综述：中风康复中的数字孪生技术：关于目标、数据来源、机制、结果及理想特性的综述

《Topics in Stroke Rehabilitation》：Digital twins in stroke rehabilitation: a scoping review of objectives, data sources, mechanisms, outcomes, and desirable properties

数字孪生在脑卒中康复中的应用研究综述显示，16项研究覆盖上肢康复（10项）、步态（3项）等目标，采用变分自编码器等16种技术机制，但临床转化中成本效益和整合度不足，患者参与度及可扩展性待提升。

　　

摘要

背景

数字孪生（Digital Twins，DT）已从理论走向现实，在医疗保健领域的应用日益广泛。虽然由相关技术（如康复机器人）生成的数据对数字孪生的实现至关重要，但这些数据在临床环境中虽然被大量产生，但在数字孪生在中风康复中的应用仍不充分，这凸显了其与医疗保健更广泛应用之间的差距。

目标

我们进行了范围界定研究，旨在：i) 明确数字孪生在康复领域的目标、输入数据、生成方法以及用户参与度；ii) 分析支撑数字孪生模型和输出结果的机制；iii) 识别推动创新的关键利益相关者；iv) 从医疗保健领域的文献中梳理出数字孪生研究所需的理想特性，并将其与中风康复相关的数字孪生研究进行对应。

方法

遵循PRISMA-ScR指南，我们在PubMed、Scopus、Web of Science和Google Scholar上搜索了仅包含实证数据的研究。全文审查由三名评审员通过多次校准共同完成。

结果

共纳入了16项研究，涵盖了五个康复目标：上肢功能（10项）、步态（3项）以及患者的参与度、心理健康和总体/规划能力（各1项）。患者样本量差异较大，其中一项回顾性研究涉及1,216名患者，而另外15项研究总共涉及54名患者（中位数=1名）。

我们识别出16种数字孪生相关机制（如变分自编码器、Hill肌肉模型）和成果（如外骨骼控制、上肢运动调节、步态扭矩估计、手部活动能力量化）。学术机构开展了12项相关研究，欧洲的6个国家贡献了8项研究。在确定的25项理想特性中，有8项（如算法的可重复性）得到了较高程度的应用，而15项（如成本效益、临床整合性）在纳入的研究中的应用程度较低或非常低。

结论

数字孪生在中风康复领域展现出巨大潜力，但仍存在一些挑战（如患者的参与度、系统的可扩展性等）。