面向神经障碍患者步态训练的多模态混合电刺激-机器人系统：临床可行性及协同控制效益研究

　　为解决神经康复中运动控制与神经重塑的协同难题，研究团队开发了集成神经肌肉电刺激（ES）与动力外骨骼的混合系统，采用协同（Cooperative）、重叠（Overlapped）和并行（Side-by-Side）三种模态实现多关节协同调控。实验表明，混合模式使摆动期膝关节电机扭矩降低48%，系统可用性评分提升5分（SUS量表），证实ES驱动肢体运动的有效性，为临床提供低功耗、高适配性的康复方案。

　　

神经障碍患者的步态康复一直是临床面临的重大挑战。脊髓损伤（Spinal Cord Injury, SCI）和脑卒中（Stroke）会导致长期运动功能障碍，严重影响患者的生活质量。传统康复手段虽有一定效果，但存在局限性：机器人辅助训练能提供高精度、重复性的运动执行，却缺乏对神经肌肉系统的直接激活；而功能性电刺激（Functional Electrical Stimulation, FES）虽能诱导肌肉收缩并增强神经可塑性，但容易引起肌肉疲劳且控制精度不足。近年来，将两种技术融合的混合系统成为研究热点，旨在结合机器人控制的准确性与电刺激的生理效益，然而如何实现多模态协同控制、降低系统能耗并提升临床适用性仍是未解难题。

针对这一问题，来自意大利米兰理工大学、Valduce医院等机构的研究团队在《Nature Communications》发表了一项突破性研究，开发了一种用于地面步态训练的混合电刺激-机器人设备，并通过非残疾受试者和神经障碍患者的实验验证了其可行性。该系统创新性地整合了三种控制模态：针对摆动期膝关节的协同控制（Cooperative modality），针对髋关节和站立期膝关节的重叠控制（Overlapped modality），以及针对非驱动踝关节的并行控制（Side-by-Side modality），实现了多关节协同、低功耗且安全高效的康复训练。

研究采用的关键技术方法主要包括：基于迭代学习控制（Iterative Learning Control, ILC）的FES参数自适应调节、阻抗控制与前馈补偿结合的电机协同策略、基于生理激活模式的仿生时序刺激，以及针对11例神经障碍患者（包括完全性SCI、不完全性SCI和脑卒中）的多队列验证实验。

系统设计与控制策略

研究团队采用Twin外骨骼（意大利技术研究院开发）与RehaMove3刺激器集成方案，通过中央控制单元（CCU）实现500Hz高频通信。膝关节摆动期采用协同控制：FES通过ILC迭代优化电流幅度（5步内收敛），电机采用阻抗控制实现柔顺跟踪；髋关节全程采用重叠控制，电机执行刚性位置控制，ES低于运动阈值（I_L1）以增强感觉反馈；踝关节采用并行控制，通过仿生时序刺激诱发背屈与跖屈。

实验验证与结果

非残疾受试者研究（Study 1）：12名健康受试者的测试表明，混合条件在保持轨迹跟踪精度（RMSE无显著差异）的同时，使膝关节摆动期电机电流积分降低21%（p<0.001），扭矩积分降低51%。肌肉疲劳实验显示50步内无显著性能衰减，证明协同控制可有效维持输出稳定性。

神经障碍患者研究（Study 2）：11例患者（包括完全性SCI、不完全性SCI和脑卒中）的测试中，混合条件使膝关节摆动期电机扭矩进一步降低48%（p<0.001），轨迹跟踪误差（RMSE）维持在7.5°–7.9°（占运动范围13%–14%），处于生理步态变异允许范围内。典型案例如完全性SCI患者（P6）和脑卒中患者（P7）均表现出随迭代学习而优化的跟踪性能（RMSE下降5%–8%）和扭矩需求降低。

用户体验与临床适用性

通过系统可用性量表（SUS）、用户体验问卷（UEQ）和技术接受度测量（TAM）评估，神经障碍患者对混合系统的评分显著优于单独外骨骼条件：SUS评分中位数提升5分，UEQ效率项（p=0.03）和TAM感知有用性项（p=0.02）均显示混合模式更优。用户报告表明ES增强的肌肉收缩整合提升了运动自然感。

讨论与意义

该研究首次在多关节水平实现了ES-电机的协同控制，并通过临床验证证实了三项核心优势：一是通过ILC与阻抗控制的结合，在降低电机功耗（总能耗减少22%）的同时维持运动精度；二是多模态设计适配不同关节的生理与安全需求（如髋关节深度肌肉刺激难题）；三是20分钟快速校准与10分钟内穿戴流程满足临床操作约束。未来研究需纵向评估神经重塑效益，并探索完全性SCI患者的站立与垂直化训练潜力。

结论表明，混合ES-动力外骨骼系统通过协同激活用户运动规划、机器人控制与直接感觉运动反馈，为神经康复提供了更自然、高效且可临床推广的解决方案，有望成为增强运动重建与神经可塑性的关键工具。