Gait Phenotyping in Multiple Sclerosis Using Smart Insole Technology
本研究利用智能鞋垫衍生的步态指标和聚类分析，识别出多发性硬化症患者的四种不同步态表型，证明了客观的移动性监测能够捕捉到标准临床残疾评分无法充分反映的损伤细微差别。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
行走是一个复杂的动作，我们大多数人在进行这一动作时几乎不会产生任何思考，它是一种平衡、力量与时机的无缝律动。对于患有多发性硬化症（一种影响中枢神经系统的慢性疾病）的人来说，这种律动往往会发生断裂。该疾病可能会破坏控制运动的路径，导致各种各样的行走困难。有些人拖着一只脚走路，有些人迈着短促的步子蹒跚前行，还有许多人难以保持平衡。由于病变发生的位置因人而异，因此不存在单一的“多发性硬化症式步态”。目前，医生依赖标准测试来衡量一个人的行动能力下降了多少，但这些测试通常只是宽泛的快照，无法捕捉到每个人针对其特定损伤所采取的独特补偿方式。理解这些独特的模式可以帮助医生更有效地制定个性化治疗方案，但要捕捉这些模式，需要一种能够详细观察人们如何运动的方式，而不仅仅是看他们能走多远。
一个研究小组决定尝试利用一种新技术——智能鞋垫，来绘制这些独特的行走模式图谱。研究人员并没有要求患者在周围布满摄像头和传感器的实验室里行走，而是为他们配备了隐藏在普通鞋内的薄且不显眼的鞋垫。这些鞋垫包含微小的压力传感器和运动检测器，能够精确记录足部如何着地、每一步持续的时间长短，以及身体在每一次迈步时的运动情况。其目标是让数据本身说话，利用计算机分析将人们根据他们实际的行走方式进行分组，而不是根据他们的残疾评分来分组。
这项研究涉及了来自加拿大、德国、美国和英国诊所的108名多发性硬化症患者和49名健康志愿者。每位参与者在走廊里行走时都穿着智能鞋垫。鞋垫向智能手机应用程序传输持续的数据流，捕捉关于每一步的数百个细节，从步幅的速度到足部的轻微晃动。随后，研究人员将这些海量信息输入到一个旨在寻找自然分组的计算机程序中。他们并没有告诉计算机要寻找什么，而仅仅是要求它根据运动数据的相似性和差异性将行走者进行聚类。
分析揭示了四种截然不同的行走群体，每一组都有其独特的运动特征，这些特征超越了标准医学评分所能展示的内容。第一组人群的行走模式与健康志愿者非常接近。他们移动得很快，步态对称，仅表现出极轻微的损伤迹象。第二组表现出中度困难；他们走得更慢，并且为了保持稳定，双脚在地面上的停留时间更长，但他们的步伐仍然相对一致。
第三组是令人惊讶的发现。这些人的残疾评分与第二组相似，但其行走模式却有着本质的区别。虽然第二组走得稳但速度慢，第三组的运动则具有高度的可变性。他们的步伐不一致，步幅的时长和长度在每一时刻都会发生显著波动。这一组表现出一种“摇晃”的步态，标准的测试可能会将其评定为与稳步慢行者相似，但智能鞋垫揭示了一种明显的稳定性缺失，这暗示了不同的潜在原因，可能与平衡或协调问题有关。
第四组代表了最严重的受损情况。这些人走得非常缓慢，双脚在地面上的停留时间很长，并且左右两侧表现出明显的失衡。他们的步伐短促且谨慎，足部着地角度异常，这表明他们正投入巨大的精力仅仅为了防止跌倒。这一组在基本的行走机制上挣扎最为严重，其数据反映了对稳定性的高度依赖，而非对速度的追求。
这项发现之所以意义重大，是因为计算机纯粹基于物理运动数据识别出了这些群体，而事先并不知道患者的病史或残疾评分。第三组尽管拥有与稳步慢行者相似的残疾评分，却表现出高变异性的事实，表明目前的医学评估可能遗漏了关于疾病如何影响不同个体的细节。智能鞋垫捕捉到了运动中的细微差别，例如一个人足部角度变化的特定方式，或是步幅时机波动的程度，而这些是医生在观察患者走过走廊时可能无法察觉到的。
研究人员指出，虽然该技术成功识别了这些模式，但这些群体并不一定是僵化的类别。随着病情的变化，人们可能会在这些类别之间移动，且各组之间的界限并不总是清晰的。然而，能够使用一种穿在鞋里的简单设备来区分“慢速稳健型”行走者与“快速不稳定型”行走者，这开启了一扇监测的大门。这表明在未来，医生可以使用这些鞋垫来追踪患者随时间变化的进展，在标准测试显示出下降趋势之前，就能检测到其行走风格的细微变化。这可以实现更早期的干预和更个性化的护理计划，将简单的行走行为转化为关于神经系统健康信息的丰富来源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。