基于虚拟现实的下肢机器人多任务步态训练平台在早期偏瘫患者中的应用

马良飞 何蓬莉 曾西西 王蕊 尹翎

0 引言

随着现代人类生活方式的改变，心脑血管病的发病率在逐渐上升。其中，脑卒中作为一种突发脑血管意外，已然成为全世界致死和致残率最高的疾病之一[1-2]。相关文献估计，在我国每年新发脑卒中的人数达到250万人，且还有逐年上升趋势[3-4]。而在脑卒中患者诸多功能障碍中，下肢功能障碍是主要问题之一，较多患者会出现平衡障碍以及下肢步行障碍，表现为站立不稳、易跌倒以及步态异常等，严重影响患者的生活质量以及社交活动[5]。有研究发现，约80%脑卒中患者其步行能力会受到不同程度的影响[6]，恢复下肢功能成为他们的主要诉求[7]。

现阶段，偏瘫患者常规下肢干预手段存在着见效较慢、效果不够理想等弊端。而下肢康复机器人是近年来较为先进的康复手段，其是人工智能与康复技术的结晶，通过悬吊减重，能让患者早期直立，又通过模拟正常的步行生理周期，促进正常步态的重建[8-9]。目前国内外主要单纯采用下肢机器人进行干预治疗。本团队在长期的治疗过程中，认识到下肢机器人尚有多处可优化的地方，因此对其进行改良，构建出基于虚拟现实的下肢机器人多任务步态训练平台。虚拟现实技术(virtual reality,VR)是近年来逐渐运用在脑卒中康复中的一项新技术，其目的是通过模拟出各种各样、现实生活中难以一一呈现的生活娱乐场景，并配合相关的任务导向，不断地刺激患者的中枢神经，促进患者大脑皮质重塑与功能恢复。现实中常采用佩戴VR眼镜，而本研究通过裸眼3D技术，通过场景建模设计出各类小游戏让患者进行沉浸式视听体验，比之单纯的机器人训练更利于与虚拟现实系统、跑台等训练设备结合，实现患者与训练任务环境的透明交互。

1 资料与方法

1.1 一般资料

选择2019年6月至2020年7月中国五冶集团有限公司医院住院符合中华医学会第四届脑血管病会议《各类脑血管病的诊断要点》中脑卒中诊断标准的脑卒中偏瘫患者50例，采用随机数字表法将其分为改良组和对照组。改良组中男性15例，女性10例；年龄(63.4±5.64)岁；卒中位置左侧15例，右侧10例；病程(2.25±0.25)月。对照组中男性17例，女性8例；年龄(62.87±5.81)岁；偏瘫部位左侧16例，右侧9例；病程(2.21±0.35)月。两组患者在其年龄、性别、偏瘫部位评分等相关资料上差异均无统计学意义(P>0.05)，具有可比性。

1.2 方法

1.2.1 对照组

两组均干预9周，对照组单纯采用下肢机器人进行训练。采用Flexbot步态训练系统(生产企业：常州市钱璟康复股份有限公司；型号：FLEXBOT-S步态训练和评估系统-E7D46)。训练流程包括：(1) 早期(1～3周)采用悬吊装置，减重状态下对患者进行以负重、迈步、平衡相结合的步行训练，促进躯干肌、下肢肌得到锻炼，以被动训练为主，进行标准化步态固化训练和有氧训练。(2) 中期(4～6周)进行(0～90°)可任意调节角度的斜床训练、重点训练(单关节运动模式)和整体训练(多关节运动模式，有标准步行运动、自行车运动、下蹲运动、踏步运动)结合，也可选择开链与链双重运动模式，或者被动训练、主被动训练、助力训练和主动训练相结合，增强肌力，锻炼患侧下肢负重能力，改善平衡状态。(3) 后期(7～9周)进行躯干及下肢协调训练，强调患侧下肢在训练中的主动性，健侧下肢配合进行训练； 可选择患者最适宜运动范围进行训练，如控制虚拟人物行走方向，改变虚拟人物行走场景等。常规治疗时间每次为45 min，患者每周治疗5次，连续9周。本系统的三期分期时间亦非严格固定，根据治疗师评估患者的下肢功能后，可以适当提前进阶下一期训练或继续巩固本期训练。

1.2.2 改良组

原有下肢机器人存在着任务单一、观察指标维度不够、训练方案未能体现个体化等不足之处。改良组针对上述问题，对原有下肢机器人进行优化，建立基于虚拟现实的下肢机器人多任务步态训练平台。虚拟现实的下肢机器人多任务步态训练平台的硬件组成如下：① Flexbot步态训练系统(常州市钱璟康复股份有限公司，FLEXBOT-S步态训练和评估系统-E7D46)；② 超高清裸眼3D拼接墙(深圳市世晶联实业有限公司，SW460PJ-01)；③ 无线便携式动态表面肌电系统(上海寰熙医疗有限公司， BTS PocketEMG)；④ 便携式功能性近红外光脑成像系统(荷兰Artinis医疗公司， Brite24)；⑤ 眼动测定仪(上海迪康公司，DEM-2000)。

其实施路径：① 步态训练+虚拟现实：设置好3D场景，步态训练系统摆放在拼接墙前方，患者不再是单纯的步态训练，而是在3D场景下进行任务导向的步态训练，通过场景建模的各类小游戏进行视听多感官、多通道刺激和训练，实现患者与训练任务环境的透明交互。② 眼动仪+非侵入神经调控技术：通过3D场景屏幕进行视觉刺激，并采用眼动仪进行追踪。即通过虚拟现实屏幕呈现运动刺激物→视觉刺激传入→视觉中枢发出指令→视神经传出→眼球运动捕捉→中枢神经系统整合并反馈→步态训练，对基于眼动跟踪与平衡觉神经通路的步态训练技术进行参数采集。通过反应时间、轨迹长度以及位移速率等平衡功能参数，观察身体运动追踪运动的视频刺激物目标的迟滞时间、跟踪精度以判断运动输出通路状态，并利用迟滞时间、精度建立自适应模型。同时在非侵入神经调控技术下的视觉刺激眼动跟踪神经通路，测定其眼动反馈速度，基于此速度设计难度自适应算法。③ 可穿戴设备：融入表面肌电系统(surface electromyography，sEMG)+近红外光脑成像系统(functional near infrared spectroscopy,fNIRS)。鉴于单纯的下肢康复机器人采集相关参数有限，主要是集中在步幅、步速、步频、步态参数变化率等参数。而融入sEMG和fNIRS后，前者能采集肌电参数，后者可以采集血红蛋白浓度变化。动态反应步态训练时各关键肌的肌电积分值和脑耗氧量变化，实现多指标的同步监测。④ 远程诊疗：最后在上述基础上，开发出远程线上步态评估与训练平台，设计多模态数据管理系统，实现线上线下数据接入和专家团队经验的整合。今后可将不同评估和康复训练设备有机地集成在一起，并对医院、社区、家庭的不同患者进行多源异构的评估和训练数据的融合，建立统一的评估计算模型。

图1 基于虚拟现实的下肢机器人多任务步态训练平台的构建

1.3 观察指标

(1) Fugl-meyer下肢运动功能评定表(Fugl-meyer assessment,FMA)：主要来评定患者的下肢运动功能情况，共17个条目，每个条目0～2分，量表在0～34分波动，分数越高表示功能越好[10]。

(2) Berg平衡量表(Berg balance scale,BBS)：主要用来评估患者的平衡能力，该量表包括由坐到站、独立站立等14个条目，每个条目0～4分，量表在0～56分波动，总分越高表示平衡功能越好[11]。

(3) 改良Barthel指数(modified barthel index,MBI)：主要是评定患者的日常生活活动能力(activities of daily living,ADL)，分为转移、上下楼梯、行走、洗澡、如厕等一共10项，总分100分，分数越高表示日常生活能力越高[12]。

(4) Holden步行功能分级法：评价步行能力分为0～5级，级别越高，步行能力越强。0级(无功能)：患者不能行走或完全依靠轮椅或需2人以上帮助； 1级(需大量持续性帮助)：患者需要使用双拐或者1人连续不断地搀扶才能行走及保持平衡； 2级(需少量帮助)：能行走但平衡不佳，患者持续或间断需要1人帮助平衡或协调，或需使用膝-踝-足矫形器，踝-足矫形器，单拐、手杖等以保持平衡和人保证安全；3级(需监护或言语指导)：患者能行走，但不正常或不够安全，需一人监护或用言语指导，无身体接触；4级(平地上独立):在平地上能独立行走，但在上下斜坡、在不平的地面上行走或上下楼梯时任有困难，需他人帮助或监护；5级(完全独立)：在任何地方都能独立行走。

1.4 统计学处理

2 结果

2.1 FMA、BBS、MBI各量表评定结果

两组患者在治疗前后进行FMA评分、BBS评分、MBI指数评定，9周后两组在3指标上与治疗前相比，差异均有统计学意义(P<0.05)；而组间比较，改良组在FMA评分、BBS评分、MBI指数评分上均优于对照组，差异有统计学意义(P<0.05)，见表1。

表1 两组FMA、BBS、MBI各量表评分结果比较 (分，

2.2 Holden步行功能分级法结果

两组患者在治疗前后进行Holden步行功能分级法，治疗前两组差异无统计学意义(P>0.05)。治疗后9周两组在Holden分级上与治疗前相比，差异有统计学意义(P<0.05)；而组间比较，改良组优于对照组，差异有统计学意义(P<0.05)，见表2。

表2 两组Holden步行功能分级法结果比较

3 讨论与结论

脑卒中后常见的功能障碍包括意识、运动、知觉、认知、言语、精神情绪等[13]，其中运动功能障碍常常表现为单侧肢体瘫痪，而下肢运动功能障碍是脑卒中患者面临的主要问题之一。有文献[14]指出即便在脑卒中后半年，仍有高达30%的患者无法独立行走，而传统步行训练对患者的改善有限，严重影响患者的功能恢复以及日常生活。

随着科技的进步，人工智能越来越多地应用到医学上。康复治疗机器人是康复医学和机器人技术的完美结合，为提高临床康复效率提供了新型治疗工具[15]。康复机器人辅助步行训练，是目前国内、外研究的热点内容，具有广泛的应用前景[16-18]。下肢机器人通过模拟正常的步行生理周期，有助于促进运动神经元损伤患者的步行功能恢复；同时还能减轻治疗师的劳动强度，保证训练过程的一致性及持续性，实现训练方案及康复评估参数化，使康复疗效进一步提高。赵雅宁等[19]的研究表明，利用下肢机器人对偏瘫患者予以减重状态下步行训练的过程，能够让患者真正感受正常运动的模式，避免了传统训练过程因负重、用力而诱发的异常运动模式或痉挛加强，同时可以促进患者积极治疗。在刘洋等[20]的研究中，早期对偏瘫患者使用下肢步行康复机器人的疗效显著，下肢康复机器人的应用将是大趋势。

目前，下肢机器人存在着任务单一、观察指标维度不够、训练方案未能体现个体化等不足之处。

本研究通过对单纯的下肢机器人进行改良和优化，融合虚拟现实技术、眼动/平衡训练技术、非侵入神经调控技术、可穿戴设备(表面肌电图+近红外光脑成像)、远程诊疗等硬软件，建立起一套基于虚拟现实的下肢机器人多任务步态训练平台。首先，虚拟环境中康复机器人，能形成视觉、听觉多感官的刺激模式，增加感觉输入，重塑神经功能。其次，可穿戴数据采集设备，实现了采集设备的小型化、可穿戴化，增加了步态训练时的观察指标采集维度，从而提高专科病例临床步态模型的特异性。而根据步态参数、眼动参数、肌电参数、血红蛋白浓度等多指标的同步监测，可建立个性化的步态模型。最后，利用远程诊疗系统，通过统计分析建立评估和康复训练之间的定性、定量关系，设计基于规则的训练处方专家系统，实现精准动态评估、智能步态训练处方个性化推荐、步态训练规程在线优化。基于本项目所研究的新型步态评估范式，通过多模态同步任务，建立肌电肌力、血氧、步态分析、行为特征间的耦合关系；进而对之进行优选高敏感性相关参数，构建高准确性的特征组合。在上述优选的基础上，从感知觉(眼动平衡)检测出发到执行控制(虚拟+步态双任务)开展自适应筛查检测，提高每个患者训练方案敏感性，构建适用于医院、社区、家庭的多模态步态训练模型，确定个体化步态训练靶点。本研究最终可实现具有自适应功能、可调整、优化、可更新训练方案的智能技术，提高干预疗效。