[npj Digital Medicine] Shirley Ryan AbilityLab与西北大学研究可穿戴传感器

[npj Digital Medicine] Shirley Ryan AbilityLab与西北大学团队研究拓扑数据分析与可穿戴传感器：重构多病种精准步态分型图谱

精准康复领域中，传统步态评估仅依靠单一标量指标，无法捕捉神经肌骨疾病的步态异质性与代偿差异，难以满足个体化诊疗需求。针对这一临床瓶颈，Shirley Ryan AbilityLab与西北大学团队依托可穿戴惯性传感器（IMU）结合拓扑数据分析（TDA）Mapper算法，开展多病种精准步态分型研究，相关成果发表于《npj Digital Medicine》。

研究纳入脑卒中、帕金森病、下肢截肢患者及健康对照组共81名受试者，通过17个全身传感器采集临床多场景步态数据，提取227项高维运动特征，经PCA预处理、t-SNE投影与拓扑聚类重构，搭建了统一的多病种步态拓扑图谱。研究明确了不同病种的步态分布规律，实现脑卒中步态高、中、低功能精准三分型，并锁定各分型核心驱动因子，还可校正帕金森病与功能性神经障碍误诊、突破传统截肢评估的量表天花板效应。

相较于传统评估与常规算法，该方案可保留步态数据连续演化特征，兼容多病种异构数据，临床可解释性与诊断修正能力更强。研究打通了可穿戴传感数据与精准康复的应用壁垒，可为个体化康复处方制定提供量化依据。同时，研究也指出传感器部署繁琐、算法自适应不足、样本规模有限等问题，为后续临床落地优化指明了方向。