基于摩擦电能量采集的智能鞋垫用于扁平足早期检测的可行性研究

为解决扁平足（flatfoot）早期诊断和实时监测的临床需求，研究人员开发了一种集成摩擦电纳米发电机（TENG）的自供电智能鞋垫系统。通过模拟健康足和扁平足（降低内侧足弓高度70%）条件下的行走、慢跑和跑步测试，系统成功捕捉到内侧足弓传感器电压输出的显著差异（健康足0.0127V vs 扁平足0.5493V）。结合神经网络分类（准确率86.2%，精确度96.3%），该研究为可穿戴式足部健康监测提供了创新解决方案，具有个性化康复和预防性护理的应用潜力。

　　

足部健康问题正日益受到关注，其中扁平足（pes planus）作为最常见的足部畸形之一，影响着从儿童到成人的广泛人群。这种因内侧纵弓（medial longitudinal arch）塌陷导致的疾病，不仅会造成足部疼痛和疲劳，更可能引发应力性骨折、胫后肌腱功能障碍等一系列连锁反应。然而现有的临床检测方法如足印分析、气压步态检测等存在明显局限——它们只能在医疗机构进行单次评估，无法捕捉日常活动中足部力学的动态变化。这就像试图通过一张静态照片来理解舞蹈动作，显然会错过关键细节。

正是针对这一诊断空白，国外研究人员开发了一种革命性的自供电智能鞋垫系统。这项发表在《Biosensors and Bioelectronics: X》的研究，巧妙地将摩擦电纳米发电机（Triboelectric Nanogenerator, TENG）与机器学习相结合，实现了对扁平足的实时监测和自动识别。

研究团队采用了多学科交叉的技术路线：首先设计内置四个TENG传感器的智能鞋垫（分别位于跖骨、内侧足弓、外侧足弓和足跟），通过接触分离机制将机械能转化为电信号；然后利用3D打印插入物模拟70%足弓塌陷的扁平足状态；最后采集健康与模拟扁平足状态下行走（3mph）、慢跑（5mph）和跑步（7mph）的电压数据，并构建神经网络模型进行分类分析。

正常足部条件下的传感器响应
在健康足测试中，内侧足弓传感器始终维持极低电压输出（0.0127-0.0316V），与解剖学预期完全吻合——正常足弓在活动中几乎不接触地面。而跖骨和足跟传感器则呈现规律性高电压信号，跑步时可达1.4661V，生动反映了不同运动强度下的力传导路径。三组重复试验的标准误差低于0.05V，证实了系统出色的稳定性。

扁平足模拟的突破性发现
当引入3D打印的足弓支撑物后，内侧足弓传感器电压激增43倍（达0.5493V），宛如一个突然"苏醒"的警报器。值得注意的是，这种变化具有速度依赖性——在跑步时信号增幅最为显著，揭示了动态负荷与足弓塌陷程度的定量关系。虽然信号强度仍低于主要承重区，但这种"从无到有"的转变正是早期扁平足的特征性标志。

机器学习赋能智能诊断
研究人员构建的单隐层神经网络（10个神经元）展现出优异的分类性能。特别值得关注的是96.3%的精确度，意味着当系统判定为扁平足时，误诊概率不足4%。虽然76.6%的召回率提示还需优化对轻度病例的识别，但85.3%的F1-score已显著优于传统静态检测方法。

这项研究的创新价值体现在三个维度：技术上，首次将TENG应用于扁平足的生物力学评估；临床上，实现了超出医院范围的连续监测；产业化方面，模块化设计（如无螺钉弹簧结构）为商业化铺平道路。正如研究者指出，该系统未来可通过增加传感器密度、融合无线传输技术，进一步拓展在糖尿病足、运动医学等领域的应用前景。这些突破不仅为足踝外科提供了新工具，更开创了自供电可穿戴设备在康复医学中应用的新范式。