《Frontiers in Computational Neuroscience》：Interpretable and explainable artificial intelligence for wearable sensor-based fall risk assessment in older adults: a systematic review with considerations for prosthetics and orthotics
编辑推荐：
背景：老年人跌倒是导致发病率和丧失独立性的主要原因。可穿戴传感器结合机器学习（ML）为客观跌倒风险评估提供了机会，但模型透明度低限制了临床采纳。可解释与可说明的人工智能（XAI）方法可以解决这一限制，然而其在基于可穿戴传感器的跌倒风险评估中的应用尚未被系统性地
背景：老年人跌倒是导致发病率和丧失独立性的主要原因。可穿戴传感器结合机器学习（ML）为客观跌倒风险评估提供了机会，但模型透明度低限制了临床采纳。可解释与可说明的人工智能（XAI）方法可以解决这一限制，然而其在基于可穿戴传感器的跌倒风险评估中的应用尚未被系统性地检验。方法：研究人员按照PRISMA 2020标准在PubMed、Scopus、Web of Science和IEEE Xplore中进行了系统综述。纳入标准包括：研究纳入老年人，使用可穿戴传感器、混合传感器系统或结构化临床评估工具，应用人工智能/机器学习（AI/ML）进行跌倒风险评估（而非检测），并包含内在可解释性或事后XAI。提取了关于人群特征、传感器模态、结局定义、机器学习算法、可解释性策略、验证方法和预测性能的数据。结果：11项研究（2019-2025年，总样本量n=5,484）符合纳入标准。惯性测量单元（IMU）占主导地位。跌倒风险定义存在异质性，涵盖回顾性跌倒史、临床平衡量表和前瞻性日记。可解释性几乎完全在全局层面实施，只有两项研究同时提供了全局和局部解释。在可比任务上，可解释模型的准确率为0.65-0.92，曲线下面积（AUC）为0.70-0.92，表明可解释性相比更复杂的设计并未带来一致的性能损失。所有研究仅依赖内部验证；没有研究进行外部验证或实时部署。没有研究招募假肢与矫形器（P&O）使用者或纳入设备特定的预测因子。结论：当前模型倾向于可解释架构并取得了中到高的性能，但受限于异质性的结局定义、缺乏外部验证以及仅提供全局可解释性（限制了个体层面的临床效用）。证据基础尚不支持临床部署。将这些发现推广到假肢与矫形器使用者（一个临床重要的下游应用）将需要设备特定的数据集、不对称调整的阈值和实例级解释。这些构成了下一阶段研究议程的优先方向。
1 Introduction
跌倒对老年人构成重大公共健康问题，导致发病率、死亡率、独立性丧失及医疗成本增加。现有临床评估工具（如Berg平衡量表、计时起走测试）受限于主观性、天花板效应和预测效度有限（AUC约0.5-0.7），且仅在离散时间点进行，无法捕捉真实环境中的动态步态模式。对于假肢与矫形器（P&O）使用者，设备特定的步态适应、对齐相关不稳定性和疲劳代偿策略在临床评估中难以显现。可穿戴传感器（如惯性测量单元IMU）可提供客观连续监测，机器学习（ML）适合建模多因素风险，但模型输出必须可解释以支持临床决策。监管框架（如欧盟人工智能法案）也要求医疗AI透明可解释。尽管已有相关综述，但尚无研究聚焦于可解释与可说明人工智能（XAI）在基于可穿戴传感器跌倒风险评估中的应用，也未评估其对P&O实践的转化意义。本系统综述旨在综合该领域文献，评估传感器模态、AI与可解释性方法、模型性能与验证，并识别证据缺口。
2 Methods
2.1 Study selection and search strategy 研究未前瞻性注册，按PRISMA 2020指南进行。检索PubMed、Scopus、Web of Science和IEEE Xplore至2025-2026年，结合跌倒风险、可穿戴传感器、机器学习及可解释性相关术语。两名审稿人独立筛选，争议通过讨论或第三方解决。
2.2 Eligibility criteria 纳入标准：受试者平均年龄≥50岁或明确为老年人；使用可穿戴传感器、混合传感器系统或结构化临床评估工具；应用AI/ML进行跌倒风险评估（非检测）；报告模型内在可解释性或事后XAI；提供定量性能指标；英文同行评审期刊文章。排除会议论文、单纯跌倒检测、非人类或模拟数据集、无AI建模或无可解释组件。
2.3 Definitions of interpretable and explainable artificial intelligence 可解释AI指内在结构透明的白盒模型（如逻辑回归、决策树、规则系统、模糊逻辑），其特征贡献或决策路径可显式追踪。可解释AI（XAI）指事后或混合方法，可为复杂黑箱模型提供人类可理解的解释（如SHAP、LIME、替代模型）。模型分类为：内在可解释、黑箱+事后XAI、混合模型（结合黑箱组件与内在可解释输出机制如自注意力权重）。
2.4 Data extraction 采用标准化模板提取六个领域数据：样本与临床特征、传感器与数据采集、任务与结局定义、AI/ML模型特征、可解释性方法、验证与性能结果。
2.5 Explainability indicators and categorization 模型分为可解释、可说明或混合。解释输出按范围分类：全局解释（模型级）、局部解释（实例级）或两者兼有。检查临床意义解释变量（步速、平衡、移动性等）。
2.6 Data synthesis 由于传感器、结局定义、建模和验证的异质性，无法进行定量meta分析，采用定性系统综合。按传感器模态、建模范式和可解释性方法聚类，描述性统计总结样本量、传感器类型、模型类型和XAI方法。
2.7 Risk of bias assessment 采用修改版PROBAST工具评估方法学质量，限于参与者、结局和分析三个领域（排除预测因子领域因测量方法记录不一致）。两名审稿人独立评估，争议协商解决。
2.8 Quality of evidence 使用TRIPOD-AI指南评估报告质量，涵盖数据来源、参与者选择、结局定义、模型开发、验证策略和报告透明度。
3 Results
3.1 Study selection 检索获得684条记录，去重后筛选500篇标题/摘要，排除430篇，检索70篇全文，评估66篇，最终纳入11项研究（2019-2025年）。
3.2 Study characteristics 研究来自亚洲（日本、中国、韩国、台湾、香港）、欧洲（法国、比利时）、北美（美国）和大洋洲（新西兰）。发表年份以2021年最多（n=3）。
3.3 Population and clinical context 样本量从27到2,520不等，总样本5,484人。平均年龄53-86岁，多数队列>70岁。61%为健康社区老年人，38%为混合人群（包括虚弱、共病及神经系统疾病如中风）。招募环境：6项研究基于社区。
3.4 Fall and outcome targets definitions 结局定义异质性大：6项使用回顾性跌倒史（6-12个月回忆期），3项使用临床平衡/移动量表（BBS≤50、TUG≥10s、Morse跌倒量表），2项使用前瞻性监测（6个月至2年随访）。参考标准分为回顾性跌倒史、临床量表代理、前瞻性日记。
3.5 Fall risk determinants identified by interpretable/explainable AI models 通过内在或事后XAI（决策树规则、弹性净系数、SHAP值、注意力权重）识别一致的风险决定因素：时空步态特征（步速、步长、步幅变异性）、平衡/姿势控制特征（重心COP摇摆、躯干加速度）、临床/功能预测因子（跌倒史、TUG评分、害怕跌倒、Berg平衡量表、虚弱指数、多重用药、BMI）。XAI输出表明跌倒风险是多因素且领域特定的，步速、跌倒史和TUG表现最为一致。
3.6 Sensor modalities and data acquisition 惯性测量单元（IMU）占主导（7项研究），使用加速度计和/或陀螺仪；压力系统（2项）；生理生命体征（1项）；2项仅使用结构化临床评估。传感器放置：下背/躯干、大腿、脚/鞋/踝。采样频率5-120 Hz，记录时长从数秒到14天，多数为实验室短时任务。
3.7 Data collection context 6项在受控实验室/临床环境，2项为混合环境（实验室+长期监测），2项完全社区非实验室环境。
3.8 Prediction task formulation 预测任务包括：6项二元跌倒者分类（回顾性/前瞻性跌倒史），3项多级风险分层（低/中/高），1项表型预测（先识别步态表型再分类），1项时间风险检测（连续平衡丧失时刻），2项前瞻性跌倒预测（纵向随访）。
3.9 ML model categories 5项使用内在可解释模型（弹性净、逻辑回归、决策树），5项使用混合模型（黑箱学习器+可解释元素），1项仅用黑箱模型（梯度提升树）。
3.10 Algorithms and feature engineering 常用算法：逻辑回归/弹性净、决策树（C5.0, J48）、随机森林、XGBoost。较少用：卷积神经网络、深度信念网络、模糊逻辑。多数研究依赖手工特征（时空步态参数、姿势摇摆测量、问卷评分），仅1项使用端到端学习（CNN+自注意力）。
3.11 Level of explanation and clinical interpretation 解释输出主要为全局模型级摘要（规则、系数、风险分层、特征重要性）。2项研究提供全局和局部解释（Mishra等使用SHAP生成患者特定解释；El Marhraoui等使用自注意力权重突出时间窗口）。其余9项仅全局解释。
3.12 Explainability strategies by model type 内在可解释模型直接提取规则或系数；黑箱和混合模型常用事后XAI方法，如SHAP（用于随机森林、梯度提升、多层感知器）和增益特征重要性（用于XGBoost）。
3.13 Validation strategies 所有研究仅使用内部验证：5项采用留出法（70/30至80/20），3项采用交叉验证（10折、5折、蒙特卡洛50次重复），1项使用前瞻性随访数据（仍属内部）。无外部验证。
3.14 Predictive performance 可解释模型准确率0.65-0.92，AUC 0.70-0.92；混合模型准确率0.67-0.99（最高98.9%来自时间风险检测任务）；黑箱模型准确率0.67-0.70，AUC 0.71-0.72。灵敏度0.43-0.96，特异度0.77-0.95。
3.15 Deployment and real-time readiness 多数模型为离线评估，未在实时临床/可穿戴系统中部署。处理位置多为云端或离线环境，未报告实时推理能力。
3.16 Risk of bias analysis 使用修改版PROBAST：参与者选择和结局定义领域多数低偏倚风险；分析领域所有研究均高偏倚风险（缺乏外部验证、小样本量）。
3.17 Reporting quality TRIPOD-AI评估显示报告质量低至中：多数充分报告数据来源和参与者特征，但模型规范部分报告，解释方法整体良好，临床解释通常提及但充分性不足。
4 Discussion
4.1 Principal findings and contribution of this review 综合证据表明：惯性可穿戴传感和实验室步态测量最常见；跌倒风险定义高度异质性；内在可解释或混合建模方法广泛使用；验证、可解释性分析和现场应用方面方法学不成熟。尚无先前综述正式综合这一交叉领域。P&O实践是重要下游应用，但11项研究均未招募P&O用户或提取设备特定预测因子，因此讨论属证据知情的转化外推。
4.2 Machine-learning algorithms for wearable sensor-based fall risk assessment 多数使用经典ML算法，深度学习少见且限于混合设计。可解释模型性能与混合/黑箱在等效任务上相当，表明可解释性不是性能牺牲。直接比较显示弹性净、决策树等优于或持平更复杂模型。时间结构建模不足（仅1项使用注意力时间建模），错过捕捉动态不稳定性。
4.3 Explainability and interpretability: existing practices and limitations 两种策略：内在可解释模型和事后XAI（SHAP、特征重要性）。解释主要为全局，缺乏局部实例级解释，限制个体化临床决策。仅2项提供全局和局部解释。解释稳定性、敏感性评估不足。
4.4 Applicability of wearable sensor modalities within ML pipelines IMU为主，特征为手工工程化，增强可解释性但限制模型表达能力。多数为单次/实验室记录，限制任务特异性表示。
4.5 Clinical implications for prosthetics and orthotics 4.5.1 Scope and necessary caveat 无研究招募P&O用户，讨论为转化外推。P&O用户存在强制性不对称、改变负荷、代偿策略，能体训练数据无法代表。4.5.2 XAI-identified predictors and P&O mechanisms 步速、步长受设备配置混淆；步态变异性基线升高导致特异度缺陷；平衡特征和功能性复合指标直接受矫形器刚度、假脚形状等影响。TUG分段和注意力热图可定位缺陷。4.5.3 Longitudinal XAI tracking as a device-fitting outcome metric 纵向SHAP权重轨迹可作为拟合干预结果指标。4.5.4 Research priorities 需要包含设备状态协变量的训练数据、实例级解释方法、纵向XAI跟踪协议和不对称调整阈值验证。
4.6 Review limitations 未预注册PROSPERO；纳入标准事后修订允许结构化临床评估（2项研究无传感器），需注意结论对纯粹可穿戴环境的概化性。
4.7 Future methodological directions 优先发展结合传感器与设备特定变量、利用时间建模保留可解释性、提供可靠实例级解释并评估其临床效用的ML管道。混合可解释时间模型与可穿戴感测结合是潜在方向。
5 Conclusion
三个主要结论：可解释性是该领域可行且方法学上可辩护的设计选择，在等效任务上与黑箱性能相当；领域尚未达到临床部署所需的方法学成熟度（缺乏外部验证、仅全局解释）；向P&O实践的转化路径概念上合理但证据未建立，需要设备特定数据、不对称调整阈值、实例级解释和临床接口。
