預見復健醫療未來願景

現行的復健訓練方式涵蓋物理治療、職能治療、語言治療等,而其中又以物理治療為最大宗,但礙於健保制度的設計,其實如之前許多文章都討論過,物理治療師只是淪落為瘋狂開關機器的工具人和廉價技術人員,因為執行儀器治療和高品質的徒手一對一訓練的健保點值其實差距不大,因此反而變相驅使管理階層或單位機構利用大量的『儀器治療處方』申請健保費用。在利益導向的模式經營下,若有曾經接受過復健治療的民眾,應該不難發現治療室佔地遍滿了各式各樣的儀器,大家像工廠生產線一樣有秩序的各就各位,被安置連結於醫用的電療儀器上,被給予被動式的復健服務,反觀真正進行運動或接受治療師專業手法技術的機會實在少之又少。若以這樣的情況發展下去,醫療環境和品質也就難有改善和進步的一天。

但未來真的會持續這樣『無可救藥』的下去嗎?其實不然,試想在現代科技的幫助下,智慧醫療已經大舉深化於我們的醫療空間中,從復健的例子來看,可想在未來,我們再也不必被大量的電療儀器、復健設備所環繞,所有形式的治療作業被整合於單一的系統,以軟體應用的概念提供大部分的醫療服務,各種的復健計畫被虛擬化於經由數位調控的互動情境之中,也就是透過大家所熟知的『擴增實境』、『虛擬實境』的方式給予病患指定的動作練習引導、追蹤、分析等多項功能輔助,亦可達到與之前復健方式相同或更佳的效果(連結)。事實上,我們生活周遭早已充斥著各樣輕巧、智慧的科技硬體或軟體,相信往後不久,定可看見更精緻化、多合一且因地制宜的創新系統落實於復健領域中。

螢幕快照 2018-10-04 下午6.19.54

廣告

步態分析—機械學習應用

已知用深度感測器搭配專一的演算法能夠進行基礎的步態量測,雖然在精準度方面足夠且可被接受,但仍然受限於高要求實驗室等級的標準環境下作業,並不容易適用於一般生活或臨床處境下操作。另一方面,若受測者使用行動輔具,如助行器或四角拐時,則先前類似裝置的步態量測系統便無法成功辨識肢體與輔具的不同,往往將輔具視為身體部分的延伸,以致於造成誤判而量測失敗。為了解決以上問題,文獻上指出可透過架設多台感測器或於跑步機上偵測的方式增加採樣頻率,從多角度重新架構深度空間座標,以達到降低估計誤差的影響、增加辨識能力的效果,然而其缺點為臨床上通常場域複雜、有限,故難以落實此作法,還有,對於使用輔具行走的狀態下,亦仍無法真正排除干擾,最終使得臨床上實用的機會減少,應用價值極低,因此,根據以上提到的眾多限制和困境,我們致力於發展和改良現行的步態分析系統,並突破性地採用關鍵的機器學習的技術處理,透過智慧化的演算去同步比對修正步態特徵資料,提供更加準確的量測結果,如以下圖示,經過機械學習的演算處理後,受試者能夠順利地被偵測辨別出來軀體肢段各個關節點而不會因為手拿枴杖或解析能力不足造成肢體動作定位誤差和骨架姿勢變形的問題。

AI for gait

相信,在此機械學習科技促進理想的步態分析的發展推動下,一定能廣泛的實用並回歸於臨床領域中,甚至成為未來醫療標準的評估工具專業配備之一。

回顧功能性電刺激的應用

臨床上選用儀器復健的策略眾多,電刺激是常見的方式之一,其中又以功能性電刺激或神經肌肉電刺激對於大動作的誘發或矯正具有較佳的成效。以復健醫學的學理來看,功能性電刺激的優勢在於能夠藉由外在的電流輸入去誘發無力或麻痺的周邊的肌群,並在正確的時機點給予刺激去產生足夠的關節動作表現,這對許多神經性病人而言是非常的需要的,因為根本的中樞神經系統損傷,往往造成動作的喪失或控制失調等問題,而藉由功能性電刺激的作用便能協助肢體活動的恢復和促進動作學習的效率。

更具體來說,以行走為例,中風病人通常具有垂足的問題發生,也就是在跨步的擺盪期時,無法將腳背屈曲(ankle dorsi flexion)以致於容易導致過快觸地或相碰到對側站立腳,增加絆倒摔跌的情況,當然,從動作模式方面觀察,異常的步態特徵諸如拖曳,外旋或其他代償策略都影響行走的協調和能量損耗的結果,各種的變異皆需要進一步的矯正和反覆成功連貫的練習,因此若在功能性電刺激的幫助下,便可在正確時機如前所敘的步態擺盪期刺激脛前肌,促進肌肉收縮執行特定的動作技巧,以突破限制進而有效的改善步行能力。

功能性電刺激是由一個小型的裝置和電池電極片所組成,必須配戴於身上,並設定好適當的參數以及決定刺激與切斷電流的調控模式,搭配動作規律的變化增強肢體活動達到功能輔助的效果,因此也可以說是一種動態的輔具模型(orthese),往後若可再配合3D列印技術產出的客製化副木支持骨架,相信肯定會是復健領域上另一重大的突破與帶來顯著的醫療價值!

FES imageDrop-foot-treatment-by-functional-electrical-stimulation-of-the-nerve-and-the-musclesimagesaaaa1

即時的動態資料顯示的必要性?

對於動作分析的角度來探討,市面上有許多評估系統工具(See me, optogait)提供了所謂當下的數據顯示,能夠立即反應出動作表現的量化資料,當然這在需要非常精密分析的處境之下,的確是極具優勢的功能之一,試想在精英運動員的身上,教練或專業人員在乎選手每個運動分秒的細節,如此嚴密同步的監控,就能發現細微隱藏在某一刻技巧上的缺失,因為那怕在那一毫秒的能力不足都會對最終成績成績造成影響。因此針對研究運動或極限體能活動的條件下,即時的動態資料的給予似乎是必須且重要的。

然而,在臨床動作評估方面就未必如此,我們不難觀察的到其實病人本身的動作障礙是明顯且常態性的呈現,除非是像心跳、血壓等生理資訊可能需要長時間的監測,因為隨時有可能有較大的波動產生,而無法以平均的結果代表個體反應。所以這麼來看,當下的動作分析對於穩定曝露的異常臨床癥兆而言,也就不一定有絕對的必要性,畢竟病人的動作本身並無可能發生猝然的惡化或者瞬間改善到正常的機率,以步態分析來說,病患異常的步行方式是高頻率的出現在每次的踏步都能被偵測與識別得出來的幅度,用一個事後分析的整體概念來界定病患平均的變異程度是十分合理的作法,另外,當然也考慮到醫療人員是否有足夠時間觀看如此龐大而瑣碎的資料,反而是一次性的摘要結果和快速取得綜合性的結論參考(Longgood gait analysis system)有助於在分秒必爭,醫療資源短缺的環境達到最佳的判斷和評估效率。

05