EMG 辅助的神经肌肉骨骼模拟：提升步行中膝关节接触力估计精度的新突破

《Annals of Biomedical Engineering》：EMG-Informed Neuromusculoskeletal Simulations Increase the Accuracy of the Estimation of Knee Joint Contact Forces During Sub-optimal Level Walking

为解决个性化肌肉骨骼模型因缺乏验证研究而应用受限的问题，研究人员开展评估其预测膝关节接触力准确性的研究，结果表明 EMG 辅助方法在特定情况下更优，对临床应用意义重大。

　　《EMG?Informed Neuromusculoskeletal Simulations Increase the Accuracy of the Estimation of Knee Joint Contact Forces During Sub?optimal Level Walking》一文聚焦于肌肉骨骼模型在医学领域的应用。在当今社会，神经肌肉骨骼（MSK）疾病如骨关节炎、中风、脑瘫等带来了沉重的疾病负担，据 2019 年全球疾病负担研究显示，这些疾病导致的残疾年限占比近 65%，且多年来这一比例并未显著改变。传统的康复治疗和医学干预往往忽视个体生理差异，而这些差异通过观察肌肉和节段间力等内部生物力学量能够显现出来。肌肉骨骼模型可以预测这些在体内难以直接测量的量，为了解个体运动控制策略、发现代偿机制和异常肌肉激活模式提供依据，对关节退行性疾病的研究也有重要意义 。

然而，患者特异性肌肉骨骼模型在临床实践中的应用却受到限制。虽然专门的软件工具和标准化流程有所发展，但这些模型的预测准确性仍需进一步评估。以往的验证研究样本量少，且对于众多模拟神经肌肉控制的方法缺乏全面评估。在这样的背景下，来自意大利博洛尼亚大学工业工程系等机构的研究人员开展了此项研究，旨在比较两种常见的估计膝关节接触力的方法，评估其预测准确性，研究成果发表在《Annals of Biomedical Engineering》上。

研究人员主要运用了以下关键技术方法：首先，利用膝关节大挑战（Knee Grand Challenge，KGC）竞赛的实验数据，包括运动捕捉、地面反作用力、EMG 数据以及下肢医学影像数据等；然后，基于 STAPLE 工具包和 nmsBuilder 免费软件，为四位老年受试者构建了单腿患者特异性肌肉骨骼模型；最后，在 OpenSim 4.1 软件中，运用静态优化（SO）和 EMG 辅助两种方法进行生物力学模拟，预测膝关节接触力，并通过多种指标进行数据分析 。

研究结果如下：

• 模型追踪能力：所有参与者的模型都能准确追踪实验运动捕捉数据，CEINMS 校准模型也能很好地追踪 OpenSim 逆动力学工具预测的实验关节扭矩，除了 KGC4 的髋关节旋转外，RMSE <0.25 Nm/kg 且 R2>0.95 。
• 预测准确性比较：整体上，SO 和 EMG 辅助方法都能较好地预测膝关节接触力（R2>0.82，RMSE <0.56 BW）。但在不同受试者上，两种方法表现有差异。KGC3 和 KGC5 的预测准确性高于 KGC4 和 KGC6。考虑整个步态周期时，13/15 的试验中，EMG 辅助方法在预测总膝关节接触力上与 SO 方法相当或更优；仅考虑站立相时，EMG 辅助方法在 R2 和 RMSE 方面都更准确 。
• 差异分析：通过统计参数映射（Statistical Parametrical Mapping，SPM）分析发现，KGC3 的实验和预测膝关节接触力基本一致；其他受试者中，SO 方法预测的膝关节接触力在一些特征点与实验数据存在差异，如 KGC4 的加载响应阶段、KGC4 和 KGC6 的单腿支撑阶段等；EMG 辅助方法预测的膝关节接触力在脚趾离地附近以及 KGC4 的部分特征点与实验数据有显著差异 。

研究结论和讨论部分指出，SO 和 EMG 辅助方法都能对健康成人步行时的膝关节接触力做出合理准确的估计。然而，对于表现出非典型行走模式的受试者或神经肌肉疾病患者，SO 方法可能无法捕捉到异常特征，如肌肉收缩的延长或提前，此时应优先选择 EMG 辅助方法。虽然该研究存在样本量有限、部分数据缺失、EMG 辅助方法权重未个性化等局限性，但仍为肌肉骨骼模型在临床中的应用提供了重要参考，有助于推动个性化医疗的发展，使临床管理能够更好地满足患者的需求。