电脑工具可追踪中风康复，促进康复
一项新的研究表明，一种装有传感器的计算机程序可以准确地识别和计算中风康复患者的手臂运动。研究作者说，既然它可以做到这一点，下一步就是使用该工具来定义运动强度，使患者在中风后能够最大程度地恢复独立活动和照顾自己的能力。
这项工作的紧迫性源于这样一个事实:一半以上的人手臂的活动能力(以及其他肢体的活动能力)严重下降中风幸存者。根据美国疾病控制和预防中心的估计，每年有近80万美国人患中风。
由纽约大学格罗斯曼医学院的研究人员领导的这项研究表明，由纽约大学开发的名为PrimSeq的工具，在识别和计算康复训练中规定的手臂运动次数方面的有效性为77%中风患者．绑在手臂和背部的传感器被用来跟踪三维运动。开发人员表示，他们计划在更多中风患者身上进行进一步测试，以完善他们的计算机模型，减少所需传感器的数量，然后开发一种更小的原型设备，可以戴在手臂上上半身．
“我们的研究表明，一种被设计成与智能手表功能相同的数字工具，在跟踪患者在手术期间的运动强度方面非常准确中风康复纽约大学朗格尼分校神经病学和康复医学系副教授、联合高级研究员海蒂·沙姆布拉医学博士说。
“这种援助是迫切需要的录像或者其他可穿戴传感器无法提供精确的康复程度的标准化测量锻炼每个病人都在接受治疗，”Schambra说。“任何锻炼‘剂量’的改善都必须基于对特定运动中手臂运动类型和次数的精确、自动化测量。”
先前在动物身上的研究表明，剧烈的上半身运动可以促进中风后的恢复。然而，对人类的研究表明，中风患者接受的运动训练平均只有在动物身上有效的十分之一。研究人员说，这主要是因为在primseq开发出来之前，没有简单的方法来准确跟踪他们的手臂运动。
发表在杂志上公共科学图书馆数字健康在线6月16日，这项新研究记录了41名成年中风患者在进行常规康复训练以恢复手臂和手的功能时的上半身运动。练习和手臂动作患者用叉子进食，用梳子梳洗。
9个传感器记录了超过51616个上半身动作，然后将每个手臂动作的数字记录与功能类别进行匹配，例如动作是涉及到伸手去拿物体还是保持物体不动。
人工智能(机器学习)然后编程软件来检测数据中的模式，并将这些模式与特定的运动联系起来。然后，在另外一组8名中风患者身上测试了由此产生的PrimSeq工具，这些患者在进行各种锻炼时佩戴了传感器。
然后使用PrimSeq来观察它是否能根据它们的功能准确地识别12545个记录的运动。该项目成功地准确评估了患者的大部分运动，所有患者都有轻度到中度的中风手臂损伤。
“PrimSeq在识别和计算中风患者的功能运动方面具有最先进的性能，我们正在收集更多的数据来继续提高其准确性，”联合高级研究员卡洛斯·费尔南德斯-格兰达博士说，他是纽约大学数学和数据科学副教授。
Schambra说:“我们的研究旨在寻找恢复所需的最佳训练强度水平，我认为我们的工具非常有希望用于临床，因为替代方法根本没有准确的计数。”“如果进一步的实验成功，我们当然会在临床试验中测试该系统。”
作者打算将PrimSeq免费提供给全世界的中风康复专家，并已将他们用于构建该程序的数据发布在https://simtk.org/projects/primseq．
除了andes - granda和Schambra，其他参与这项研究的纽约大学Langone和纽约大学的研究人员是联合首席研究员Avinash Parnandi和Aakash Kaku, Anita Venkatesan, Natasha Pandit, Audre Wirtanen, Haresh Rajamohan和Kannan Venkataramanan。另一位研究人员是纽约哥伦比亚大学的Dawn Nilsen。
进一步探索
