麻省大学研发腕戴AI设备实时监测中风康复进展

麻省大学阿默斯特分校研究团队开发出一款腕戴式人工智能设备，能够实时评估中风导致手臂运动障碍患者的康复进度。该设备在评估特定康复计划有效性方面的表现，据估计比临床医生的传统评估准确率高出40%至50%。

目前，此类康复评估通常仅能在频率较低且每次耗时约30分钟的门诊就诊中进行。美国每年约有80万人发生中风，其中超过四分之三的患者会出现手臂功能障碍；约40%的患者手臂残疾持续存在，需依赖康复治疗。物理治疗虽能有效恢复运动功能，但医生往往只能在康复前后各进行两次30分钟的检查来评估疗效。

研究共同作者、信息学与计算机科学副教授Sunghoon Ivan Lee指出，利用可穿戴数据提取患者运动严重程度的信息，临床医生可据此判断干预措施是否有效。新设备内置加速度计记录手臂动作，并由研究团队开发的机器学习算法进行解读。

Lee强调，患者的运动障碍严重程度并不完全等同于其实际移动手臂的能力，算法已对此进行校正。症状较轻者可能活动较多，但两者并非线性对应。“增加肢体使用量确实可以鼓励患者多动，但患者无法通过短期行为改变瞬间降低运动障碍的严重程度。”

用于评估康复有效性的模型基于时间序列的加速度计读数，并结合中风后一周至六个月内临床医生获取的评估评分。当前治疗过程中，患者与治疗师均难以清晰掌握对治疗的反应及进展，临床医生也无法实时观察患者是否适应处方练习或了解其进步情况。

该设备旨在提供每日反馈，帮助医患双方判断康复方案是否需要调整。研究团队认为，持续的进度追踪也有助于增强患者对自身康复进程的参与感，从而提升坚持治疗的动机。相关研究成果已于2026年9月30日发表在《科学转化医学》（Science Translational Medicine）期刊上。消息来源为麻省大学阿默斯特分校新闻稿。