对人类步态模拟的预测能力进行基准测试

《PLOS Computational Biology》：Benchmarking the predictive capability of human gait simulations

物理学基础模拟通过神经肌肉骨骼模型生成运动模式，无需依赖实验数据，但模拟的步态力学和代谢功率与实验存在差异。本研究系统评估了三维肌肉骨骼模型在不同步态条件下的预测能力，包括额外质量、速度变化、上下坡行走和蹲姿行走。结果表明，模型能合理预测步频和关节动力学，但低估了代谢功率的变化，尤其在爬坡时误差达27%。可能原因包括代谢模型中机械效率过高（现象学模型平均0.58，实验观测0.2-0.3）以及肌肉正负机械功估算偏差。需改进模型参数、能量转换假设及优化目标函数以提高预测精度。

　　本研究探讨了基于物理原理的模拟方法在预测人类步行过程中运动学、动力学和代谢能量方面的表现。人类行走是一种复杂的生物力学行为，涉及骨骼、肌肉和神经系统之间的高度协调。尽管在实验室中可以利用各种实验数据来分析行走的机械特性，但基于神经-肌肉-骨骼模型的模拟方法提供了一种无需依赖实验数据即可研究人类运动机制的有效途径。然而，模拟结果与实验观测之间仍存在显著差异，尤其是在代谢能量的预测方面，这提示我们当前的模型在某些方面仍存在局限性。

研究团队使用了一个三维的肌肉骨骼模型，该模型包含31个自由度和92个基于Hill型的肌肉驱动器，并通过优化算法模拟了多种行走条件下的运动模式，包括不同速度、斜坡行走以及增加身体各部位质量等。研究结果表明，尽管模拟在预测步频和行走运动学方面表现良好，但在预测代谢能量变化时存在系统性低估，特别是在需要大量正向机械工作的任务中，如上坡行走。例如，在上坡行走任务中，模拟低估了代谢能量的增加幅度，达到27%。这表明，当前模型在预测肌肉纤维的正向工作时存在偏差，可能与模型参数、肌肉-骨骼系统交互方式或能量函数的设计有关。

在分析模型性能时，研究者还探讨了代谢能量模型的机械效率问题。他们发现，使用Bhargava能量模型时，肌肉纤维的机械效率高达0.58，远高于实验中观察到的0.2-0.3。这种高效率可能源于将离体肌肉纤维实验中的热率系数转化为整体人体运动时的不确定性。由于人体运动中肌肉活动、纤维长度和速度的组合方式极为复杂，难以在实验室条件下完全复制。此外，实验中可能忽略了恢复热（如ATP合成）的能耗，而这是肌肉工作的重要组成部分。这种不准确的效率估计导致了模拟中代谢能量的系统性低估。

为了进一步验证这一假设，研究者还尝试了另一种代谢能量模型，即Margaria模型，该模型将正向和负向肌肉工作的效率分别设定为0.25和-1.2。虽然Margaria模型在某些情况下可以提高代谢能量的预测准确性，但在其他方面却导致了过度估计。例如，当使用Margaria模型对行走速度变化进行模拟时，代谢能量的预测值与实验数据相比有100%的过度估计，而对添加质量或斜坡行走的模拟则有48%的过度估计。这说明，无论采用哪种能量模型，都存在对肌肉纤维工作的系统性偏差，从而影响了代谢能量的预测准确性。

此外，研究还发现，模型在预测关节动力学和运动学时也存在一定的局限性。例如，在高速行走时，模拟未能准确反映踝关节和膝关节的运动变化，导致预测的步频和关节力矩与实验数据之间存在显著差异。这表明，模型在某些关键参数上可能存在误差，如关节刚度、肌肉-肌腱的相互作用等。这些参数的不准确可能影响肌肉纤维工作的计算，从而进一步导致代谢能量预测的偏差。

研究还探讨了模型中某些简化假设的影响。例如，模型假设肌肉-肌腱系统为刚性结构，而实际上，肌肉和肌腱的弹性特性在人体运动中起着重要作用。这种简化可能低估了肌肉和肌腱在能量储存和释放方面的贡献，从而导致肌肉纤维工作的过度估计。此外，模型中对肌肉质量的忽略也可能影响机械工作的计算，因为肌肉质量的增加通常会增加能量消耗。

除了模型本身的参数误差，研究还指出，优化算法和成本函数的设计可能对模拟结果产生重要影响。当前模型的成本函数主要基于肌肉激活、关节加速度和代谢能量等项，而这些项的权重是通过手动调整确定的。这种调整方式可能导致模型对某些任务的偏好与真实情况不符，例如在斜坡行走和蹲姿行走之间，模型倾向于选择前者，尽管实验数据表明后者在某些情况下更优。因此，成本函数的优化过程需要更加系统化，可能需要基于更全面的实验数据集，以便准确区分不同成本项的相对重要性。

此外，研究还强调了实验数据在模型验证中的重要性。尽管模拟方法可以提供对人类运动的理论预测，但这些预测需要与实验数据进行对比，以发现模型中的不足之处。然而，由于实验数据的获取和处理较为复杂，尤其是在不同研究中对代谢能量的测量方法存在差异，这给模型验证带来了挑战。因此，研究建议未来应更加注重实验数据的标准化和多任务验证，以提高模型的泛化能力。

总体来看，该研究揭示了当前基于物理原理的模拟方法在预测人类行走代谢能量方面的局限性，并指出了可能的改进方向。首先，需要更精确地描述肌肉的机械效率，特别是考虑到实验条件与人体实际运动之间的差异。其次，模型应更准确地反映肌肉-骨骼系统的动态特性，包括肌肉和肌腱的弹性、能量储存与释放等。最后，优化算法和成本函数的设计需要更加科学，以确保模型能够准确反映人类在不同任务中的运动策略和能量消耗。

这项研究的意义在于，它不仅揭示了当前模型在某些方面的不足，还为未来改进模型提供了理论依据和方向。随着对人类运动机制理解的深入，以及实验数据的不断积累，模拟方法有望在预测和优化人类运动方面发挥更大作用。例如，在设计外骨骼和假肢时，模拟可以提供对不同设计方案的代谢成本预测，从而帮助工程师优化设备性能。此外，模拟还可以用于研究运动障碍患者的运动模式，为康复治疗提供科学依据。

然而，研究也指出，模拟方法在预测代谢能量时仍面临诸多挑战。这不仅包括模型参数的准确性，还涉及优化算法的稳定性、实验数据的标准化以及对复杂生物力学行为的建模能力。因此，未来的研究应更加注重模型的多维度验证，结合不同任务和条件下的实验数据，以确保模型在各种情况下都能提供可靠的结果。同时，模型的迭代优化和参数更新也应成为研究的重点，以逐步提高其预测能力。

此外，研究还强调了模型在实际应用中的重要性。例如，在设计外骨骼和假肢时，模拟不仅可以预测设备对用户运动的影响，还可以帮助工程师优化设备的结构和功能，以降低用户的代谢成本。然而，当前的模拟方法在某些情况下可能无法准确反映设备的实际效果，这可能与模型对肌肉纤维工作的过度估计有关。因此，改进模型的准确性对于实际应用至关重要。

综上所述，本研究通过系统的模拟与实验对比，揭示了当前基于物理原理的模拟方法在预测人类行走代谢能量方面的局限性，并提出了可能的改进方向。这些发现不仅有助于我们更好地理解人类运动的生物力学机制，也为未来研究提供了重要的理论基础和实践指导。随着模型的不断完善，基于物理原理的模拟方法有望在生物力学研究、运动辅助设备设计和运动康复等领域发挥更大的作用。