Efficacy of BodyMirror Clinical MS Multimodal Game-Based Digital Therapeutic for Remote Monitoring and Neurorehabilitation in Multiple Sclerosis: Protocol for a Multisite Randomised Controlled Trial

该研究旨在通过一项多中心随机对照试验，评估结合可穿戴生物传感器与机器学习算法的 BodyMirror 临床多模态数字疗法平台在远程监测多发性硬化症疾病进展及提供个性化神经康复方面的临床效用。

要点

这篇论文介绍了一项名为 "BodyMirror Clinical MS™" 的大型临床试验。简单来说，这就好比是给多发性硬化症（MS）患者配备了一位**“全天候的私人数字健康教练”，而且这位教练不仅能24 小时监控病情，还能通过玩游戏**来帮患者“锻炼”大脑和身体。

为了让你更容易理解，我们可以把这个项目想象成**“给大脑和身体装上了一套智能健身系统”**。

以下是用通俗语言和比喻做的详细解读：

1. 为什么要做这个？（背景与痛点）

• 多发性硬化症（MS）是什么？ 想象一下，人体的神经系统像是一栋大楼里的电线。MS 就是这些电线外面的绝缘层（髓鞘）坏了，导致信号传输不畅。这会让患者感到疲劳、走路不稳、记忆力下降，甚至瘫痪。
• 现在的麻烦是什么？
  • 看病像“拍快照”： 目前医生主要靠 MRI（核磁共振）和偶尔的门诊检查来了解病情。这就像一年只给大楼拍几次照片，很难发现那些在两次拍照之间悄悄发生的“小故障”（比如病情的微小恶化）。
  • 康复很枯燥： 传统的康复训练往往很枯燥，患者很难坚持。
  • 隐形恶化： 很多患者即使没有明显的复发，病情也在悄悄变差（被称为“沉默的进展”），直到某天突然走不动了才发现，那时往往太晚了。

2. 这个“身体镜子”（BodyMirror）是什么？

BodyMirror 是一个**“软件即医疗设备”。它不是冷冰冰的机器，而是一套“游戏 + 传感器 + 人工智能”**的组合拳。

• 硬件（传感器）： 患者在家戴上两个简单的设备：
  • 一个像发带一样的东西（EEG），贴在头上，像“听诊器”一样监听大脑的电信号。
  • 一个像手环一样的东西（EMG/IMU），戴在手臂或腿上，像“运动手环”一样记录肌肉活动和走路姿势。
• 软件（游戏）： 患者不需要枯燥地做复健，而是玩16 款精心设计的“神经游戏”。
  • 有的游戏像**“找不同”**，锻炼注意力。
  • 有的像**“跑酷”**，锻炼手脚协调。
  • 有的需要说话，锻炼语言功能。
• 大脑（AI）： 当患者玩游戏时，传感器会收集数据，AI 会像**“超级教练”**一样，实时分析这些数据，生成“数字生物标志物”。

3. 这个试验是怎么做的？（实验设计）

这是一个大规模、双盲、随机对照的试验（医学界的“金标准”）。

• 参与者： 招募了 400 人，其中 300 人是 MS 患者，100 人是健康人（作为参照组，就像给汽车做测试时需要对比新车和旧车）。
• 分组（像分班一样）：
  • A 组（治疗组）： 玩**“智能版”游戏。AI 会根据玩家的表现自动调整难度。如果你变强了，游戏就变难；如果你累了，游戏就变简单。目的是主动康复**。
  • B 组（对照组）： 玩**“普通版”游戏。看起来和 A 组一模一样，但没有智能调整**，也没有针对性的康复算法。目的是排除“因为玩游戏心情变好”这种干扰因素，确保效果真的是来自“智能康复”。
• 时间： 持续 24 个月（两年）。
• 任务： 每周玩 3 次，每次 30 分钟。

4. 他们想证明什么？（目标）

研究者希望证明两件事：

1. 它是“千里眼”： 这套系统能不能比传统的 MRI 更早、更敏锐地发现病情的微小变化？（就像在房子出现裂缝前，先听到墙壁里细微的“咔嚓”声）。
2. 它是“健身教练”： 玩这些智能游戏，能不能真的让患者的走路更稳、脑子更灵、生活质量更高？

5. 为什么这个很酷？（创新点）

• 把“看病”变成“玩游戏”： 以前去医院做检查很痛苦，现在在家玩玩游戏就能完成，患者更愿意坚持。
• 数据说话： 以前医生靠“看你走路稳不稳”这种主观感觉来判断，现在靠传感器收集的海量数据（脑电波、肌肉电信号、步态等），像看仪表盘一样精准。
• 隐私保护： 为了保护患者隐私，他们用了**“联邦学习”技术。想象一下，每个患者的数据都在自己的手机里“本地训练”，只把学习成果（数学公式）**传给云端，原始数据（个人隐私）绝不离开手机。这就像大家各自做笔记，只交换笔记里的“解题思路”，不交换“谁的名字”。

6. 如果成功了，会有什么影响？

• 对患者： 可以在家远程监控病情，不用频繁跑医院。如果病情有恶化苗头，医生能提前干预，而不是等到瘫痪了才处理。
• 对医生： 有了客观的“数字仪表盘”，能更精准地开药和调整治疗方案。
• 对社会： 降低医疗成本，让偏远地区或行动不便的患者也能享受到顶级的神经康复服务。

总结

这就好比给 MS 患者装上了一个**“数字护盾”。它通过玩游戏的方式，让患者不知不觉地锻炼了大脑和身体，同时像“黑匣子”**一样记录着身体的每一次微小波动，帮助医生在病情恶化前就按下“暂停键”。

这项研究如果成功，将彻底改变我们管理神经退行性疾病的方式，让医疗从“被动治疗”转向“主动预防和管理”。

技术摘要

这是一份关于 BodyMirror Clinical MS™ 多中心随机对照试验（RCT）方案的详细技术总结。该方案旨在评估一种基于多模态生物信号和游戏化神经康复的数字化疗法（SaMD），用于多发性硬化症（MS）的远程监测和神经康复。

1. 研究背景与问题 (Problem)

• 疾病挑战：多发性硬化症（MS）是一种慢性神经退行性疾病，具有异质性症状轨迹。目前约 50% 的患者存在“静默性残疾进展”（Silent Progression），即在没有临床复发迹象的情况下病情仍在恶化。
• 现有监测手段的局限性：
  • MRI：虽然是目前监测疾病进展的金标准，但成本高、需住院、难以捕捉细微的功能变化，且无法预测复发或治疗反应。
  • 临床评估（如 EDSS）：主要依赖视觉观察步态和行走能力，主观性强、不够客观，且无法实时反映细微的神经功能变化。
  • 监测频率：传统的 episodic（偶发性）临床评估无法提供连续的疾病进展数据。
• 康复需求：缺乏能够提高患者参与度、可在家进行的个性化神经康复方法。

2. 方法论 (Methodology)

本研究是一项前瞻性、随机、双盲、对照、多中心临床试验，为期 24 个月。

2.1 研究设计

• 样本量：共 400 名参与者。
  • MS 患者组：300 人（150 人/组），包括复发缓解型（RRMS）和继发进展型（SPMS）。
  • 健康对照组：100 人（用于建立基准数据和验证评估工具）。
• 分组：MS 患者按 1:1 随机分配。
  • 干预组 (n=150)：接受适应性神经康复干预。使用 BodyMirror 平台进行基于 AI 调整难度的神经游戏训练。
  • 对照组 (n=150)：接受非治疗性数字活动。游戏在视觉、交互和时长上与干预组匹配，但不包含适应性神经康复算法（即难度不随表现调整，无针对性治疗机制）。
• 盲法：双盲设计。参与者、结果评估者和数据分析人员均不知道分组情况。

2.2 BodyMirror 系统规格 (核心技术)

BodyMirror 是一个集成了可穿戴生物传感器、神经科学游戏和机器学习算法的软件即医疗设备（SaMD）。

• 多模态生物信号采集：
  • EEG (脑电图)：4 通道干电极头带，采样率 256Hz，用于捕捉认知和中枢神经系统数字生物标志物。
  • EMG (肌电图)：1 通道干电极，采样率 1000Hz，用于监测肌肉疲劳和周围神经系统。
  • IMU (惯性测量单元)：6 轴运动传感器，用于捕捉步态、身体运动和平衡数据。
  • 其他：语音分析（语调、语速）、面部表情（情绪）、皮肤温度、PPG（心率）。
• 游戏化干预：包含 16-20 款神经科学游戏，涵盖认知（记忆、注意力）、物理（手部灵活性、下肢力量）和平衡训练。
• 数据处理与隐私：
  • 边缘计算：数据在设备端实时处理。
  • 联邦学习 (Federated Learning)：采用去中心化训练，模型参数在本地聚合，原始医疗数据不出院/不出户，严格符合 GDPR 和 HIPAA 标准。
  • 隐私增强技术 (PETs)：结合同态加密 (HE) 和安全多方计算 (MPC)。

2.3 试验流程

• 基线期 (4 周)：所有参与者进行非适应性模式的游戏测试，建立基线并识别主要症状。
• 干预期 (24 个月)：
  • 频率：每周 3 次，每次 30 分钟。
  • 临床评估：每 3 个月进行一次（包括 EDSS, MSFC, T25FW, 9HPT, PASAT, SDMT 等）。
  • 影像/实验室检查：基线、12 个月、24 个月进行 MRI 和血液检测（如 NFL, KFLC）。

2.4 统计与分析

• 主要终点：24 个月时，干预组与对照组之间扩展残疾状态量表 (EDSS) 分数的变化差异。
• 次要终点：MS 功能复合体 (MSFC) 变化、MRI 脑体积变化、认知表现、生活质量、依从性及卫生经济学指标。
• 分析方法：混合效应模型 (Mixed-effects model)，意向性治疗分析 (ITT)，多重插补处理缺失数据。

3. 关键贡献 (Key Contributions)

1. 多模态数字生物标志物的整合：首次大规模尝试将 EEG、EMG、IMU、语音和行为表现数据结合，用于 MS 的远程监测。以往研究多单一使用某类传感器，且多在医院环境下进行。
2. 游戏化神经康复的验证：通过严格的随机双盲对照，验证了基于神经可塑性原理的“游戏化”疗法是否能改善 MS 患者的认知和运动功能，解决了传统康复枯燥、依从性低的问题。
3. 静默性进展的早期检测：旨在通过连续的数字生物标志物监测，在临床症状恶化前发现“静默性”疾病进展，从而更早调整治疗方案。
4. 隐私保护的医疗 AI 架构：展示了如何在符合严格隐私法规（GDPR/HIPAA）的前提下，利用联邦学习在分布式数据上训练高精度的医疗 AI 模型，为远程医疗树立了数据安全标杆。
5. 去中心化临床试验 (DCT) 模式：证明了利用家庭可穿戴设备和远程监控进行大规模、长周期（24 个月）MS 临床试验的可行性。

4. 预期结果与现状 (Results & Status)

• 当前状态：本文是一份试验方案 (Protocol)，发表于 medRxiv（2026 年 3 月），属于预印本，尚未发表最终临床试验结果。
• 可行性预研：方案中引用了之前的可行性研究（15 名参与者），显示数据捕获成功率 >95%，设备信号质量与临床标准一致，用户依从性高。
• 预期成果：
  • 如果成功，将证明 BodyMirror 平台能有效监测疾病进展，其数字生物标志物与 MRI 和 EDSS 具有高度相关性。
  • 验证适应性神经游戏能显著减缓 EDSS 评分恶化，并改善认知和运动功能。
  • 提供卫生经济学数据，证明远程监测可降低长期治疗成本。

5. 意义与影响 (Significance)

• 临床实践变革：若试验成功，BodyMirror 有望成为首个获批的用于 MS 远程监测和康复的 SaMD，使医生能够实时掌握患者在家中的真实世界数据，实现个性化治疗。
• 患者赋能：患者可在家中完成监测和康复，减少往返医院的负担，提高生活质量，并增强对疾病管理的参与感。
• 药物研发支持：为制药公司提供了一种更敏感、更客观的替代终点（Digital Endpoints），有助于加速新药临床试验的进程，特别是针对“静默性进展”的药物开发。
• 行业标准：该研究确立了一套结合多模态生物信号、隐私计算和游戏化疗法的标准流程，为其他神经退行性疾病（如帕金森、阿尔茨海默病）的数字化管理提供了范本。

总结：BodyMirror Clinical MS™ 试验方案代表了一种将神经科学、可穿戴技术、人工智能和游戏化深度融合的创新尝试。它旨在解决 MS 管理中监测滞后和康复依从性差的痛点，通过严谨的随机对照试验，有望为多发性硬化症的数字化管理开辟新的临床路径。