综述：多发性硬化症中的传感器应用

《Current Neurology and Neuroscience Reports》：Sensors in Multiple Sclerosis

本综述系统阐述了生物传感器与数字工具在多发性硬化症（MS）监测中的前沿应用。文章指出，这些技术（如加速度计、惯性测量单元（IMU））能持续、精准地量化MS患者的关键功能域（如体力活动（PA）、步态、平衡、精细运动功能），捕获传统评估方法（如扩展残疾状态量表（EDSS））易忽略的细微异常。数字生物标志物在预测疾病进展（如脑萎缩）和实现个体化管理方面展现出巨大潜力，但其临床转化仍需大规模纵向研究验证。

　　

传感器技术概述

多发性硬化症（MS）是一种复杂的中枢神经系统免疫介导性疾病，其疾病进程的监测长期依赖于扩展残疾状态量表（EDSS）等传统工具，这些工具存在灵敏度低、评估间隔长等局限性。近年来，数字健康技术的进步为MS的监测和管理带来了变革希望。生物传感器能够将生理信息转化为数字数据，进而进行分析。常用的传感器技术包括加速度计、陀螺仪、磁力计组成的惯性测量单元（IMU），以及光电容积描记法（PPG）传感器和表面肌电图（sEMG）等。这些传感器常嵌入可穿戴设备（如智能手表、活动追踪器）或智能手机中，通过被动监测（日常佩戴）或主动测试（执行特定任务）的方式收集数据。

跨关键功能域的监测

体力活动、睡眠与昼夜节律

基于加速度计的可穿戴运动传感器能够远程、客观地监测MS患者的多种运动维度，包括步数、PA强度、睡眠和昼夜节律（CR）指标。研究表明，MS患者的平均PA水平低于健康对照（HC），且PA降低与更高的残疾评分、更差的临床结局（如定时25英尺步行（T25FW）、2分钟步行测试（2MWT））和患者报告结局（PROs）相关。进行性MS（PwPMS）患者每日平均步数低于复发缓解型MS（PwRMS）患者。纵向研究显示，步数减少与残疾进展相关。此外，传感器还能评估活动碎片化（反映耐力下降）和CR强度，PwPMS表现出更高的活动碎片化和更弱的CR。关于睡眠，MS患者睡眠效率和规律性较低，并与认知功能相关。新兴分析方法，如联合个体变异解释（JIVE）模型，揭示了PA与CR模式之间的相互依赖性及其与MS亚型的联合关联。纵向数据表明，夜间活动增加和早晨活动减少与更快的全脑和灰质体积丧失速率相关，提示这些数字生物标志物可能预测个体不良结局。

步态

步态功能障碍是MS致残的关键方面。生物传感器为评估步态提供了强大工具，超越了传统短距离步行速度测量的局限。技术包括非可穿戴传感器（如光学运动捕捉系统、测力台、步道分析垫）和可穿戴传感器（如加速度计、IMU、压力传感鞋垫）。研究表明，可穿戴传感器能捕捉到MS患者步态的稳定性、规律性等方面的改变，即使在早期MS患者中也能发现细微异常。社区环境下的步速通常低于实验室环境，且MS患者步速更慢、步幅变异性更大。仪器化六分钟步行测试（6MWT）可量化步行过程中的步态参数恶化（如速度、节奏、步长、稳定性下降）。基线6MWT步速轨迹平坦化与2年随访期间临床结局恶化的更高风险相关。智能手机应用（如Floodlight应用）已开发出主动步态测试（如2MWT、5次U形转弯测试（5UTT）），这些测试显示出良好的重测信度，并与T25FW和EDSS相关。

平衡与跌倒

生物传感器已成为测量平衡和姿势控制的重要工具。可穿戴加速度计和IMU的姿势摇摆指标已针对测力台进行验证，并用于仪器化平衡任务，如计时起立行走测试（TUG）、单腿站立、串联步态等。MS患者在这些任务中表现出平衡受损。转弯速度与灰质脑容量相关，而站立任务的姿势摇摆指标与小脑脚结构完整性的弥散MRI指标相关。智能手机应用（如Mon4t、Floodlight、elevateMS）也用于评估平衡，其指标与残疾传统指标相关。传感器衍生的平衡测量值（如摇摆面积、急动度增加、日常步数减少）被提议作为MS跌倒风险的潜在预测因子，有助于实现个性化的跌倒风险筛查和预防。

上肢与精细运动功能

传感器技术可用于“量化”神经系统检查，精确捕捉运动模式、力量、协调性和震颤。仪器化指鼻测试、手脚敲击测试使用IMU揭示了MS患者存在的异常。多传感器系统（如结合加速度计、陀螺仪和sEMG的MYO-band）可提取波形纹理特征来量化肢体功能，其指标在复发型和继发进展型MS之间存在差异，并与EDSS相关。智能手机或平板电脑应用提供了数字化评估工具，如手动灵活性测试、模拟九孔柱测试（9HPT）的任务（如画图形、捏合任务）。这些应用任务的表现指标与MSFC（主要是9HPT组分）、EDSS和PROs相关。键盘动力学（KD）分析是另一个新兴概念，通过智能手机键盘交互来评估MS患者的运动和认知功能，KD指标与EDSS、9HPT、认知测试以及脑容量测量值相关，纵向变化与疾病活动度和残疾变化平行。

膀胱功能

膀胱功能障碍在MS患者中非常普遍。新技术集成到膀胱管理策略中前景广阔，包括利用可穿戴或植入式设备（基于膀胱内压测量或无创超声技术）持续监测膀胱充盈度并提醒患者排尿。此外，传感器设备还可用于辅助盆底肌训练（通过生物反馈机制）和远程神经调控（如刺激胫神经纤维以抑制排尿反射）。

现有研究的局限性

当前研究存在一些局限性，包括依赖小样本队列、横断面或病例对照设计，限制了捕捉传感器数字生物标志物纵向变化轨迹的能力。研究间存在异质性，缺乏标准化的数据采集协议和分析方法。许多商业设备依赖专有“黑箱”算法，限制了跨平台的可重复性。商业工具的算法多在健康人群数据上训练，其在MS患者中的准确性可能因疾病特异性因素（如肢体无力、震颤、步速慢、使用辅助设备）而降低。MS患者的疾病波动、残疾进展以及疲劳、抑郁、认知障碍等非运动症状可能影响其长期使用技术的依从性和能力。因此，这些工具在临床护理和研究中的广泛实施仍存在差距。未来的关键步骤是建立清晰的监管批准路径，严格验证数字结局指标（准确性、可靠性、敏感性、最小临床重要差异、响应性），并建立可扩展的安全数据分析平台。

结论

MS的多症状性质和复杂异质的病程为数字工具和传感器的应用提供了广阔空间。本综述强调了生物传感器能够捕获广泛的生理和动力学指标，实现对MS多个关键功能域损伤的监测。这些技术有潜力检测传统评估易忽略的细微异常，补充常规临床评估。它们可实现实时、频繁的评估，可能更早识别疾病恶化，改善风险分层，支持个体化管理，并为临床试验提供更精确的结局测量方法。尽管面临挑战，通过进一步的纵向验证和标准化努力，这些工具有望在MS领域实现个体化、数据驱动的护理。