远程康复在慢性神经系统疾病康复中的应用进展

樊怡青 乔智 王鑫 牛育鸿

摘要： 慢性神经系统疾病如帕金森、多发性硬化症、中风等致残率极高，康复可以在很大程度上改善残疾，帮助患者提高生活质量甚至回归社会。远程康复是通过信息和通信技术远程提供康复服务的一种手段，其凭借自身优点，在慢性神经系统疾病康复中得到了很好的应用。本文综述了近年远程康复在慢性神经系统疾病康复中的应用进展，讨论了目前远程康复在慢性神经系统疾病康复研究中现存的挑战，并在此基础上对远程康复的发展进行了展望。

关键词： 远程康复; 康复; 帕金森病 ;多发性硬化症; 中风

基金项目：本课题为西安医学院大学生创新创业训练计划项目，项目编号：S202011840037X

近年来，帕金森病、多发性硬化症、中风等慢性神经系统疾病发病率越来越高，这些疾病的致残率极高，导致运动和认知障碍等。 为了有效改善身体功能和提高生活质量，康复显得尤为重要。随着人口老龄化的加剧和中风存活率的提高，残障幸存者的康复需求将越来越多。 这些慢性神经系统疾病往往需要连续的甚至永久的康复，但是由于医院床位紧缺，经济成本高昂以及空间、时间限制等，持续面对面康复很难实现。随着互联网渗透率和智能化设备使用率的提升，前沿的远程康复技术正致力于解决上述挑战，为实现长期康复提供新的解决方案。远程康复是利用通信和信息工具为患者提供基本康复服务，其通常使用的技术有视频会议、传感器、虚拟现实和机器人等。相较于传统的康复方式，远程康复有许多优点。他可以不受限于时间和空间，让偏远地区或者行动不便的患者享受到高质量的康复服务;还可以缓解长期康复带来的高昂的经济成本。而且患者对于使用远程康复的满意程度很高，依从性高、效果好。在未来，远程康复在慢性神经系统疾病康复中将发挥越来越重要的作用。本文综述了近年远程康复在慢性神经系统疾病康复中的应用进展，主要包括康复评定、康复治疗和监测预防等。重点讨论了目前研究中存在的挑战，对远程康复的发展进行了展望。

1 远程康复

远程康复非常新颖，目前还没有一个明确的定义。Brennan等人认为远程康复是指利用信息通信技术为家中或其他环境中的人员提供远程康复服务。Zampolini 等人认为远程康复是提供远距离康复的器械和方式。 Levy等人认为远程康复是通过双向交互式传送数据、语音、图像等电信技术进行咨询、预防、诊断和治疗等。总的来说，远程康复就是通过器械和通信技术为患者远程提供康复服务。

科技的发展加速了远程康复的发展。近年来，虚拟现实技术发展日新月异为远程康复添砖加瓦，Cornejo等人使用跑步机-虚拟现实系统对帕金森病患者进行远程康复，结果表明，患者的步速和机动性都增加了。除此之外，传感器为患者进行远程康复评定的可行性也被证明。Bai等人测试了低成本惯性传感器用于神经康复中的上肢运动监测的可行性，结果表明低成本的自由度惯性传感器，结合运动学模型，可以测量肢体节段的方向和位置，具有临床应用的可行性。

2 远程康复在慢性神经系统疾病康复中的应用

2.1康复评定

康复评定是康复医学的基石，正确客观有效的评定可以帮助我们提高远程训练的效益，也有助于将神经康复的范围从医院扩大到个人的家中或社区，低廉、敏感的远程评定工具会迅速推动远程康复的发展。

认知功能障碍是帕金森，多发性硬化症等最常见的表现，目前也有一些对于远程认知功能评定的尝试。Hsu 等人开发了基于视频游戏的数字程序系统，该程序集成了视频游戏机制、视觉和听觉反馈、自适应算法和复杂的图形，他们对该程序进行了测试，证明了该程序评定人们的执行功能、注意力和信息處理速度的可行性和敏感性。

姿势不稳定，平衡受损是慢性神经系统疾病的临床表现之一，远程平衡评定技术比自我评定更准确，可以提供实时反馈，提高远程康复训练方法的有效性。Bao等人证明了把惯性测量单元收集的数据用于自动平衡评定的效用。Kamran等人也开发了一种使用单个惯性测量单元捕获躯干摇摆数据来达到实时自动平衡评定的方法。

2.2康复治疗

慢性神经系统疾病常常导致残疾，康复极大程度上可以减轻患者功能障碍。中风临床指南建议无法进行面对面康复的患者进行远程康复，其他神经系统慢性疾病也是如此。远程康复技术发展日新月异，许多常用的康复治疗手段已经被运用于远程康复。

肢体瘫痪是神经系统疾病常见的后遗症，对患肢进行康复可以改善残损。Guillén-Climent等人开发了一个基于游戏的机器人系统，用于中风患者的上肢远程康复，它经济实惠且易于使用，允许患者在家中进行强化康复，可持续远程检测，实时与治疗师进行沟通。根据Fugl-Meyer评分，患者的运动功能均有一定程度的改善。Allegue等人也开发了基于游戏的虚拟现实系统，旨在为上肢残缺不全的中风幸存者提供远程康复。结果表明该系统对改善上肢运动功能，提高上肢在日常生活活动中的质量和使用量有重要意义。

非运动症状比如认知障碍等，十分影响慢性神经系统疾病患者的日常生活。经颅直流电刺激治疗非运动症状的效果比较明显，与其他非侵入性脑刺激设备相比，经颅直流电刺激设备易于运输，更适合远程康复。Shaw等人开发了一个经颅直流电刺激结合远程监控的的远程康复系统称，它通过视频会议进行实时监控，可以在家中完成日常治疗。结果表明，远程康复的完成率达到了95%，超过90%的参与者表示对在家进行远程康复感到满意。

2.3康复监测

许多随机对照实验的结果表明，康复监测与疾病的控制和改善有关。有研究表明，远程家庭监测比医院监测有着更好的长期监测效果。慢性神经系统疾病患者损伤程度以及恢复的个体化差异很大，长期监测有利于个性化的康复，可以最大限度地改善患者功能障碍。

慢性神经系统疾病患者的身体机能衰退严重，Postolahe等人开发了将虚拟现实、游戏和穿戴式感应器网络相结合的系统，应用于远程身体康复监测，监测患者的康复过程。

慢性神經系统疾病患者肢体残损的恢复是重中之重，对于可穿戴式康复设备的远程监测而言，最优、准确、快速的特征选择以及用于运动分类和关节角度估计的提取仍然是一项具有挑战性的任务。Gautam等人提出了一个基于迁移学习的准确的混合深度学习系统，该系统能够监测下肢运动，并预测所执行肢体运动的关节角度信息。

3 讨论与展望

虽然远程康复有诸多好处，但是并不能替代传统的面对面康复，身体的接触和互动对于治疗师和病人来说是非常重要且必要的。Calvaresi指出，治疗师通过学习和实践得到许多宝贵的经验，而远程康复进行着知识和经验的传递，但是我们无法保证简单的知识、经验共享不会出现问题，我们需要更多的关于远程康复临床有效性的案例。

国内外的远程康复均处于起步阶段，面临许多挑战。首先远程康复是互联网时代衍生的新兴产物，人们对于其缺乏正确的认识和认知，大部分人认为远程康复的效果差，对于远程康复的接受程度低，患者及其家属更愿意接受去医院进行面对面的传统康复。其次，虽然康复机器人和虚拟现实技术日新月异，但是远程康复的可实现难度大，成本高昂，实施复杂。有些地区可能会缺乏信息和通信技术基础设施，不足以支撑实现远程康复。此外远程康复的费用并不在医保报销范围内，许多昂贵的器械设备对于那些处于经济不利地位的患者来说通常是不被接受的。再者，远程康复市场的监管并不完善，市场也没有一个既定标准对于器械设备和服务质量进行衡量，远程虚拟的背后是巨大的风险，企业和患者的利益均得不到强力有效的保护。

随着人类人口老龄化以及慢性神经系统疾病的高发，远程康复的潜力巨大。未来，在探索远程康复的潜力时，我们应该以用户为中心，根据临床和医疗保健的需要，积极推动发展远程康复技术、系统，对远程康复进行整体有效的规划、设计。随着远程康复的蓬勃发展，我相信，他将在人类疾病康复中发挥重要作用，为人们享受高质量的康复提供机会，缓解社会疾病负担。

参考文献

[1]Zhang J F， Wang X X， Feng Y， et al. Impulse control disorders in Parkinson's disease： epidemiology， pathogenesis and therapeutic strategies[J]. Frontiers in Psychiatry， 2021， 12： 97.

[2]Wallin M T， Culpepper W J， Nichols E， et al. Global， regional， and national burden of multiple sclerosis 1990–2016： a systematic analysis for the Global Burden of Disease Study 2016[J]. The Lancet Neurology， 2019， 18（3）： 269-285.

[3]Lindsay M P， Norrving B， Sacco R L， et al. World Stroke Organization （WSO）： global stroke fact sheet 2019[J]. 2019.

[4]Brennan D M， Mawson S， Brownsell S. Telerehabilitation： enabling the remote delivery of healthcare， rehabilitation， and self management[M]//Advanced technologies in rehabilitation. IOS Press， 2009： 231-248.

[5]Zampolini M， Todeschini E， Hermens H， et al. telerehabilitation： present and future[J]. Annali dell'Istituto superiore di sanita， 2008， 44（2）： 125-134.

[6]Levy C E， Geiss M， David Omura DPT M H A. Effects of physical therapy delivery via home video telerehabilitation on functional and health-related quality of life outcomes[J]. Journal of Rehabilitation Research and Development， 2015， 52（3）： 361.

[7]Thumm P C， Giladi N， Hausdorff J M， et al. telerehabilitation with Virtual Reality： A Case Report on the Simultaneous， Remote Training of Two Patients with Parkinson Disease[J]. American Journal of Physical Medicine & Rehabilitation， 2021， 100（5）： 435-438.

[8]Bai L， Pepper M G， Yan Y， et al. Low cost inertial sensors for the motion tracking and orientation estimation of human upper limbs in neurological rehabilitation[J]. IEEE Access， 2020， 8： 54254-54268.

[9]Madhavan S， Sivaramakrishnan A， Bowden M G， et al. Commentary： Remote assessments of gait and balance-Implications for research during and beyond Covid-19[J]. Topics in Stroke Rehabilitation， 2021： 1-8.

[10]Hsu W Y， Rowles W， Anguera J， et al. Application of an Adaptive， Digital， Game-Based Approach for Cognitive Assessment in Multiple Sclerosis： Observational Study[J]. Journal of Medical Internet Research， 2021， 23（1）： e24356.

[11]Bao T， Klatt B N， Whitney S L， et al. Automatically evaluating balance： a machine learning approach[J]. IEEE transactions on neural systems and rehabilitation engineering， 2019， 27（2）： 179-186.

[12]Kamran F， Harrold K， Zwier J， et al. Automatically evaluating balance using machine learning and data from a single inertial measurement unit[J]. Journal of NeuroEngineering and Rehabilitation， 2021， 18（1）： 1-7.

[13]Indredavik B， Slørdahl S A， Bakke F， et al. Stroke unit treatment： long-term effects[J]. Stroke， 1997， 28（10）： 1861-1866.

[14]Laver K E， Adey‐Wakeling Z， Crotty M， et al. Telerehabilitation services for stroke[J]. Cochrane Database of Systematic Reviews， 2020 （1）.

[15]Coupar F， Pollock A， Rowe P， et al. Predictors of upper limb recovery after stroke： a systematic review and meta-analysis[J]. Clinical rehabilitation， 2012， 26（4）： 291-313.

[16]Guillén-Climent S， Garzo A， Muñoz-Alcaraz M N， et al. A usability study in patients with stroke using MERLIN， a robotic system based on serious games for upper limb rehabilitation in the home setting[J]. Journal of neuroengineering and rehabilitation， 2021， 18（1）： 1-16.

[17]Allegue D R， Kairy D， Higgins J， et al. A Personalized Home-Based Rehabilitation Program Using Exergames Combined With a Telerehabilitation App in a Chronic Stroke Survivor： Mixed Methods Case Study[J]. JMIR Serious Games， 2021， 9（3）： e26153.

[18] Shaw M T， Best P， Frontario A， et al. Telerehabilitation benefits patients with multiple sclerosis in an urban setting[J]. Journal of telemedicine and telecare， 2021， 27（1）： 39-45.

[19]Hammersley V， Parker R， Paterson M， et al. Telemonitoring at scale for hypertension in primary care： An implementation study[J]. PLoS medicine， 2020， 17（6）： e1003124.

[20]Pickering T G， Hall J E， Appel L J， et al. Los ladrillos refractarios， Hill MN， Jones DW， Kurtz T， Sheps SG， Roccella EJ. Recommendations for Blood Pressure Measurement in Humans and Experimental Animals： Part 1： Blood Pressure Measurement in Humans： A Statement for Professionals From the Subcommittee of Professional and Public Education of the American Heart Association Council on High Blood Pressure Research[J]. Hypertension， 2005， 45： 142-161.

[21]Cramer S C. Stratifying patients with stroke in trials that target brain repair[J]. Stroke， 2010， 41（10_suppl_1）： S114-S116.

[22]Postolache O， Hemanth D J， Alexandre R， et al. Remote monitoring of physical rehabilitation of stroke patients using IoT and virtual reality[J]. IEEE Journal on Selected Areas in Communications， 2020， 39（2）： 562-573.

[23]Gautam A， Panwar M， Biswas D， et al. MyoNet： A transfer-learning-based LRCN for lower limb movement recognition and knee joint angle prediction for remote monitoring of rehabilitation progress from sEMG[J]. IEEE journal of translational engineering in health and medicine， 2020， 8： 1-10.

[24]Calvaresi D， Marinoni M， Dragoni A F， et al. Real-time multi-agent systems for telerehabilitation scenarios[J]. Artificial intelligence in medicine， 2019， 96： 217-231.

第一作者簡介：樊怡青，本科，西安医学院  E-mail：fanyiqing@xiyi.edu.cn

*通讯作者：牛育鸿，副教授，西安医学院 E-mail：jiangniao9226@163.com