可穿戴设备在脑卒中运动功能康复训练中的应用进展

李 丹

脑卒中是常见的脑血管疾病，是导致个体出现继发性运动功能障碍最常见的原因之一[1]。脑卒中后存活率明显升高，但发病过程中伴随着急性的神经元损伤，73%～88%的脑卒中幸存者患有偏瘫后遗症，并伴有长期功能丧失，以老年人最为多见[2]。运动功能障碍是脑卒中最常见的并发症，美国心脏协会数据指出55%～75%的脑卒中病人存在运动功能障碍，这些症状将伴随病人终身并严重影响其日常活动；持续性康复是改善肢体功能的有效途径，有效的康复训练可改善运动功能障碍，恢复患侧肢体的运动功能，加速脑卒中病人的康复进程[3]。随着现代化信息技术发展，以可穿戴设备为代表的新型科技设备应运而生，可穿戴设备主要是指包含传感器、显示器、加速度计、陀螺仪等成分的新型智能设备，可穿戴设备可与智能手机、手表等通过有线传输，也可与1个或多个互动设备通过无线通信，用户使用过程中的自由度和灵活性较高[4]。新型智能化设备基于运动技能学习的原理来促进运动神经网络的可塑性，通过持续、重复、以任务为导向的运动训练重塑病人神经网络，帮助其康复[5]。在康复医师、护士等医务人员的协助下，可穿戴设备已在老年脑卒中病人功能康复及疾病监测等领域有所应用并取得较好效果。综述可穿戴设备在脑卒中运动功能康复中应用现状，提出发展建议，以期促进可穿戴设备在脑卒中康复中的应用与推广，为智慧养老应用的发展提供参考。

1 可穿戴设备在脑卒中运动功能康复中的应用进展

1.1 上肢功能康复 大约8%的急性脑卒中病人存在上肢运动障碍，在卒中早期手臂功能受限的病人中，50%的病人在4年后仍有问题，且有研究指出上肢功能丧失是卒中后最痛苦的长期后果之一[6]。用于上肢功能康复可穿戴设备形式多样，其中包含加速度计和陀螺仪、传感器等设备的惯性测量单元(inertial measurement unit,IMU)是最常用的设备类型，IMU被穿戴于患侧肢体后通过观察传感器的读数可实现对其日常生活活动及运动康复训练质量的评估及反馈[7]。Wittmann等[8]将IMU与虚拟现实系统相结合应用于居家老年脑卒中后偏瘫病人上肢功能康复，结果显示基于IMU的家庭治疗系统可帮助病人识别康复过程中的不足，改进康复效果。Lin等[9]设计的带有运动捕捉系统的可穿戴设备内含三轴加速度计、三轴陀螺仪、微控制器和蓝牙2.0无线传输模块；该设备分别被置于上臂和前臂用于检测肩关节、肘关节和手腕关节的角位移；测量的加速度和角速度通过蓝牙无线模块传输到智能手机，系统可依据特定算法对运动数据进行分析并在每个动作完成后给予视觉和听觉上的反馈，指导病人正确执行下一个动作，确保康复运动质量；结果显示，与未佩戴设备的对照组相比，使用可穿戴设备进行上肢功能康复的脑卒中病人Fugl-Meyer评估(Fugl-Meyer Assessment,FMA)得分改善，肩部屈曲和外展的活动范围、肩外旋偏角明显改善。Chae等[10]研制的可穿戴式智能手表内含上肢功能康复(Home-based rehabilitation,HBR)系统内含的卷积神经网络可通过机器学习算法识别4种不同的上肢锻炼活动(双手交叉后双侧肩部屈曲、站姿俯卧撑、肩胛部伸展、上肢前后伸展)，当病人进行以上活动时，智能手表内含的加速度传感器与陀螺仪将准确记录数据，在运动结束前，HBR系统会将运动数据传输到病人及医护人员的智能手机终端，建立起病人端手机与医生端的联动，实现数据的传输与存储，医护人员可查看病人过去1个月内的运动情况，以便进行运动调整与建议；与未佩戴智能手表的对照组相比，使用智能手表进行上肢功能康复的脑卒中病人运动依从性较之前明显提高，病人的Wolf运动功能测试(Wolf motor function test,WMFT)得分、肩关节的屈曲内旋角度增加，对上肢功能康复有明显效果。可穿戴设备在病人各项肢体活动参数进行分析的同时可及时给予结果反馈，有系统评价显示触觉(振动)、视觉、听觉(音乐)、多模式反馈是当前可穿戴式设备主要的生物反馈形式[11]。触觉反馈是最广泛应用的形式[12]，当病人在进行上肢康复过程中出现动作不准确、角度错误或运动速度不够时，设备将自动振动以提醒病人保持正确姿势，使病人将注意力集中于身体特定区域，而不用时刻保持警惕注意视觉或视觉显示上，康复安全性也有所提高。可穿戴设备内置算法可对病人运动数据进行识别并给予生物反馈，设备应用初期对病人进行恒定和实时的生物反馈可对病人进行持续的认知刺激使其保证康复训练动作有效，而在康复后期，设备的生物反馈形式可适当减少以提高病人的自主学习与实施能力；但现有设备在生物反馈只能依据设定程序进行工作，无法实现特异性反馈。今后研究在保证设备康复有效性的基础上可对生物反馈的智能性进一步改善，实现依据病人需要和病人康复阶段调节生物反馈阈值和强度。其次上肢功能康复是长期过程，部分脑卒中病人治疗依从性差、畏难情绪明显，尤其是缺乏有效社会支持的老年病人，参与康复的主动性更低[13]；因此在实际康复训练过程中应注意其心理状态，循序渐进恢复上肢功能，选择适宜设备。

1.2 手功能康复 80%的脑卒中病人伴有不同程度的手臂和手部麻痹[14]，其中66%的病人在患病6个月后仍无法进行日常活动[15]。传统的手功能康复方法如镜像疗法(Mirror therapy，MT)、动作观察疗法(action observation therapy,AOT)等成本低简单易行，但预先录制的AOT视频片段不利于治疗和功能运动的多样性[16]、MT使用镜盒或平面镜可能会使病人产生视觉错觉导致躯干控制和重心转移的不平衡[17]。而可穿戴设备的出现则弥补了传统康复治疗方式的不足，使手功能康复锻炼任务更细致具体，病人的参与感更强，康复效果明显提升。手功能康复机器人可基于算法实现精确的运动捕捉进而帮助患侧手部遵循正确的运动轨迹以实现功能康复[18]。Park等[19]研制的手套型可穿戴设备可有效感知前臂的前后运动、手腕的折叠/展开和左右移动以及手指的弯曲和伸直程度，数据更准确客观，佩戴此设备进行功能锻炼后，病人康复动作更标准，手部力量测试、改良Barthel指数和Jebsen-Taylor手功能测试(Jebsen Hand Function Test,JHFT)结果均明显改善，在接受常规物理治疗基础上使用可穿戴设备的康复计划在改善急性期卒中病人的上肢功能、日常生活活动能力和康复参与方面比单独使用常规治疗更有效。除单独进行手功能康复外，与视觉相结合可进一步提升病人的整体协调能力。虚拟现实(virtual reality,VR)是一种创新、互动和自适应的治疗方式，病人通过佩戴特定的眼镜及手部康复设备在复杂、丰富、具有情境化的环境中进行感觉运动训练，优化了病人的参与度且可针对个人实际情况在虚拟现实环境中进行多种运动实践[20]。多项研究显示，常规护理相比，使用VR作为常规护理的辅助手段可改善病人大脑皮层功能、利于手功能及日常生活活动能力恢复[21]。可穿戴设备可实现较大范围肢体动作的分类识别，但对手指等小关节的功能锻炼，无法实现手势的精确控制，未来仍需大量研究以提高设备的异质性及潜在功能。超声波模式、高密度的表面肌电生物电信号传感器等可通过感受肌肉生理变化识别手部精细动作，对提高可穿戴设备性能具有积极作用，但此类技术在实验室环境下应用较多，实际应用较少，仍应加以研究。

1.3 下肢运动功能康复 脑卒中病人常伴有下肢运动功能下降，尤其是患有骨质疏松、肌少症等的老年病人，更易出现平衡不稳定、行走能力差、步态异常，增加跌倒发生风险，造成意外损伤[22]。可穿戴设备为脑卒中病人提供了更精确科学的训练范式，帮助病人摆脱时间、空间限制，自主选择康复时间与频率，增强康复效果。Goffredo等[23]研制的外骨骼设备是一种可穿戴式的仿生机器人，该设备可使病人的患肢用最小的力量维持在平坦的硬地面上站立、坐下和行走，帮助病人重新学习正确的走路步伐，研究结果显示69.57%的亚急性脑卒中老年病人在训练初期即可开始行走，17.93%在初期无法行走的老年人在训练后即恢复行走，下肢功能康复过程中老年人接受度良好，10 m步行测试、6 min步行测试、步态等均明显改善，且该设备适用于门诊或其他场合。Kim等[24]设计的创新性足部可穿戴设备则更简单易携带，在病人行走时可通过适度影响健侧下肢的稳定性使病人更多地使用患侧下肢以维持稳定进而在不需要任何基础设施的辅助下重新学会行走；应用过程中病人未发生意外跌倒等不良事件，所有病人的步长对称性都有所好转，且步态速度、起立-行走测试和6 min步行测试指标均较干预前改善，其中4人的双下肢支撑对称性改善；证明了该设备改善脑卒中病人步态对称性和行走功能的可行性。可穿戴设备还进一步分析病人行走过程中的步态参数，其中步速、活动持续时间是研究中最常报告的移动性测量指标[25]，步态和节奏是最常评估的步态时空参数[26-27]。Lee等[28]设计的可穿戴设备置于病人腰部，其内置的三轴加速度计和三轴陀螺仪可提取病人行走过程中不对称的加速度信号特征达到区分步态的目的，从而为后期康复训练措施的制定提供参考依据。Hori等[29]的可穿戴设备置于病人脚踝上方，传感器可测量三轴加速度和三轴角速度实现在病人行走过程中对足部轨迹和时间步态参数进行持续监测，且该设备取得较好效果，可用于临床步态分析。

除运动相关步态指标外，病人行走过程中的足部压力对下肢功能康复也具有借鉴意义。脑卒中病人常伴有患侧足部过度内翻，Ma等[30]研制了基于振动触觉生物反馈系统的智能可穿戴设备并将其应用于8例患侧后足内翻畸形的偏瘫脑卒中病人，该设备可测量病人在行走期间的三维步态参数和前足内、外侧所承受压力并在前足内侧的足底压力小于阈值时立即振动给予提示；结果显示佩戴该设备进行步态康复训练后，病人足内翻减少、足部负荷特性和步态有改善的迹象，患肢站立足底接触面积和足底内侧压力增加，健侧的过度膝关节屈曲和髋关节外展减少，表明可穿戴设备可用于改善病人平衡和步态异常，且进一步支持了可穿戴生物反馈装置的开发。水平面上的行走是当前步态康复的主要内容，而在现实生活中则要求老年病人掌握爬楼梯、跨过斜坡或障碍物等技能，如何使病人获得更好的步态独立性应对现实生活的需要十分重要。有研究指出在楼梯上进行密集的踏步训练可提高亚急性和慢性脑卒中病人的步行速度和平衡[28]。Yeung等[31]研制的可穿戴脚踝设备利用放置在脚跟和前足下方的嵌入式力敏电阻器来识别足部压力负荷和步态阶段的变化，利用安装在小腿上的惯性测量单元测量腿部倾斜角度，以实现区分病人是在水平面还是在楼梯行走，通过分析19例慢性脑卒中病人的强化康复训练数据，发现应用该设备后病人的步态独立性和步行速度具有较好改善。

与上肢、手功能康复不同，下肢功能康复对肢体稳定性及灵活性要求较高，可穿戴设备如何保证整体康复功能的同时提高设备的实用性与稳定性以保证病人安全，对设备的推广与应用十分关键。在实际使用过程中可穿戴设备的接口易受传感器位置影响，当传感器的位置在康复过程中发生变化时，可能会导致信号特征变化，从而影响动作识别的准确性，后续研究仍应对可穿戴设备的最佳佩戴位置进行研究，以保证数据准确有效。此外，可穿戴式设备可从不同角度对病人的步态数据进行监测，导致现有设备对平衡和步态的测量结果存在异质性，各设备间的测量结果可比性差，缺乏针对病人步态参数评估的整体性结果；如何将各设备数据进行有效融合并准确把握病人自我报告的结果与基于可穿戴式设备所评估结果间的关联，对促进可穿戴设备的更新升级具有重要意义。

2 可穿戴设备在脑卒中运动功能康复管理中的应用建议

2.1 以用户为中心设计产品，提高设备适用性 可穿戴设备的应用加速了脑卒中病人的康复进程，而设备的舒适性、准确性、灵活性、易用性、经济成本等因素是影响病人是否选择应用该设备的重要因素。相对其他患病人群，脑卒中病人常伴有明显的肢体活动受限，尤其是老年人，肢端感觉能力下降，皮肤易受损，对可穿戴设备的舒适度要求更高。有研究对脑卒中可穿戴设备的性能进行研究，发现设备的尺寸和重量与其成本、可访问性和使用频率相关，体积小、重量轻、佩戴时覆盖皮肤区域更少的设备病人使用度、舒适度更高[32]。手机和鞋垫步态监测系统是最被认为用户友好的设备，其次是心电图胸贴和腕带，外骨骼系统等设计复杂，体积较大、成本高且常会出现动力不足等情况导致其适用性相对较低[33]。在可穿戴设备的后续开发及应用过程中应充分考虑到用户需求，以用户为中心，提高设备的适用性。如“免手提”服务，脑卒中病人常伴有四肢运动功能异常，且在康复过程中需要用手执行任务，若需手提设备则会影响康复进展。材料舒适性也是提高病人使用度的重要因素，设备与人体皮肤接触点部分必须由舒适材料制成，硬质的设备材料会导致与弯曲柔软的人体接触不足，使设备性能下降。完善的人机交互是保证设备有效使用的前提，因此应完善人机交互模式，充分考虑到用户需求，如针对一些文化程度较低的老年脑卒中病人则应注意在以视觉为主要反馈形式的设备中，病人界面应简明扼要的显示信息，避免过多无效信息干扰，且应考虑应用多模式的反馈形式，如视觉、触觉等相结合，以免病人遗漏信息。受经济、文化程度、交通等多种因素影响，偏远地区的农村病人很少接触到可穿戴设备，政府、医疗机构、设备开发机构应形成良好沟通，促进可穿戴设备等应用于农村等偏远地区，使其真正做到便民、利民。

2.2 增强设备准确性，提供安全有效照护 完善的运动学习原理、精确可行的算法、及时准确的异常数据识别与反馈是可穿戴设备实现对脑卒中病人康复训练数据的提取、分析与反馈的前提。可穿戴设备在推广前均会进行性能测评，在测评环境下各因素受研究者调控，均表现出较好性能，但在实际应用过程中受应用对象个体差异不同、病人穿戴位置、设备性能、系统算法、动力不足等因素影响，可穿戴设备在应用及数据反馈过程中常出现不足；且空间分辨率、时间分辨率或数据分辨率等都可能影响数据质量和数量[34]；大量数据的处理与存储对设备的网络性能及算法等提出较多要求，单一的患病后运动功能康复指导已不能满足脑卒中病人的整体性康复，一个完善的可穿戴设备还应具备准确的危险因素识别与反馈功能，帮助医护人员及病人发现其他脑卒中并发症及不良表现。因此，对可穿戴设备的数据处理形式提出更高要求，当前最常用的脑卒中风险预测的机器学习模型为支持向量机(support vector machine,SVM)。随着技术的不断更新迭代，机器学习(machine learning,ML)、深度神经网络(deep neural networks,DNN)、机卷积神经网络(convolutional neural networks,CNN)逐渐受到关注[35-36]，DNN可弥补既往模型深度分析能力的不足，提高了通过设备隐藏层研究输入特征和输出之间关系的能力[37]；CNN则集成了病人健康信息(血压、肌电图等)与可穿戴设备24 h内的数据实现了全方位的脑卒中风险预测，以CNN为代表的多模态数据处理模式将实施记录的生理参数纳入分析过程，提高了系统的预测能力，是未来脑卒中风险预测的趋势[38]。后续仍应不断完善可穿戴设备的内在性能及数据处理算法，明确最佳的脑卒中运动功能康复及风险预测因子，增强设备特异性，为医护人员准确把握脑卒中病人功能康复效果、制定针对性运动康复方案提供依据。

2.3 融合多学科力量，构建远程医疗网络 脑卒中可表现为多系统的功能异常，脑卒中病人的整体性康复需要多种可穿戴设备的协同作用。当前的脑卒中运动功能康复设备多为独立个体，各设备以分散的方式对病人康复数据进行自主管理，无法形成有效联结，功能有限。物联网是可穿戴设备实现相互间通信交流的网络媒介，以物联网为基础将各设备有效结合可形成远程医疗网络，在实现处理复杂任务的同时对脑卒中病人实施整体性照护。互操作性是可穿戴技术的挑战之一，可穿戴技术是未来智能医疗服务的重要方向，也是远程医疗服务的重要要求。远程医疗网络的实现需要多学科力量[39]。刘晓广等[40]依托物联网、软件开发、人工智能等多学科力量构建的社区脑卒中远程康复网络取得了良好效果。Park等[41]研制的健康管理系统包括实时生命体征监测(心电图)、步态监测(脚部压力传感器和加速度计)及基于机器学习的疾病预测模型，这些传感器放置在鞋垫中以测量步态、加速度、脚部压力、地面反作用力与信号处理和决策算法一起对脑卒中病人实时监测，并将脑卒中风险分层的结果发送给用户以及临床工作人员，医患双方实现了积极互动，有效改善脑卒中病人步态协调的康复及健康监测。音乐疗法、运动意向训练、机器人辅助疗法等对改善病人运动功能方面效果显著，医护人员在利用可穿戴设备进行康复训练时可与其他康复疗法相结合，通过多种途径对脑卒中病人大脑功能进行持续性刺激，以重塑大脑神经功能。因此，医护人员应拓展常规康复模式，主动构建多学科团队，在不断更新设备专业性能的基础上利用物联网将各可穿戴设备相连接，并与其他领域研究成果进行有效结合，以加速脑卒中康复进程，实现对脑卒中病人的整体性护理。

3 展望

可穿戴设备极大程度上促进了脑卒中病人运动康复进程，在脑卒中运动功能康复领域具有较好应用前景。随着现代科技的不断更新迭代，可穿戴设备的专业性能不断提高，未来应加强对脑卒中可穿戴设备的适用性及准确性的升级，利用物联网将各可穿戴设备形成有效联结，构建远程医疗网络，以加速脑卒中康复管理，尽快恢复正常生活功能。