希尔型骨骼肌与神经肌肉驱动器的建模仿真研究：系统性回顾与未来展望

《IEEE Reviews in Biomedical Engineering》：Hill-Type Models of Skeletal Muscle and Neuromuscular Actuators: A Systematic Review

IEEE Reviews in Biomedical Engineering本期推荐：本文针对希尔型肌肉模型领域缺乏系统性综述的现状，首次对58项里程碑研究进行多维度评估，揭示了模型完整性不足、验证薄弱、可重用性差等关键问题，提出了标准化建模框架与开源共享倡议，为优化神经肌肉仿真与临床应用提供重要参考。

　　

在生物力学与康复工程领域，希尔型肌肉模型作为描述骨骼肌收缩动力学的经典工具，已跨越近一个世纪的发展历程。从诺贝尔奖得主A.V. Hill提出肌肉热力学模型伊始，到如今融合神经控制与肌腱弹性的复杂动力学系统，希尔型模型已成为运动分析、假肢控制、手术规划等领域的核心计算工具。然而，随着模型变体数量激增（过去50年发表超千例），研究领域呈现“碎片化”态势：模型结构差异显著、参数命名混乱、验证标准不一，导致不同研究间结果可比性差，知识传递效率低下。更严峻的是，近年缺乏全面综述对模型进展进行梳理，许多研究仍沿用20世纪的基础框架，在亚细胞机制描述、个体化适配等方面存在明显短板。

为解决上述问题，由帝国理工学院和瑞士联邦理工学院等机构合作的研究团队在《IEEE Reviews in Biomedical Engineering》发表了首篇希尔型模型的系统性综述。研究团队通过PRISMA指南系统性检索1938-2025年间58项符合严格标准的模型研究，从模型完整性（是否涵盖23项关键肌骨特性）和建模方法论（验证严谨性、可重用性等10项指标）两大维度进行量化评估，最终绘制出希尔型建模的“技术路线图”。

关键技术方法概述

研究采用系统文献检索策略，从PubMed、Web of Science等4个数据库筛选58项符合预定义标准的模型研究。通过构建包含9类肌骨单元（如收缩元件CE、并联弹性元件PEE）和23项特性（如力-长度关系FL、激活动力学AD）的评估体系，对每项研究进行量化评分。采用双人独立评分与争议协商机制，确保评估结果可靠性。重点分析了模型参数标定方法（如基于人/动物实验数据的肌肉特异性缩放）、仿真平台兼容性（如OpenSim、AnyBody）以及多尺度建模策略（从肌纤维到整体肌肉的跨尺度简化）。

研究结果分析

1. 模型完整性呈现“核心-边缘”分化

评估发现，大多数模型（均值8.1/23分）仅包含基础特性：98%的模型描述激活动力学（AD），96%包含力-长度（FL）与力-速度（FVC）关系，但仅15%涉及钙离子动力学（ADC）或运动单元募集（MURD）等高级特性。

尤为突出的是，仅6项研究（如Caillet 2023模型）实现了运动单元级分辨率，能模拟不同阈值运动神经元的放电行为。

2. 建模方法论存在明显短板

在模型验证方面，仅43%研究（25/58）与实验数据（如肌力、关节力矩）进行定量对比，其中仅17项采用数学指标（如均方根误差）而非主观评估。可重用性方面，仅6项研究提供开源代码（如Millard 2013的OpenSim模块），超半数模型因关键参数缺失无法复现。研究同时指出，许多模型仍混用不同物种参数（如蛙类FL关系用于人类肌肉），缺乏个体化缩放。

3. 多尺度建模矛盾凸显

研究揭示了当前模型在跨尺度简化中的局限性：将整块肌肉简化为“代表性肌纤维”时，忽略了肌纤维排列异质性、侧向力传递等生理现实。这导致模型在预测非最大自主收缩或快速伸缩运动时误差增大。此外，肌腱粘弹性、 titin蛋白动力学等新兴机制仅在少数最新模型（如Rockenfeller 2020）中被纳入。

4. 技术演进呈现“螺旋式发展”

通过构建特性传承图谱（SM12），研究发现希尔型模型的发展并非线性进步。例如，描述力增强（RFE）和力抑制（FD）的时序依赖性模型在1990年代被提出后，近年因titin蛋白机制明确而重新获得关注。而诸如激活依赖性力-速度关系（FVA）等特性，因实验数据匮乏至今未被广泛采纳。

结论与展望

本综述通过系统性评估揭示：希尔型模型虽已成为神经肌肉仿真的“标配”工具，但多数研究仍停留在基础框架迭代，缺乏对亚细胞机制（如钙离子信号转导）、个体差异（如年龄/病理特异性参数）的深入描述。模型开发中存在“重功能轻验证”倾向，导致临床转化应用受阻。

研究呼吁领域内建立标准化协议：包括统一肌骨特性命名法（如明确CE、SEE等缩写指代）、开放模型代码库、制定跨研究验证流程。同时建议未来工作重点关注三方面：一是开发数据驱动参数标定方法，利用高密度肌电（HD-EMG）等技术获取个体神经驱动信号；二是整合多物理场耦合（如肌纤维几何排列对力传递的影响）；三是建立模型性能基准测试平台，类似计算机领域的ImageNet，推动模型性能客观比较。

这项研究不仅为初学者提供“导航地图”，助力快速定位适合特定场景的模型变体（如临床步态分析优选EMG驱动模型，基础生理模拟侧重Huxley-Hill混合模型），更通过批判性分析指明了下一代神经肌肉仿真工具的演进方向——从“黑箱”经验模型走向透明化、可解释的生理计算平台。