IMU-Based Hip Adduction and Flexion Moment Estimation for Osteoarthritis and Healthy Individuals During Normal and Modified Gait

对于数百万正在与髋关节骨性关节炎（hip osteoarthritis）作斗争的人来说，行走这一简单的动作本身就是一场与疼痛的持续博弈。这种疾病会磨损缓冲关节的光滑软骨，使每一步都变成一种会导致严重残疾的摩擦性挤压。虽然医生可以通过 X 光片看到损伤，但疾病的真实故事却隐藏在人体运动时所承受的那些无形力量之中。每当脚落地时，髋关节都会吸收巨大的载荷，而一个人的行走方式——如何倾斜、如何转动脚尖、移动的速度快慢——决定了该关节究竟要承受多少压力。随着时间的推移，这些累积的力量可能会加速疾病进程，然而对于大多数患者来说，这种危险的负荷往往发生在他们日常生活的静默时刻，远离那些通常进行此类测量的专业诊所。

直到现在，了解这些力量仍需前往生物力学实验室。在那里，患者走过嵌入了巨大压力传感器的地板，同时摄像头以激光般的精度追踪他们的动作。这种设置可以提供关节应力的详细快照，但它既昂贵又笨重，且只能捕捉受控环境下短短几秒钟的行走过程。它无法告诉医生，患者在公园晨练、去超市购物或分心时的髋关节表现如何。医学界的挑战在于，寻找一种方法将这种深度的洞察力从实验室带入现实世界，利用小型可穿戴设备在无需整间房复杂设备的情况下追踪身体运动。

来自上海交通大学、京都大学和香港中文大学的研究团队在解决这一问题上迈出了重要一步。他们开发了一种新方法，仅通过佩戴在身上的小型传感器，即可估算髋关节内部的扭转和弯曲力。这些被称为惯性测量单元（IMUs）的传感器是微小的设备，可以检测加速度和旋转，类似于智能手机中的芯片。研究人员想要探究，是否可以使用这些简单的信号来重建作用于髋关节的复杂力量，即使是在针对关节炎患者以及这些人改变行走方式的情况下。

为了测试这一想法，团队招募了 84 名参与者，包括年轻健康成年人、老年健康成年人以及被诊断患有髋关节骨性关节炎的人群。他们要求所有人穿着佩戴在躯干、骨盆和腿部的 8 个此类小型设备，在跑步机和配备力量传感器的地板上行走。参与者不仅仅是正常行走；他们还被要求以特定的方式改变步态，以观察系统是否能跟上。他们走得更快或更慢，脚尖向内或向外转，步幅变宽或变窄，躯干侧倾，甚至尝试在倒数三个数的同时行走，以模拟分心的状态。这创造了一个庞大的运动数据库，捕捉了在各种条件下髋关节的表现。

随后，研究人员构建了一个计算机模型，这是一种旨在从数据中学习模式的人工智能。他们训练这个模型去观察来自躯干、骨盆和腿部传感器的信号，并预测髋关节内部相应的力量。目标是创建一个能够适用于任何人、而不只是针对其训练人群的系统。最初，他们测试了一个“一刀切”版本的模型。这个版本表现尚可，但在为每个个体提供精确数值方面表现挣扎，尤其是对于那些运动模式与健康人群显著不同的关节炎患者。

突破出现在研究人员引入一种称为“少样本个性化”（few-shot personalization）的技术时。研究人员不再试图让每个人都符合同一个模具，而是允许模型利用极少量的数据来了解每一个新的人。在测试新参与者进行高难度的修改后行走任务之前，系统会让参与者进行几次正常的行走。模型利用这几次行走来调整其内部设置，以匹配该个体的体型、传感器佩戴方式以及其独特的运动方式。这是一个校准过程，类似于将收音机调到特定电台，但由计算机在几秒钟内完成。

结果显示，这种微小的调整带来了巨大的差异。当模型仅使用几次正常行走的步态数据进行自我个性化调整时，其预测变得非常准确。对于向内推挤髋部的力和向前弯曲髋部的力，误差显著下降，预测的运动模式与实际测量值高度吻情况一致。即使参与者切换到困难任务（如宽步行走或躯干倾斜）时，这种准确性依然保持。系统不需要为每种新的行走风格重新训练；初始校准足以让它泛化到新的情境中。

或许最重要的一点是，该系统在从未参与过训练的独立人群中同样表现出色。这组人群包括更多患有髋关节炎和发育性髋关节问题的患者，他们在平地上而非跑步机上行走。个性化模型成功估算了他们的髋关节力量，证明了该方法可以跨越不同的环境和不同类型的患者进行迁移。研究人员发现，该系统不仅能准确捕捉平均力量，还能捕捉到脚落地瞬间发生的特定压力峰值，以及整个步幅过程中积累的总压力。这些细节对医生至关重要，因为它们指示了哪些行走模式可能有害，以及哪些可能有助于保护关节。

研究还探讨了实际需要多少个传感器。他们发现，使用躯干、骨盆、大腿和小腿上的传感器，能在准确性和舒适度之间达到最佳平衡。增加足部传感器并不能在性能上带来足够的提升，以至于无法抵消给患者带来的额外负担。这表明，一个用于日常使用的实用可穿戴系统可以非常简单，仅需四个小型设备，而非复杂的阵列设备。

这项工作的意义延伸到了实验室之外。通过实现对髋关节负荷的准确、持续监测，这项技术可以帮助医生在造成进一步损伤前识别有害的行走习惯。它可以让患者获得实时反馈，了解如何调整步态以减轻疼痛并减缓疾病进展。患者不再需要等待一年一度的例行检查（届时医生可能只能看到关节的静态图像），而是可以在日常生活中佩戴这些传感器，观察身体对不同活动的反应。研究人员建议，这种方法最终可能导致基于现实世界数据而非理论模型的个性化康复计划。

尽管该研究是在受控条件下进行的（参与者在跑步机和标记地板上行走），但个性化模型在独立人群进行地面行走时的成功，表明了其在现实应用中的强大潜力。研究人员承认，未来的工作需要测试该系统在完全不受控的环境中（如繁忙街道或不平坦地形）的表现，并探索减少初始校准步骤的方法。然而，核心结论依然清晰：通过将可穿戴传感器与智能、可适应的计算机模型相结合，我们有可能观测到作用于人类髋关节的无形力量，从而为管理这一最常见且最具破坏性的关节疾病之一开启了一扇新的窗口。