综述：人工智能辅助脑卒中康复的功能和运动结局：随机对照试验的荟萃分析

这篇综述通过对 2009 - 2024 年随机对照试验的荟萃分析，探讨人工智能（AI）辅助脑卒中康复的效果。研究发现，AI 辅助康复在功能和运动结局方面与传统康复无显著差异，但非劣效性试验表明其并不逊色。文中还讨论了优势、局限及未来方向。

　　

引言

脑卒中是全球第二大死因，也是导致残疾的主要原因。随着人口老龄化以及不良生活方式的影响，脑卒中的发病率和患病率不断上升。这给医疗中心带来巨大压力，资源分配不足，康复服务负担加重。传统康复存在治疗强度和频率不足等问题，而人工智能（AI）在神经康复中发挥着越来越重要的作用。AI 辅助康复具有个性化、实时反馈、可及性强、数据驱动等优势，还能实现居家治疗，提高患者依从性。本研究旨在系统评估 AI 辅助脑卒中康复与传统方法相比的疗效。

方法

1. 研究设计：遵循 “系统评价和荟萃分析的首选报告项目”（PRISMA）指南进行荟萃分析，以确定 AI 辅助脑卒中后康复的功能和运动结局。
2. 纳入标准：研究需为实验性随机对照试验，以英文撰写，研究对象为接受 AI 辅助脑卒中运动康复的患者。排除未完成、无全文、正在进行的研究，以及重复发表、观察性研究、综述文章和病例报告。
3. 检索策略：通过 Pubmed、ScienceDirect 和 ProQuest 数据库检索 2009 - 2024 年发表的英文研究。检索关键词包括 “Barthel”“Motricity”“Outcome”“Artificial Intelligence”“Stroke Rehabilitation”“Randomized Controlled Trial” 等。
4. 研究选择：由三位作者独立筛选研究，若有分歧则通过讨论解决。纳入标准为研究对象为脑卒中患者，接受 AI 辅助脑卒中康复治疗，且临床结局指标为 Barthel 指数和运动指数（Motricity Index，MI）。
5. 数据提取和偏倚风险评估：提取患者人口统计学特征、干预措施和临床治疗结局数据，使用 Microsoft Excel 2019 记录。三位评价者依据 Cochrane 协作网开发的评分系统评估研究质量，评估内容包括随机化、分配隐藏、盲法、数据完整性、选择性报告等方面，将研究质量分为低、不明确和高三个等级。
6. 统计分析：使用 RevMan 5.4.1 软件进行荟萃分析。通过 I²统计量评估研究异质性，若 I²值 ≤ 40%，则认为结果具有同质性。采用森林图和随机效应模型分析数据，以标准化均数差（SMDs）评估 Barthel 指数和 MI 的结局得分，并提供 95% 置信区间（CIs）。

结果

1. 研究纳入情况：最终纳入 7 项随机对照试验，共涉及 213 名患者。研究对象在年龄、脑卒中后治疗窗口期和使用的 AI 模型等方面存在差异。多数患者在脑卒中后的 “黄金时期”（3 - 6 个月）接受治疗，部分研究纳入了窗口期外的患者。AI 模型包括外骨骼机器人、末端执行器机器人、两者结合以及与虚拟现实（VR）结合等多种类型。
2. 偏倚风险评估：多数研究偏倚风险较低，但部分研究在随机序列生成、盲法、结局数据完整性等方面存在问题。例如，Villafane 等人的研究未说明随机序列生成，Pournajaf 等人报告无随机序列生成；Germanotta 等人的研究未对参与者和人员进行盲法，Kim 等人和 Castelli 等人未提及结局评估的盲法，且 Kim 等人存在结局数据不完整的情况。
3. 荟萃分析结果：6 项研究用于荟萃分析。Barthel 指数评分变化分析显示，结果具有同质性（I²=0%）但不显著（SMD=0.16，95% CI -0.08 - 0.39，p=0.20）；MI 评分变化分析显示，结果具有异质性（I²=86%）且不显著（SMD=0.60，95% CI -0.10 - 1.30，p=0.09）。由于研究数量较少，未进行漏斗图分析。
4. 非劣效性试验结果：为确保 AI 辅助治疗不比传统治疗差，进行非劣效性试验。根据先前研究，Barthel 指数和 MI 的非劣效界值分别为 15 分和 9 分。所有荟萃分析研究中，Barthel 指数和 MI 的最低变化值分别为 19.3 和 11.1，表明 AI 辅助康复不劣于传统康复。

讨论

1. 康复效果比较：荟萃分析结果显示，AI 辅助脑卒中康复与传统康复在 Barthel 指数和 MI 方面无显著差异，但非劣效性试验证明 AI 辅助康复并不逊色于传统康复。这一结果与先前研究一致。
2. 不同康复方式的作用机制：末端执行器机器人辅助肢体被动运动，外骨骼机器人提供综合肢体支持，两者在促进神经可塑性方面存在差异。主动运动比被动运动更能激活大脑活动，对脑卒中康复可能更有益。例如，有研究比较末端执行器机器人和外骨骼机器人的康复效果，发现前者更有效，但差异无统计学意义。
3. AI 在康复中的应用特点：研究中的机器人系统多集成 AI 算法，根据患者运动实时反馈调整康复方案，实现个性化治疗。不同机器人平台的 AI 应用存在差异，如 Amadeo、Diego 和 Pablo 利用 AI 进行运动捕捉，Gloreha 和 Hexo - UR30A 可进行轨迹分析，有助于更准确评估患者和定制治疗方案。
4. VR 在康复中的作用：部分研究将 VR 与机器人结合用于康复。VR 可增强皮质活动，提供更具互动性和趣味性的康复环境，提高患者依从性。根据沉浸程度，VR 分为非沉浸式（NIVR）、完全沉浸式（IVR）和半沉浸式。NIVR 适用于居家护理，IVR 更具吸引力和互动性，半沉浸式则介于两者之间。本研究中使用 NIVR 的研究显示出更好的功能和运动结局。
5. AI 辅助康复的优势与局限：AI 辅助康复具有可行性、成本效益高、个性化强等优势，还能支持居家护理，提高患者积极性和康复效果。然而，目前缺乏广泛认可的实践指南，限制了其有效整合、应用和评估。此外，研究样本量较小，不同研究间治疗方案差异较大，且多数研究依赖机器人内置 AI 提供反馈，这些都需要进一步研究改进。
6. 未来研究方向：未来研究可关注痉挛对康复的影响，尝试结合多种治疗方式，如将经颅和经皮电刺激与机器人训练相结合，以减轻痉挛。利用 VR 和 AI 模拟日常生活活动，提高患者参与度。还可探索其他 AI 模态，如脑机接口（BCI），评估患者大脑运动信号，促进康复。

挑战和局限

本系统综述存在一定局限性，如纳入研究的样本量较小，治疗疗程和机器人设备使用差异较大，多数研究依赖机器人内置 AI。使用 AI 进行脑卒中后运动康复面临挑战，如自适应反馈在个性化治疗中效果不足，操作人员对新技术的适应问题，以及缺乏特定指南导致治疗差异。因此，需考虑使用其他 AI 类型评估除运动活动外的方面，同时关注大脑神经可塑性在康复中的作用。

结论

AI 辅助康复结合机器人应用在功能和运动结局方面并不显著优于传统康复方法，但非劣效性试验表明其与传统方法相当。由于缺乏广泛认可的指南，且现有研究样本量较小，未来需要更多大样本研究，进一步明确 AI 辅助康复在脑卒中治疗中的作用和最佳应用方式。