基于电刺激肌肉收缩信号的数字肌肉标志物：一种评估脑卒中患者肌肉状态的可靠新工具

《Journal of NeuroEngineering and Rehabilitation》：Innovative stimulated muscle contraction signals based digital muscle marker: a reliable tool for assessing muscle in persons with stroke

本研究针对脑卒中患者因运动功能障碍导致肌肉状态评估困难的问题，开发了一种基于电刺激肌肉收缩信号(SMCS)的数字肌肉标志物。研究人员使用exoPill设备对40例偏瘫卒中患者进行测试，结果显示该标志物具有优异的评估者内(ICC>0.98)和评估者间(ICC>0.98)信度，与膝关节伸肌强度(ρ=0.50)和腿部瘦体重(ρ=0.87)显著相关。这种不依赖主动收缩的评估方法为运动功能障碍患者的肌肉监测提供了新方案。

　　

在全球范围内，卒中一直是导致死亡和长期残疾的主要原因之一。患者卒中后出现的运动功能障碍使其在日常活动、移动能力和社会参与方面面临巨大挑战。这些障碍主要源于中枢神经系统损伤，但作为主要效应器官的骨骼肌也会发生继发性改变——包括肌肉质量减少、肌力下降以及肌内脂肪沉积增加等，这些变化在偏瘫患者的瘫痪侧和非瘫痪侧肢体均有出现。

传统的肌肉评估方法存在明显局限性：肌力评估需要患者进行主动收缩，而卒中患者往往存在运动障碍；肌肉质量评估虽然可以通过CT、MRI、BIA或DXA等设备完成，但患者可能因行动不便难以配合检查姿势或前往检查设备。因此，临床迫切需要一种能够随时随地、不受患者活动能力限制的可靠肌肉评估方法。

在这一背景下，韩国研究团队在《Journal of NeuroEngineering and Rehabilitation》上发表了一项创新研究，他们开发了一种基于电刺激肌肉收缩信号(Stimulated Muscle Contraction Signals, SMCS)的数字肌肉标志物，并系统评估了其在卒中患者肌肉评估中的可靠性和有效性。

关键技术方法

本研究采用exoPill设备（已获韩国食品药品监督管理局批准）采集SMCS信号，该设备集成表面肌电图(sEMG)传感器和电刺激器。研究纳入40例偏瘫卒中患者，由两名评估者交替进行三次测量。电刺激频率从5Hz递增至30Hz，采集股四头肌的收缩信号。通过提取时域和频域特征，结合人口统计学变量，使用装袋法(Bagging)构建集成回归模型生成数字肌肉标志物。同时测量膝关节伸肌等长肌力、手握力(HGS)和通过生物电阻抗分析(BIA)估算的四肢瘦体重。

可靠性分析结果

高信度验证：SMCS数字肌肉标志物在卒中患者瘫痪侧和非瘫痪侧大腿测量中均表现出优异的评估者内和评估者间信度。组内相关系数(ICC)均超过0.98，变异系数(CV)保持在3%左右。Bland-Altman分析显示均值差异接近零（非瘫痪侧：-0.43至0.25；瘫痪侧：0.00至0.05），且无系统性偏差，表明测量结果稳定可靠。

有效性分析结果

显著相关性：SMCS数字肌肉标志物与膝关节伸肌强度呈中等至良好相关(ρ=0.50)，与腿部瘦体重(ρ=0.87)和骨骼肌指数(SMI)(ρ=0.86)呈良好至优异相关。在非瘫痪侧，与手握力也显著相关(ρ=0.61)，但在瘫痪侧此相关性不显著，可能与卒中患者手部精细运动功能受损更严重有关。

安全性评估结果

良好耐受性：所有参与者均报告疼痛视觉模拟评分(VAS)≤3分，表明疼痛程度轻微可耐受。术后检查未发现皮肤刺激、烧伤或接触性皮炎等不良反应，证明该测量方法安全性良好。

研究结论与意义

本研究首次系统验证了SMCS数字肌肉标志物在卒中患者肌肉评估中的可靠性和有效性。这种不依赖主动肌肉收缩的评估方法突破了传统评估技术的局限，为运动功能障碍患者的肌肉状态监测提供了创新解决方案。

该技术的优势体现在多个方面：设备轻便（总重430克），可在各种环境中使用；测量过程安全耐受，适合重复监测；特别是对瘫痪肢体的评估能力，使其在卒中康复监测中具有独特价值。最小可检测变化(MDC₉₅)范围为2.40-3.21，为临床判断治疗效果提供了客观阈值。

值得注意的是，尽管模型训练数据来自健康人群，但通过迁移学习策略，该标志物在卒中患者中仍表现出良好的适用性。未来研究可进一步优化模型，并在更广泛的卒中人群和其他神经肌肉疾病患者中验证其应用价值。

这项研究为神经康复领域贡献了一种创新的肌肉评估工具，有望改善卒中患者的个体化康复方案制定和疗效监测，推动精准康复医学的发展。随着进一步的研究验证，SMCS数字肌肉标志物可能成为临床实践中评估肌肉状态的重要辅助工具，特别是在传统方法受限的运动功能障碍人群中。