智慧應用 影音
DForum1101
Event

物聯網醫療復健機

結合物聯網技術,機器人輔助步態訓練(RAGT)進一步強化中風後的神經和功能恢復。圖為日本豐田推出的復健機器人設備。

中風是全球導致死亡和致殘的主要原因之一,其中由運動障礙引起的功能性殘疾是中風後常見的問題。約60%的中風患者在中風後失去行走能力,20%的患者在1年後仍無法獨立行走。恢復行走能力在中風康復中至關重要,直接影響患者的生活品質。

傳統的物理治療和職能治療計畫,歷來支持中風後的神經和功能恢復,但結果往往難以預測。為改進康復策略,機器人輔助步態訓練(Robot-assisted gait training;RAGT)這種創新方法應運而生,專注於改善行走能力。RAGT透過重複特定任務,促進運動學習和功能改進。這項技術使患者能夠參與高強度的訓練,例如在10分鐘內完成300步,減少依賴物理治療師。結合物聯網技術,RAGT進一步強化中風後的神經和功能恢復。

RAGT有2種方法:末端效應器法和外骨骼法。在末端效應器法中,患者的腳放在足板上,模擬步態的站立和擺動階段;在外骨骼法中,外骨骼裝置透過驅動裝置,在擺動階段彎曲髖部和膝蓋,並配合跑步機模擬站立階段。綜合研究深入探討這些方法的臨床、技術和監管層面的應用,為臨床醫生提供了有關機器人康復潛在恢復機制的寶貴見解。

被動訓練模式和重力補償功能為處於急性或亞急性階段的中風患者提供早期康復,使他們能夠專注於運動控制。透過病歷查閱,收集參與者特徵、中風細節和合併症信息,同時透過腦部CT或MRI提供病變位置和中風類型的信息。為評估治療前日常生活活動(ADLs)的獨立性,須對病人進行多項評估,包括Berg平衡量表(BBS)、Brunnstrom階段、匹茲堡睡眠品質指數、Fugl-Meyer下肢功能評估(FMA-LE)和總分(FMA-total)。在慢性中風患者的研究中,常使用POMA的行動性能評估來衡量平衡和步態,並使用BBS來測量姿勢控制和平衡。這些參數在評估和定制康復干預計畫以達到最佳結果。

下肢運動功能主要涉及平衡和步態,這些元素是相互關聯的,在中風後經常下降。BBS以其在衡量平衡功能中的高信度和重測信度而著稱,特別適用於中風倖存者的評估。步態分析是下肢運動功能的重要評估工具,推薦用於評估和增強中風後的行走能力。結合BBS和步態分析可全面評估平衡和步態,作為衡量康復干預效果的重要參數。這一綜合方法提供了對患者在恢復行動能力和執行日常任務進展的全面理解。

利用物聯網技術,我們在中國醫藥大學開發出一套系統MRGtalk,這是一款針對中風及神經障礙引起的下肢康復的應用輔助前端系統,提升老年人的肢體活動和身體健康。MRGtalk使用普適計算(Pervasive Computing)進行下肢康復,強調肌肉力量的改善和行走能力的增強,包含:1. 增強感官反饋的三點支撐設計促進全負重的站立踏步訓練;2.根據個人能力,可通過具有網頁瀏覽器的固定或移動設備遠程調整訓練參數(步長、頻率、軌跡和持續時間);3.多患者獨立訓練模式優化時間和精力的使用。

作為應用輔助前端,MRGtalk輸出關鍵的訓練參數。臨床實驗顯示,其在改善中風患者的下肢肌肉功能、平衡和行走能力方面具有良好效果。MRGtalk簡化RAGT過程,減少了治療師提供手動輔助的需求,是資通訊技術運用於復健的一個典範。

現為國立陽明交通大學資工系終身講座教授暨華邦電子講座,曾任科技部次長,為ACM Fellow、IEEE Fellow、AAAS Fellow及IET Fellow。研究興趣為物聯網、行動計算及系統模擬,發展出一套物聯網系統IoTtalk,廣泛應用於智慧農業、智慧教育、智慧校園等領域/場域。興趣多元,喜好藝術、繪畫、寫作,遨遊於科技與人文間自得其樂,著有<閃文集>、<大橋驟雨>。