可穿戴设备在帕金森病慢病管理中的发展现状

谭颖 郝红琳 李延峰

帕金森病(Parkinson disease，PD)又称为震颤麻痹，是中老年人常见的一种神经变性疾病，以黑质内多巴胺能神经元丢失为病理标志[1]。目前PD的确切致病机制尚不清楚。研究表明基因突变、蛋白表达异常、氧化应激和线粒体功能障碍参与其发病[2-3]。我国人群PD患病率为190/10万[2]。2005年中国PD患者约为200万，至2030年将达500万[3]。PD的临床异质性很强，目前仅能通过有限的临床评分系统，并根据评估结论进行药物调整干预。但上述评估系统均基于医生和患者的主观判断，重复性不佳。评估发生的地点、时间均受限制，因此有必要寻找更为客观的途径来排除PD患者情绪、医生主观因素等的干扰。随着医疗行业的变革，医疗保健模式也在向诊疗个体化、智能化的方向转变[4]。新型的可穿戴技术(wearable technology，wT)是实现个体化医疗的有力补充手段。近些年，便携式可穿戴医疗设备和物联网的出现，实现了对PD患者姿势运动、肌张力、睡眠时间等数据进行实时采集、传输，通过机器学习，建立了很多数据模型，成功地对PD患者的身体状态实现了多元化监测。该技术的发展也提高了患者参与疾病管理的积极性，同时有助于发现更多新的基因、新的生物标记物，贯彻和执行新的治疗技术；有助于实现远程医疗，实现立足于社区、家庭的医疗监测和远程评估方式[5]。如何将收集的大量生物数据转化为知识，并有力支撑临床决策是非常关键的问题。另外，技术的变革带来的一些隐私保护也是目前法律和社会争论的难点和热点[6]。本文现对可穿戴设备在PD中的应用，如何将数据转化为循证证据，物联网与医疗结合的潜力方面进行阐述。

1 可穿戴设备的概念

wT最早是20世纪60年代由美国麻省理工学院媒体实验室提出的创新技术[7]。该技术的核心是将体感探测器、传输系统整合到衣物中，支持手势、触碰等多种交互方式，具有低负荷、可移动、续航能力强、无线数据传输等优势。随着机器学习、互联网等技术快速发展，逐渐在医疗、体育、工程、教育、娱乐等领域体现了较高的应用价值。医学生物领域目前有两种传感器模式主要应用于PD：(1)生物电传感器，如表面肌电图；(2)运动传感器，如陀螺仪、加速度等。

2 PD标准化管理和可穿戴设备

PD的标准化管理包括标准化临床诊断、疾病严重程度评分、治疗决策。一些标准化评估体系如统一帕金森病评定量表(unified Parkinson disease rating scale，UPDRS)评分、Hoehn-Yahr分级、电子病历系统等，为可穿戴设备的对接提供了良好的支持。借助电子化标准评估手段，将纷繁复杂的医疗活动分散到社区和家庭，可分担成本并让患者更积极参与疾病管理，减少定期随访评估的难度，打破空间时间的限制。PD症状在一天之中时常变动，涉及到的临床表现丰富多样，可设计多种模块整合到设备中。目前很多可穿戴设备应用于PD的运动模式识别追踪，如识别异常步态、震颤、冻结步态、活动时长等，进而判断跌倒状态并发出可被患者接受识别的预警信号。现有的PD监测设备分为可穿戴型、非可穿戴型和混合型，现有研究已将Ambulatory Parkinson’s Disease Monitoring(APDM)公司的移动传感器、Gait up公司的Physilog®、Cyma公司的StepWatch 3TM、TriTrac公司的RT3、McRoberts公司的DynaPort和Axivity(AX3)等可穿戴设备归类为“推荐”[8]。可穿戴设备不仅可监测运动状态，也可应用于评估PD的睡眠、吞咽障碍、脑深部电刺激(DBS)术后症状变化[9-10]，亦有用于PD远程康复指导的报道[11-12]。

3 生物数据的转化分析

在生物数据分析领域，机器学习发展非常迅速，目的是将临床症状拆解成一系列数据，通过分析和运算来展示患者的客观状态。

3.1PD肌张力识别肌张力增高是贯穿PD全病程的症状，经常从一侧开始，向另一侧发展。及时发现并给予多巴胺类药物后，该症状可得到一定程度的缓解。目前肌张力测量法有直接法和间接法。直接法是通过表面肌电图(surface electromyography，sEMG)[13]进行数据采集和分析，sEMG较为常见的肌张力测定方式是通过表面电极记录肌肉运动单位的电活动信号，其信号形成来源于众多外周运动单位电位在空间和时间上的总和。PD患者静息时肌电活动水平明显高于健康者，表现为sEMG振幅增高，肌肉暴发放电现象增多。Lukhanina等[14]研究发现，PD患者运动时其主动肌和拮抗肌平均肌电值(average EMG)高于正常，PD患者症状较重的一侧上肢肌肉静息肌电值与上肢肌强直程度和UPDRS第Ⅲ部分(运动功能)评分呈正相关，主动肌/拮抗肌在运动中的参与程度与UPDRS第Ⅱ部分(日常活动)和运动障碍评分呈正相关。另有学者对18例多系统萎缩(MSA)患者和21例PD患者进行sEMG研究发现，尽管两组在UPDRS 第Ⅲ部分评分上无统计学差异，但通过sEMG分析显示，MSA患者在 10～17 Hz频带(针对上肢肌肉)和 7～14 Hz频带(针对下肢肌肉)的主峰值较PD患者更大，提示sEMG对于PD和MSA的鉴别具有一定参考价值[15]。还有学者联合应用sEMG和全皮层脑磁图(magnetoencephalography，MEG)或联合sEMG和丘脑电位记录仪探讨了震颤发生时中枢的调控受损机制[16-17]。间接法是通过加速度、角速度[18]和肌肉力量[19]，通过多维传感器传输至处理终端，经过计算转换，间接反映肌张力增高的状态。Summa等[20]通过陀螺计速仪从6个方向记录了PD患者上肢运动轨迹，认为运动速度的均方根与UPDRS量表评分具有相关性，可反映肢体强直的状态。

3.2PD运动状态PD因缺乏多巴胺递质，其运动存在一定的衰退现象，可出现动作迟缓、静止性震颤、重复单一动作困难表现。用可穿戴设备评价运动状态的过程一般分为数据的采集提取、数据分析。大部分研究采用的是加速器测量原理，其应用方便，其设备可置入智能手环、智能手表、手套、鞋垫、腰带、跑步机内等等。数据采集分成抖动幅度、步幅长度、运动时间、冻结状态[21]、摆腿强度[22]、静止力量，甚至图像[23]等，数据处理包括随机森林、决策树[24]等机器学习方法，对PD患者的室内状态进行实时反映。目前通过加速度仪测定的运动指标包括：(1)步长：Sayeed 等在PD患者腰部佩戴三轴加速度仪，采用Sliding Window Averaging Technique(SWAT)技术获得步长参数，再经过下背部其他运动参数校正，获得最终步长估值[25]。(2)开关状态：在一项研究中，通过给PD患者佩戴加速度仪，结果显示其对运动波动的拟合灵敏度达94%，特异度达96%[26]。(3)冻结步态：Tripoliti等利用放置在患者身体上的可佩戴传感器(6个加速度计和两个陀螺仪)所接收的信号检测PD患者冻结步态，其检测敏感度为81.94%，特异度为98.74%，准确度为96.11%，曲线下面积(AUC)达98.74%[27]。(4)跌倒风险：有研究给PD患者和健康人在下背部放置传感器(3D加速度仪)，采集了3 d内步态信息(步行总数量和步态变化信息)，并随访1年，结果发现PD的步态变异程度和跌倒风险具有相关性[28]。(5)DBS手术适应证的把握：药物疗效明显下降或出现严重的运动波动或异动症，是DBS术的一项手术适应证。智能穿戴设备中的加速度仪通过评估初始左旋多巴反应性以及后期运动波动和异动症，有可能协助临床医生握住DBS治疗的最佳时机[29]。设计特定运动模式需要结合专科临床经验，并需要患者具备一定的配合能力，而可穿戴设备可将最长监测时长延长至1周[22]，从而降低了患者配合的难度[23]。随着可穿戴设备的应用范围扩展，相关技术得到快速发展：在机器感知的维度上，尤其为了适应人体运动时佩戴，研发了多种新型通信技术(如蓝牙、WI-FI、GPS、人体通信技术、ZigBee[18，30])、芯片技术(如模拟前端芯片、主控芯片等[31])、传感技术(多轴运动传感仪[32])等；从机器应用的维度上，出现了丰富的交互模式，如手势、语音交互等，也出现了适用于不同场景下的操作模式。未来随着技术的成熟，可穿戴设备将作为智能终端，结合移动通信技术和云计算技术提供更为便利和个体化的医疗服务。

3.3PD其他症状除对运动症状的个体化诊断和观察外，应用可穿戴设备还可对睡眠、自主神经功能、吞咽功能[32]等指标进行医院外的补充观察。一份来自于患者自我报告的文献提示，可穿戴设备的应用可满足其真实需求，并提升幸福感[32]；另外，药物观察、DBS术后随访[33]也可从中获益。长程、稳定、正确的数据解读，可帮助对药物治疗方案进行微调，也可帮助对围手术期患者进行精准观察。该技术对于PD的个体化分型、药物干预下生物学指标的变化、新剂型药物的使用以及新手术方式的应用提供前期最实时可靠的生物信息学证据。

4 医疗和物联网的将来

医疗模式的变革正在鼓励多模式、开放性、包容性的医疗服务手段出现。患者和家属通过手机、社交软件等方式参与到疾病管理中来，患者教育和医患交流活动发生变动，打破了传统当面访谈的模式。物联网正在快速发展，可穿戴设备的应用也越来越广泛，尤其在行动不便和经济水平有限的患者中具有很大应用潜力。这些新型设备和包容性平台的建立和使用，使不同背景、不同地域的人能够参与到诊疗甚至医疗研究中来。同时，通过这种模式获得的高质量健康数据，将有助于制定更为人性化的政策，使患者受益。随着可穿戴设备的发展，新的物联网设备也受到了关注，但在一项对PD患者使用电子日记随访的观察发现，该设备的应用与传统纸质日记相比并无特殊优势[32]，而可穿戴设备能将PD的临床特点抽象为一系列数据，整合到中心平台上，再于后台将其转化为临床信息，其优势更为突出。

一项回顾性研究提出，商业类的可穿戴设备显示出了更经济的成本和更舒适的体感，而科研型的可穿戴设备显示出了更高的精准度[8]。现有的可穿戴设备的设计方向集中在震颤、姿势、步态、速度等运动的识别分析，建议未来的研究更多关注其他非运动症状例如睡眠、自主神经、吞咽甚至认知方面。另外，由于在同一组受试者中，设备采集到的数据及患者自行上传的数据质量均与个人的认知程度有关[34]，因此可穿戴设备的设计应体现出更多的个体化元素，建议未来研究时也需要关注到PD受试者的认知体系和生活背景。

随着可穿戴设备、人工智能机器学习和物联网的发展，可预见到不仅PD，其他疾病也可从该技术革新中获益[35-36]。在这些技术革新中，患者的中心地位将得到强化，所有来自于患者的医疗信息将传至终端，得到合理的建模分析。而患者是否能掌握合理的解读方式、患者之间能否共享信息、个人信息的隐私性仍是在未来需要讨论的问题。