEE Trans Neural Syst Rehabil Eng,2009,17(1):23-30.

[16]Yu HY,Alaqtash M,Spier E,et al.Analysis of muscle activity during gait cycle using fuzzy rule-based reasoning[J].Measurement,2010,(43):1106-1114.

[17]van Hedel HJ,Dietz V.Rehabilitation of locomotion after spinal cord injury[J].Restor Neurol Neurosci,2010,28(1):123-134.

[18]Gouwanda D,Senanayake SMNA.Identifying gait asymmetry using gyroscopes－A cross-correlation and Normalized Symmetry Index approach[J].J Biomech,2011,44:972-978.

[19]Yungher DA,Wininger MT,Barr JB,et al.Surface muscle pressure as a measure of active and passive behavior of muscles during gait[J].Med Eng Phys,2011,33:464-471.

[20]Galen SS,Clarke CJ,Allan DB,et al.A portable gait assessment tool to record temporal gait parameters in SCI[J].Med Eng Phys,2011,33:626-632.

[21]Wu M,Hornby TG,Landry JM,et al.A cable-driven locomotor training system for restoration of gait in human SCI[J].Gait Posture,2011,33:256-260.

[22]MirelmanA,Bonato P,Deutsch J.Effects of training with a robot-virtual reality system compared with a robot alone on the gait of individuals after stroke[J].Stroke,2009,40:169-174.

[23]Lam T,Pauhl K,Krassioukov A,et al.Using robot-applied resistance to augment body-weight-supported treadmill training in an individual with incomplete spinal cord injury[J].Phys Ther,2011,91(1):143-151.

[24]Swinnen E,Duerinck S,Baeyens JP,et al.Effectiveness of robot-assisted gait training in persons with spinal cord injury:a systematic review[J].J Rehabil Med,2010,(42):520-526.