编辑推荐：
帕金森病（PD）的数字步态生物标志物在疾病各方面研究有重要意义，但仍存在问题，值得关注。
### 帕金森病与数字步态生物标志物概述
帕金森病（Parkinson’s disease，PD）是一种常见的神经系统退行性疾病，其特征性的运动症状包括运动迟缓、震颤和肌强直等。在疾病早期，患者常出现运动功能障碍，其中步态受损是最早且最具致残性的症状之一，严重影响患者的生活质量。传统的生物标志物定义为可测量的生理、病理或解剖特征，用于指示生物过程；而数字生物标志物则是通过经过验证的技术（如可穿戴传感器结合计算工具）在临床或日常生活中测量得到的标志物。步态作为一种复杂的自动运动模式，由多个生理特征组成，其变化能反映 PD 的病理过程，因此数字步态生物标志物在 PD 研究中具有重要意义。
步态生物标志物的测量工具
在临床和研究中，多种工具用于量化步态，以获取潜在的生物标志物。简单的秒表常用于临床友好的步行测试，如 10 米、2 分钟和 6 分钟步行测试，这些测试通过规定距离和 / 或持续时间，评估步态速度或行走距离，能反映患者的功能状态和整体健康状况，但步态速度单独作为 PD 的生物标志物并不特异和敏感，且无法捕捉肢体时空指标的重要信息。
商业技术为客观描述步态提供了更先进的方法。光学相机系统曾是测量步态的金标准，可测量上下肢的步态，但校准空间有限，且操作耗时，需要专业人员。脚开关和压力垫等更便携的设备，只能测量下肢步态或在有限的行走空间内使用。相比之下，可穿戴惯性测量单元（IMUs）能快速准确地量化上下肢的多种步态指标，甚至可在日常生活中进行被动监测，获取步态变异性等重要信息。
步态生物标志物在不同方面的应用
- 指示 PD 易感性 / 风险：目前 PD 的临床诊断依赖于典型运动症状的表现，此时患者的黑质多巴胺能神经元已大量丢失。因此，寻找可靠、易获取且敏感的生物标志物来检测早期病理变化至关重要。研究发现，携带与 PD 相关基因突变但尚未出现明显症状的个体，其步态存在差异。例如，在携带 LRRK2 基因突变的非表现型携带者中，部分研究报告了步长时间变异性增加，且在快速行走和双任务行走时更为明显；在携带 Parkin 和 PINK1 基因突变的个体中，也观察到了步态的改变。此外，患有特发性快速眼动睡眠行为障碍（iRBD）的个体，其步态特征也与健康人不同，如步速降低、躯干活动范围减小等。这些研究表明，步态不对称性和变异性，以及上肢和下肢的相关特征，可能是预测 PD 易感性 / 风险的有前景的生物标志物。
- 监测疾病进展：开发针对 PD 的疾病修饰干预措施面临的一个关键限制是缺乏可靠的客观疾病进展测量指标。临床常用的金标准结局测量方法依赖专家定性评估，敏感性较低。而客观的步态测量指标可能为临床试验提供有用的疾病进展标志物。多项研究表明，在早期和中期 PD 患者中，自然步速的步态特征对疾病变化更为敏感，如步速下降、步长时间变异性增加等。此外，一些研究还发现，特定的步态特征，如脚着地和离地时的角度、步长等，与疾病严重程度相关，可用于监测疾病进展。然而，目前关于 PD 不同临床表型（如姿势不稳和步态障碍（PIGD）、震颤为主型（TD））的数字步态特征纵向研究较少，且药物状态可能会影响步态变化的检测。
- 评估对有氧运动的反应：有氧运动作为一种干预措施，可改善 PD 患者的步态障碍。在过去的研究中，采用了多种形式的步态特异性有氧运动，如地面行走、跑步机行走、虚拟现实环境行走等。研究结果表明，有氧运动能显著改善 PD 患者的步态速度和行走距离，对步长、步时间、步频、步态变异性和稳定性等方面也有积极影响。然而，目前的研究在测量其他空间和时间步态特征方面较少，且大多数研究仅使用秒表测量有限的步态生物标志物，未来需要更多研究来全面评估有氧运动对步态的影响。
- 预测跌倒风险：步态障碍是 PD 患者跌倒的重要原因，跌倒严重影响患者的独立性和生活质量。因此，预测跌倒风险对 PD 患者至关重要。近期研究表明，数字生物标志物可用于预测跌倒风险。例如，慢向后步行速度、步时间变异性增加和步行 cadence 变化等，可能是预测未来跌倒的重要指标。此外，日常生活中的步态和转弯特征，如脚趾外展角度、中摆时脚的俯仰角度和峰值转弯速度等，在预测跌倒方面也具有较高的准确性。然而，PD 患者跌倒风险的预测较为复杂，需要考虑多种因素，如药物状态、年龄、平衡能力、认知功能等，且需要更大规模和更长时间的研究来进一步验证。
研究现状与展望
尽管数字步态生物标志物在 PD 研究中取得了一定进展，但仍存在一些问题。目前缺乏标准化的步态测试协议和最小化的量化数字步态生物标志物集，这限制了不同研究之间的数据协调和比较。此外，大多数研究缺乏纵向试验，且未将步态数字生物标志物与当前临床金标准（如 MDS - UPDRS）进行充分比较。未来的研究需要采用统一的协议，进一步探索特定步态生物标志物在临床实践中的应用，以确定其对 PD 诊断、疾病进展监测和治疗反应评估的价值。
随着技术的不断发展，基于可穿戴传感器的自动实时步态分析在临床和临床试验中变得越来越可行。同时，先进的计算机视觉技术结合机器学习也为步态分析提供了新的方法。在未来，经过仔细验证后，定量步态分析可能会更广泛地应用于临床实践，为 PD 患者的管理和治疗提供更有力的支持。
