西蒙弗雷泽大学的研究人员进行的一项研究表明，结合人工智能和可穿戴技术可以显著提高中风康复过程中的安全性。
助理教授古斯塔沃·巴尔比诺特（Gustavo Balbinot）表示，这项研究为开发新的中风康复技术打开了大门。他指出，这些发现也适用于那些由于平衡问题而面临跌倒风险的人群，例如患有眩晕或脊髓损伤的患者。
该研究发表在同行评审期刊《临床康复》上，使用传感器监测了50多名中风幸存者在执行移动任务时的情况。研究人员随后利用这些数据生成了运动模式。
巴尔比诺特解释说：“你可以想象当你把石头扔进河里时，你会看到那些小波浪。我们可以得到这些运动的频率。”
分析发现，正在从中风恢复的患者通常会有更平滑的运动，这表明他们采取了更为谨慎的方法，与对照组相比，健康参与者表现出更快、更“突然”的运动。
巴尔比诺特的团队开发了一种软件，可以将运动模式分解成三秒钟的窗口，从而检测出可能预示跌倒风险的变化——这对从中风中恢复的人来说是一个潜在的严重挫折。
巴尔比诺特说：“软件是这里的魔法。每三秒钟，软件可以检测到它是否波动太大。”如果软件检测到变化，用户会收到一个警告，告知他们可能存在不稳定的或有风险的运动。
他说，这种每三秒钟的实时监测是关键，可以在用户可能采取危险动作时向其发送消息，提醒他们减速并避免冒险。“人们可能会参与危险的动作，但他们没有意识到，最终会摔倒。软件可以提醒他们，‘你现在做的事情很危险’，所以也许只是坐下来休息一会儿。”
巴尔比诺特表示，随着软件收集的数据越来越多，对跌倒风险的预测将变得更加“确定”。“算法会学习每个人的情况。通过机器学习，我们真的可以让软件学习对每个人来说什么是好什么是坏。”
研究指出，参与者佩戴的传感器监测速度和方向，巴尔比诺特补充说，技术已经发展到可以将这些监测工具嵌入用户的衣物中。
研究还指出，临床医生将从易于解读的移动数据中受益，从而帮助他们做出有关患者护理的明智决策。“结合机器学习算法可以帮助个性化康复策略，通过识别个人运动模式并根据每个患者的独特需求预测安全风险来实现这一点。”研究总结道。
“为了弥合这一差距，进一步研究这些设备在临床环境中的长期可用性和在不同患者群体中的有效性将是必要的。”
(全文结束)
