近日，由南方科技大學、中國科學院深圳先進技術研究院和深圳市邁步機器人科技有限公司三方聯合在機器人國際期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering發表了一篇題為“An intelligent rehabilitation assessment method for stroke patients based on lower limb exoskeleton robot”的文章。該研究基于穿戴外骨骼機器人時的人機交互數據直接對患者康復評估中某些重要指標進行預測。

康復評估是評價訓練效果和指導訓練方案制定的重要環節。正確的康復評估有助于指導治療師為患者制定康復訓練任務，從而縮短其恢復周期。在臨床上， 6分鐘步行距離（6MWD）和Fugl-Meyer評估下肢分量表（FMA-LE）是重要的測量和參考指標用于評估中風患者實際康復狀況。6MWD是通過試驗記錄患者在6分鐘之內行走的距離。測量過程中需要多名治療師和醫護人員協調配合，同時需要長時間占用大面積的醫療空間。FMA-LE是讓患者依次完成規定的動作，治療師根據患者完成動作的難易程度進行打分并統計最終得分。這就導致對于同一病例，由于主觀偏差，不同治療師會得出不同的評價結果，因而給出不同的康復治療方案。因此期望提出一種標準、方便且有效的方法對患者進行智能康復評估。

圖1 中風患者臨床康復訓練(a)患者穿戴外骨骼進行步態康復訓練；(b)采集患者訓練后康復評估指標

該論文提出一種新穎的基于下肢外骨骼機器人對中風患者進行智能康復評估的方法。其工作框架包括：數據采集模塊 – 收集并預處理患者的身體特征參數、患病狀況和運動生物力學參數；特征提取模塊 – 根據外骨骼機器人傳感器數據，構造步態特征模型推導患者步態參數；模型訓練模塊 – 基于患者特征參數、步態參數及人機交互參數，利用XGBoost機器學習算法訓練康復評估模型；應用模塊 – 評估模式下，康復評估模型可以預測新的中風患者6MWD和FMA-LE值。

圖2 智能康復評估方法工作原理框圖

當有效預測偏差絕對值設置為真實值的20%時，智能康復評估模型對6MWD、FMA-LE的預測準確率分別為85.19%、92.66%。

圖3 臨床實驗真值和康復評估模型預測值(a) 6MWD (m)和(b) FMA-LE (Marks)

中國科學院深圳先進技術研究院博士研究生張石生為論文第一作者，南方科技大學機械與能源工程系人體增強機器人實驗室的副教授冷雨泉為論文通訊作者。該研究受到國家自然基金、深圳市科創委等項目的資助。