老年人平衡功能障碍的多模态评估：从分类到基于聚类的功能模式识别

《Journal of NeuroEngineering and Rehabilitation》：Multimodal assessment of balance dysfunction in older adults: from classification to clustering-based functional pattern identification

　　

摘要

背景

老年人平衡功能障碍是导致跌倒的主要风险因素。传统的主观评估量表和单一模式测量方法可能无法充分体现维持姿势控制所涉及的运动、大脑皮层及认知过程的相互作用。本研究采用多模态特征集，旨在构建一种可解释的框架，用于对平衡功能障碍进行分类，并分析不同个体在平衡功能表现上的差异性。

方法

研究共招募了81名60岁以上的社区居住老年人，根据伯格平衡量表评分将其分为平衡功能障碍组（n＝38，BBS≤45）和健康对照组（n＝43，BBS＞45）。在六项站立任务中，同步记录了压力中心轨迹、下肢表面肌电信号以及通过功能性近红外光谱技术检测的大脑皮层激活情况。运用双因素重复测量方差分析来检测组别与任务之间的差异。随后，这些多模态特征被用于基于监督学习的分类分析（XGBoost算法），并通过K均值聚类方法分析不同功能障碍群体间的差异特征。

结果

在更具挑战性的姿势条件下，平衡功能障碍组的压力中心前后方向上的振荡范围、速度和幅度均更大。在某些任务条件下，该组股直肌的激活程度较低，而股二头肌和腓肠肌的激活程度则较高，同时肌肉协同工作模式也发生了变化。功能性近红外光谱分析显示，该组的前运动区、辅助运动区和前额叶皮层的激活程度更高。在分类方面，XGBoost算法在所有测试模型中表现最佳，准确率达到了83.56%。聚类分析进一步发现了三种功能模式，这些模式在伯格平衡量表评分和蒙特利尔认知评估得分上存在不同程度差异，表明不同平衡功能障碍个体的功能特征存在差异性。

结论

老年人的平衡功能障碍与神经-肌肉-认知功能异常有关，表现为姿势控制能力下降、下肢肌肉动员方式改变，以及在更复杂的任务条件下大脑皮层激活增强。本研究提出的多模态框架为平衡功能障碍的分类及功能特征差异的分析提供了一种可解释的方法。未来需要在更大规模的样本群和更简化的传感器配置中进行进一步验证，以便推动该技术的实际应用。