遠程康復在慢性神經系統疾病康復中的應用進展

樊怡青 喬智 王鑫 牛育鴻

摘要： 慢性神經系統疾病如帕金森、多發性硬化癥、中風等致殘率極高，康復可以在很大程度上改善殘疾，幫助患者提高生活質量甚至回歸社會。遠程康復是通過信息和通信技術遠程提供康復服務的一種手段，其憑借自身優點，在慢性神經系統疾病康復中得到了很好的應用。本文綜述了近年遠程康復在慢性神經系統疾病康復中的應用進展，討論了目前遠程康復在慢性神經系統疾病康復研究中現存的挑戰，并在此基礎上對遠程康復的發展進行了展望。

關鍵詞： 遠程康復; 康復; 帕金森病 ;多發性硬化癥; 中風

基金項目：本課題為西安醫學院大學生創新創業訓練計劃項目，項目編號：S202011840037X

近年來，帕金森病、多發性硬化癥、中風等慢性神經系統疾病發病率越來越高，這些疾病的致殘率極高，導致運動和認知障礙等。 為了有效改善身體功能和提高生活質量，康復顯得尤為重要。隨著人口老齡化的加劇和中風存活率的提高，殘障幸存者的康復需求將越來越多。 這些慢性神經系統疾病往往需要連續的甚至永久的康復，但是由于醫院床位緊缺，經濟成本高昂以及空間、時間限制等，持續面對面康復很難實現。隨著互聯網滲透率和智能化設備使用率的提升，前沿的遠程康復技術正致力于解決上述挑戰，為實現長期康復提供新的解決方案。遠程康復是利用通信和信息工具為患者提供基本康復服務，其通常使用的技術有視頻會議、傳感器、虛擬現實和機器人等。相較于傳統的康復方式，遠程康復有許多優點。他可以不受限于時間和空間，讓偏遠地區或者行動不便的患者享受到高質量的康復服務;還可以緩解長期康復帶來的高昂的經濟成本。而且患者對于使用遠程康復的滿意程度很高，依從性高、效果好。在未來，遠程康復在慢性神經系統疾病康復中將發揮越來越重要的作用。本文綜述了近年遠程康復在慢性神經系統疾病康復中的應用進展，主要包括康復評定、康復治療和監測預防等。重點討論了目前研究中存在的挑戰，對遠程康復的發展進行了展望。

1 遠程康復

遠程康復非常新穎，目前還沒有一個明確的定義。Brennan等人認為遠程康復是指利用信息通信技術為家中或其他環境中的人員提供遠程康復服務。Zampolini 等人認為遠程康復是提供遠距離康復的器械和方式。 Levy等人認為遠程康復是通過雙向交互式傳送數據、語音、圖像等電信技術進行咨詢、預防、診斷和治療等。總的來說，遠程康復就是通過器械和通信技術為患者遠程提供康復服務。

科技的發展加速了遠程康復的發展。近年來，虛擬現實技術發展日新月異為遠程康復添磚加瓦，Cornejo等人使用跑步機-虛擬現實系統對帕金森病患者進行遠程康復，結果表明，患者的步速和機動性都增加了。除此之外，傳感器為患者進行遠程康復評定的可行性也被證明。Bai等人測試了低成本慣性傳感器用于神經康復中的上肢運動監測的可行性，結果表明低成本的自由度慣性傳感器，結合運動學模型，可以測量肢體節段的方向和位置，具有臨床應用的可行性。

2 遠程康復在慢性神經系統疾病康復中的應用

2.1康復評定

康復評定是康復醫學的基石，正確客觀有效的評定可以幫助我們提高遠程訓練的效益，也有助于將神經康復的范圍從醫院擴大到個人的家中或社區，低廉、敏感的遠程評定工具會迅速推動遠程康復的發展。

認知功能障礙是帕金森，多發性硬化癥等最常見的表現，目前也有一些對于遠程認知功能評定的嘗試。Hsu 等人開發了基于視頻游戲的數字程序系統，該程序集成了視頻游戲機制、視覺和聽覺反饋、自適應算法和復雜的圖形，他們對該程序進行了測試，證明了該程序評定人們的執行功能、注意力和信息處理速度的可行性和敏感性。

姿勢不穩定，平衡受損是慢性神經系統疾病的臨床表現之一，遠程平衡評定技術比自我評定更準確，可以提供實時反饋，提高遠程康復訓練方法的有效性。Bao等人證明了把慣性測量單元收集的數據用于自動平衡評定的效用。Kamran等人也開發了一種使用單個慣性測量單元捕獲軀干搖擺數據來達到實時自動平衡評定的方法。

2.2康復治療

慢性神經系統疾病常常導致殘疾，康復極大程度上可以減輕患者功能障礙。中風臨床指南建議無法進行面對面康復的患者進行遠程康復，其他神經系統慢性疾病也是如此。遠程康復技術發展日新月異，許多常用的康復治療手段已經被運用于遠程康復。

肢體癱瘓是神經系統疾病常見的后遺癥，對患肢進行康復可以改善殘損。Guillén-Climent等人開發了一個基于游戲的機器人系統，用于中風患者的上肢遠程康復，它經濟實惠且易于使用，允許患者在家中進行強化康復，可持續遠程檢測，實時與治療師進行溝通。根據Fugl-Meyer評分，患者的運動功能均有一定程度的改善。Allegue等人也開發了基于游戲的虛擬現實系統，旨在為上肢殘缺不全的中風幸存者提供遠程康復。結果表明該系統對改善上肢運動功能，提高上肢在日常生活活動中的質量和使用量有重要意義。

非運動癥狀比如認知障礙等，十分影響慢性神經系統疾病患者的日常生活。經顱直流電刺激治療非運動癥狀的效果比較明顯，與其他非侵入性腦刺激設備相比，經顱直流電刺激設備易于運輸，更適合遠程康復。Shaw等人開發了一個經顱直流電刺激結合遠程監控的的遠程康復系統稱，它通過視頻會議進行實時監控，可以在家中完成日常治療。結果表明，遠程康復的完成率達到了95%，超過90%的參與者表示對在家進行遠程康復感到滿意。

2.3康復監測

許多隨機對照實驗的結果表明，康復監測與疾病的控制和改善有關。有研究表明，遠程家庭監測比醫院監測有著更好的長期監測效果。慢性神經系統疾病患者損傷程度以及恢復的個體化差異很大，長期監測有利于個性化的康復，可以最大限度地改善患者功能障礙。

慢性神經系統疾病患者的身體機能衰退嚴重，Postolahe等人開發了將虛擬現實、游戲和穿戴式感應器網絡相結合的系統，應用于遠程身體康復監測，監測患者的康復過程。

慢性神經系統疾病患者肢體殘損的恢復是重中之重，對于可穿戴式康復設備的遠程監測而言，最優、準確、快速的特征選擇以及用于運動分類和關節角度估計的提取仍然是一項具有挑戰性的任務。Gautam等人提出了一個基于遷移學習的準確的混合深度學習系統，該系統能夠監測下肢運動，并預測所執行肢體運動的關節角度信息。

3 討論與展望

雖然遠程康復有諸多好處，但是并不能替代傳統的面對面康復，身體的接觸和互動對于治療師和病人來說是非常重要且必要的。Calvaresi指出，治療師通過學習和實踐得到許多寶貴的經驗，而遠程康復進行著知識和經驗的傳遞，但是我們無法保證簡單的知識、經驗共享不會出現問題，我們需要更多的關于遠程康復臨床有效性的案例。

國內外的遠程康復均處于起步階段，面臨許多挑戰。首先遠程康復是互聯網時代衍生的新興產物，人們對于其缺乏正確的認識和認知，大部分人認為遠程康復的效果差，對于遠程康復的接受程度低，患者及其家屬更愿意接受去醫院進行面對面的傳統康復。其次，雖然康復機器人和虛擬現實技術日新月異，但是遠程康復的可實現難度大，成本高昂，實施復雜。有些地區可能會缺乏信息和通信技術基礎設施，不足以支撐實現遠程康復。此外遠程康復的費用并不在醫保報銷范圍內，許多昂貴的器械設備對于那些處于經濟不利地位的患者來說通常是不被接受的。再者，遠程康復市場的監管并不完善，市場也沒有一個既定標準對于器械設備和服務質量進行衡量，遠程虛擬的背后是巨大的風險，企業和患者的利益均得不到強力有效的保護。

隨著人類人口老齡化以及慢性神經系統疾病的高發，遠程康復的潛力巨大。未來，在探索遠程康復的潛力時，我們應該以用戶為中心，根據臨床和醫療保健的需要，積極推動發展遠程康復技術、系統，對遠程康復進行整體有效的規劃、設計。隨著遠程康復的蓬勃發展，我相信，他將在人類疾病康復中發揮重要作用，為人們享受高質量的康復提供機會，緩解社會疾病負擔。

參考文獻

[1]Zhang J F， Wang X X， Feng Y， et al. Impulse control disorders in Parkinson's disease： epidemiology， pathogenesis and therapeutic strategies[J]. Frontiers in Psychiatry， 2021， 12： 97.

[2]Wallin M T， Culpepper W J， Nichols E， et al. Global， regional， and national burden of multiple sclerosis 1990–2016： a systematic analysis for the Global Burden of Disease Study 2016[J]. The Lancet Neurology， 2019， 18（3）： 269-285.

[3]Lindsay M P， Norrving B， Sacco R L， et al. World Stroke Organization （WSO）： global stroke fact sheet 2019[J]. 2019.

[4]Brennan D M， Mawson S， Brownsell S. Telerehabilitation： enabling the remote delivery of healthcare， rehabilitation， and self management[M]//Advanced technologies in rehabilitation. IOS Press， 2009： 231-248.

[5]Zampolini M， Todeschini E， Hermens H， et al. telerehabilitation： present and future[J]. Annali dell'Istituto superiore di sanita， 2008， 44（2）： 125-134.

[6]Levy C E， Geiss M， David Omura DPT M H A. Effects of physical therapy delivery via home video telerehabilitation on functional and health-related quality of life outcomes[J]. Journal of Rehabilitation Research and Development， 2015， 52（3）： 361.

[7]Thumm P C， Giladi N， Hausdorff J M， et al. telerehabilitation with Virtual Reality： A Case Report on the Simultaneous， Remote Training of Two Patients with Parkinson Disease[J]. American Journal of Physical Medicine & Rehabilitation， 2021， 100（5）： 435-438.

[8]Bai L， Pepper M G， Yan Y， et al. Low cost inertial sensors for the motion tracking and orientation estimation of human upper limbs in neurological rehabilitation[J]. IEEE Access， 2020， 8： 54254-54268.

[9]Madhavan S， Sivaramakrishnan A， Bowden M G， et al. Commentary： Remote assessments of gait and balance-Implications for research during and beyond Covid-19[J]. Topics in Stroke Rehabilitation， 2021： 1-8.

[10]Hsu W Y， Rowles W， Anguera J， et al. Application of an Adaptive， Digital， Game-Based Approach for Cognitive Assessment in Multiple Sclerosis： Observational Study[J]. Journal of Medical Internet Research， 2021， 23（1）： e24356.

[11]Bao T， Klatt B N， Whitney S L， et al. Automatically evaluating balance： a machine learning approach[J]. IEEE transactions on neural systems and rehabilitation engineering， 2019， 27（2）： 179-186.

[12]Kamran F， Harrold K， Zwier J， et al. Automatically evaluating balance using machine learning and data from a single inertial measurement unit[J]. Journal of NeuroEngineering and Rehabilitation， 2021， 18（1）： 1-7.

[13]Indredavik B， Sl?rdahl S A， Bakke F， et al. Stroke unit treatment： long-term effects[J]. Stroke， 1997， 28（10）： 1861-1866.

[14]Laver K E， Adey‐Wakeling Z， Crotty M， et al. Telerehabilitation services for stroke[J]. Cochrane Database of Systematic Reviews， 2020 （1）.

[15]Coupar F， Pollock A， Rowe P， et al. Predictors of upper limb recovery after stroke： a systematic review and meta-analysis[J]. Clinical rehabilitation， 2012， 26（4）： 291-313.

[16]Guillén-Climent S， Garzo A， Mu?oz-Alcaraz M N， et al. A usability study in patients with stroke using MERLIN， a robotic system based on serious games for upper limb rehabilitation in the home setting[J]. Journal of neuroengineering and rehabilitation， 2021， 18（1）： 1-16.

[17]Allegue D R， Kairy D， Higgins J， et al. A Personalized Home-Based Rehabilitation Program Using Exergames Combined With a Telerehabilitation App in a Chronic Stroke Survivor： Mixed Methods Case Study[J]. JMIR Serious Games， 2021， 9（3）： e26153.

[18] Shaw M T， Best P， Frontario A， et al. Telerehabilitation benefits patients with multiple sclerosis in an urban setting[J]. Journal of telemedicine and telecare， 2021， 27（1）： 39-45.

[19]Hammersley V， Parker R， Paterson M， et al. Telemonitoring at scale for hypertension in primary care： An implementation study[J]. PLoS medicine， 2020， 17（6）： e1003124.

[20]Pickering T G， Hall J E， Appel L J， et al. Los ladrillos refractarios， Hill MN， Jones DW， Kurtz T， Sheps SG， Roccella EJ. Recommendations for Blood Pressure Measurement in Humans and Experimental Animals： Part 1： Blood Pressure Measurement in Humans： A Statement for Professionals From the Subcommittee of Professional and Public Education of the American Heart Association Council on High Blood Pressure Research[J]. Hypertension， 2005， 45： 142-161.

[21]Cramer S C. Stratifying patients with stroke in trials that target brain repair[J]. Stroke， 2010， 41（10_suppl_1）： S114-S116.

[22]Postolache O， Hemanth D J， Alexandre R， et al. Remote monitoring of physical rehabilitation of stroke patients using IoT and virtual reality[J]. IEEE Journal on Selected Areas in Communications， 2020， 39（2）： 562-573.

[23]Gautam A， Panwar M， Biswas D， et al. MyoNet： A transfer-learning-based LRCN for lower limb movement recognition and knee joint angle prediction for remote monitoring of rehabilitation progress from sEMG[J]. IEEE journal of translational engineering in health and medicine， 2020， 8： 1-10.

[24]Calvaresi D， Marinoni M， Dragoni A F， et al. Real-time multi-agent systems for telerehabilitation scenarios[J]. Artificial intelligence in medicine， 2019， 96： 217-231.

第一作者簡介：樊怡青，本科，西安醫學院? E-mail：fanyiqing@xiyi.edu.cn

*通訊作者：牛育鴻，副教授，西安醫學院 E-mail：jiangniao9226@163.com