可穿戴技术和人工智能的进步为中风患者康复开辟了新前景

不列颠哥伦比亚大学神经康复学副教授古斯塔沃·巴尔比诺特 (Gustavo Balbinot) 表示，一项新研究为开发改善中风康复的创新技术打开了大门。

他在接受采访时强调，这项研究的结果不仅限于治疗中风幸存者，还可以应用于因头晕或脊柱损伤等其他原因导致失去平衡而有跌倒风险的人。

该研究经过严格的同行评审程序后发表在《英国临床康复杂志》上，研究使用穿戴式传感器对 50 多名中风患者进行活动能力测试时进行监测。

根据收集的数据，该团队开发了运动模拟模型，有助于分析和更好地了解患者在康复期间的运动方式。

巴尔比诺特将这个过程比作把石头扔进水里，观察泛起的涟漪。他说，每个人都有独特的运动频率，这一指标可以反映步态和平衡的稳定性或不规则性。

研究人员发现，中风后康复的人的动作往往更平稳、更缓慢，这表明他们要谨慎，而健康人的动作往往更快、更有力、更“急促”。

为了增强跌倒风险检测，该团队开发了专有软件，可以将运动数据分解为 3 秒间隔。

该软件会自动分析用户的动作是否过于不稳定，Balbinot 表示，这对于在检测到危险迹象时提供早期预警至关重要，可以防止跌倒对康复者造成严重伤害。

该团队的目标是将软件集成到手表或手环等智能可穿戴设备中，让用户在出现失去平衡的迹象时收到实时警报。

他解释说：“如果软件检测到异常动作，它会发出警告信号，例如‘你应该坐下来休息一下’，以帮助用户避免陷入危险境地。” 每三秒进行一次持续监控，可以实现近乎即时的响应。

该软件还旨在通过机器学习从用户数据中“学习”。随着时间的推移，系统将更好地理解每个患者的个体运动模式，从而能够更准确地预测跌倒风险。

“该软件将变得越来越智能，对于每个人来说，它将知道什么是正常的，什么是需要注意的迹象，”Balbinot 断言。

研究中使用的传感器不仅可以测量速度，还可以追踪运动方向。巴尔比诺特表示，目前这项技术已经足够先进，可以将这些传感器集成到服装中，让用户在日常使用中更加便捷，无需笨重的设备。

值得一提的是，研究还表明，该软件不仅对患者有用，对临床医生也同样有帮助。系统提供的数据直观易懂，能够支持医生做出更精准的治疗决策。

研究得出结论：“通过分析个人运动模式并预测每个特定患者的跌倒风险，整合机器学习算法将开辟个性化康复策略的可能性。”

该报告还呼吁进一步研究，以验证该技术在临床环境中的长期疗效及其对不同患者群体的适用性。