评估单侧和双侧前庭功能障碍患者功能损伤的方案：一种评估前庭功能丧失对日常生活影响的新方法

本研究开发了一种结合可穿戴传感器（IMU、眼追踪、压力传感器）和15项日常任务的多模态评估协议，用于客观量化单侧和双侧前庭功能障碍患者的平衡控制与功能损害。通过半自然istic康复环境模拟真实场景，任务设计基于文献回顾、临床量表和患者访谈，涵盖步态、单腿平衡、多任务等复杂动作。可行性测试显示协议在60名参与者中有效实施，技术数据质量良好，患者完成率差异显著（双侧前庭障碍患者任务放弃率较高）。该方法填补了传统实验室评估与真实生活功能评估之间的空白，为个性化康复和疗效监测提供了工具。

　　
当前临床评估前庭功能障碍的方法存在局限性，主要聚焦于孤立反射通路（如眼-头反射、躯干-脊柱反射），难以全面反映前庭系统在整合性平衡控制中的动态功能。这种传统实验室模式与患者实际生活场景存在显著差异，导致评估结果与患者自述症状及日常活动受限不匹配。为解决这一问题，研究者开发了基于可穿戴传感器和生态效度任务的综合评估协议，旨在更精准地量化前庭功能障碍患者的功能损害。

### 研究背景与核心问题
前庭系统作为人体“第六感觉”，负责整合视觉、本体感觉等多重信息以维持动态平衡。双侧前庭障碍（BV）患者因前庭输入缺失，常出现严重运动协调障碍、跌倒风险增加及认知功能下降，而单侧前庭障碍（UV）患者通过中枢代偿机制可部分恢复功能。然而，现有临床评估工具多依赖实验室条件下的静态或简单动态测试，无法捕捉日常活动中的复杂前庭-运动整合机制。例如，传统平衡测试仅评估静态站立或特定步态参数，但患者在实际生活中常面临环境变化（如光线不足、地形崎岖）、多任务处理（如边走边对话）等挑战，这些场景中前庭系统需动态调整视觉、本体感觉与平衡策略的权重。

### 研究目标与设计创新
研究旨在构建首个融合多模态可穿戴设备与生态效度任务的评估协议，覆盖UV和BV患者两大临床亚型。其创新性体现在：
1. **多模态数据整合**：同时采集惯性测量单元（IMU）、眼动追踪和足底压力数据，分别反映躯体运动控制、视觉适应策略及体重分布特征，弥补单一传感器的局限性。
2. **生态效度任务设计**：选取15项日常活动任务（如上下楼梯、持物行走、黑暗环境视物），按难度分级模拟真实场景需求，涵盖动态平衡、多任务处理、环境适应等维度。
3. **患者参与式开发**：通过文献回顾、标准化量表（DHI、VADL）及患者访谈，迭代优化任务库。例如，患者反馈传统任务“穿裤子”需单腿平衡，而实验室常用测试未涵盖此类高难度日常动作，最终将其纳入任务集。

### 技术实现与数据采集
协议采用标准化半自然istic环境（日内瓦康复中心）进行数据采集，确保任务场景的真实性。主要技术路线包括：
- **可穿戴传感器配置**：
- **IMU（九轴惯性传感器）**：固定于头部、躯干、四肢及足部，记录128Hz的高频运动数据，用于分析步态对称性、躯干稳定性及角速度变化。
- **眼动追踪眼镜**：同步记录头部运动与注视点坐标，评估视觉-运动整合能力及动态头位控制策略。
- **足底压力传感器**：每只脚16个压力点，采样频率100Hz，量化单脚支撑稳定性及体重转移模式。
- **任务执行标准**：
- 每项任务包含标准化指令（如“以最快速度平稳行走”），但允许患者根据自身安全感和症状调整动作幅度。
- 任务执行全程录像，由两名独立观察员依据临床量表（如Berg平衡量表）制定的行为评分系统进行视频分析，捕捉跌倒前兆、代偿性动作等细节。

### 关键发现与临床意义
1. **功能损害差异显著**：
- BV患者DHI评分（48±19）显著高于UV患者（28±17），提示双侧前庭损伤导致更广泛的功能受限。
- SF-36物理评分显示，BV患者PCS均值（39.8）较HS（52.7）低13.9，相当于低于同龄健康人群一个标准差，表明其日常活动能力受损程度更重。

2. **任务完成率揭示功能瓶颈**：
- BV患者拒绝率高达25%（如木地板行走任务），UV患者仅2%拒绝任务。具体挑战包括：
- **单腿平衡任务（如穿裤）**：BV患者因本体感觉代偿不足，难以维持单腿 stance phase时长超过3秒。
- **动态环境适应（如上下阶梯）**：BV患者 stepping frequency波动幅度（±12%）显著高于UV（±5%）和HS（±3%）。
- **低光环境视物（任务14）**：约40%参与者因视觉敏锐度下降而需调整眼镜配置，间接反映前庭-视觉整合障碍。

3. **多模态数据初步关联**：
- IMU数据显示，BV患者躯干角速度标准差（±8.7°/s）较UV（±5.2°/s）和HS（±4.1°/s）高67%，提示躯干稳定性更差。
- 眼动追踪发现，UV患者注视目标时存在周期性头位漂移（平均漂移幅度2.3°），而BV患者出现随机性眼球震颤（快相频率达15Hz）。

### 方法论优势与局限性
**优势**：
- **患者中心设计**：通过参与式设计将患者最常抱怨的日常障碍（如黑暗环境视物、狭窄通道行走）纳入任务集。
- **标准化与生态效度的平衡**：在康复中心可控环境中复现真实场景要素（如阶梯、家具布局），既保证数据可比性又提升环境真实性。
- **技术可行性验证**：成功实现多设备同步数据采集（IMU+眼动+压力传感器），IMU系统信度达ICC 0.91，眼动追踪在动态头部运动中仍保持<3°误差。

**局限性**：
- **环境控制矛盾**：为模拟真实场景，允许使用辅助设备（如手杖），但可能掩盖代偿机制。例如，部分患者选择使用手杖完成所有任务，导致代偿策略分析受限。
- **数据同步挑战**：不同传感器采样频率及数据格式差异（如IMU每秒128次，眼动100次，压力数据按步态周期分段），导致跨模态时间对齐误差达±50ms，可能影响协同分析。
- **疼痛因素未量化**：未采用标准化疼痛评估工具（如VAS），可能高估部分患者的功能能力，尤其是老年患者常合并骨关节炎。

### 未来发展方向
1. **居家生态评估**：开发便携式传感器套件（如可穿戴IMU+柔性足压计），通过远程监测实现居家场景数据采集，计划纳入患者佩戴设备后连续72小时的自然活动追踪。
2. **动态任务扩展**：增加不确定性因素（如随机移动障碍物、分贝>60的环境噪音），评估前庭功能在动态干扰下的恢复能力。
3. **临床转化路径**：
- **工具包开发**：将15项任务精简至核心10项，配套简化版IMU数据处理流程（如仅保留躯干角速度标准差、步态双支撑时间比等5个关键参数）。
- **AI辅助分析**：利用机器学习构建分类模型，通过多模态数据融合实现自动分级（如轻度、中度、重度前庭障碍）。
- **实时反馈系统**：整合IMU与眼动数据，开发实时姿态矫正提示算法，用于物理治疗场景。

### 结论
该研究成功构建了首个多模态前庭功能评估协议，在以下方面实现突破：
1. **数据维度扩展**：通过IMU、眼动、足压三模态数据，同时捕捉运动控制、视觉策略、体重分布三个核心维度。
2. **任务生态效度**：85%的任务直接映射患者自述的日常困难（如平衡鞋穿脱、狭窄通道行走）。
3. **临床决策支持**：建立任务完成率与DHI、vHIT等传统指标的相关矩阵，为个性化康复提供量化依据。

该协议标志着前庭评估从实验室向真实场景的范式转变，为后续开发便携式评估设备和制定精准康复方案奠定了方法论基础。后续研究需重点解决传感器数据融合算法优化、居家场景适应性测试等问题，最终实现临床转化应用。