来源：医休器械平台旗下公众号-医休NNR

　　作者：康复哥

　　随着老年人口数量增多、老年人口比重变大，我国现阶段面临严重老龄化问题。截至2022年底，60岁及以上的老年人口已增至2.8亿，其中75岁及以上的老年人口达到2.1亿。在“健康中国2030"规划中，将智慧养老纳入公共卫生体系，强调通过人工智能、物联网等技术提升老年人健康管理水平，推动慢性病防控、远程医疗等领域的研发投入。

　　国家“十四五"规划中明确提出推进“互联网+医疗健康""互联网+护理服务"，支持人形机器人、脑机接口等前沿技术在养老场景的应用，设立国家科技重大项目加速技术突破。在国家的《智慧健康养老产业发展行动计划》中指出，要进一步细化目标，要求到2025年建成覆盖全生命周期的智慧健康养老服务体系，提升科技支撑能力和产品供给水平。

　　在国家政策的号召下，各省市纷纷出台相应的政策，如深圳市提出"数智科技+人文关怀"双轮驱动模式，推动跨部门数据整合的智慧养老云平台，并设立用户体验实验室研发适老化产品。上海、吉林等地通过智慧养老院建设和社区试点，推广智能床垫、跌倒监测等设备探索“虚拟养老院"等新型服务模式，

　　在老年人面对一些列诸多的问题中，跌倒是最常见的伤害形式。在世界范围内，跌倒是继交通事故之后的第二大意外伤害事件。老年人由于生理和病理因素的影响，跌倒的风险显著增加。

　　据统计，30%的65岁及以上年龄的老年人每年经历至少一次具有伤害性的跌倒，对于80岁以上的老年人来说，这一比例增长到了50%。跌倒已成为导致老年人残疾、丧失生活自理能力以及死亡的关键因素之一，由此产生的直接医疗费用超过50亿元，这无疑给家庭和社会带来了沉重的负担。跌倒不仅会对老人造成身体伤害，还会影响老人的心理健康。在经历一次跌倒之后，老人会由于恐惧再次跌倒而减小活动范围，对自己的社交进行限制。

　　进而由于缺少日常活动而导致抑郁等心理疾病，降低生活质量与独立生活的能力。因此如何预防监测跌倒是智慧养老领域亟待解决的关键问题之一。

　　发展现状

　　如何预防老年人跌倒，是目前社会各界广泛关注的重要问题。目前应对跌倒造成影响的方法主要有两种:跌倒预防与跌倒检测。跌倒预防是通过分析跌倒风险因素，然后直接提供针对性的干预降低跌倒的概率。

　　现存预防跌倒发生的方式包括身体素质训练和提前检查环境以保证跌倒风险最小。除跌倒预防之外，跌倒检测也能通过及时通知监护人员的方式将跌倒对老人带来的伤害降至最低。

　　目前跌倒检测技术可分为两类，包括基于用户的跌倒检测和自动跌倒检测系统。基于用户的跌倒检测需要跌倒后老人做出相应的操作，才能将跌倒的消息发送出去。

　　然而，对于跌倒后无法行动以及失去意识的老人说，基于用户的跌倒检测设备将会失效。自动跌倒检测设备可以主动检测老人的活动信息，当检测到跌倒发生时系统主动将警报消息发送给看护人员。跌倒检测系统可以及时检测出跌倒事件的发生，从而降低老人受到的伤害。

　　根据传感器可以将跌倒检测系统分为三类:

　　基于视觉传感器的跌倒检测系统、基于环境传感器的跌倒检测系统和基于可穿戴传感器的跌倒检测系统。

　　前两类要求在老年人居住的环境中部署传感器，如深度相机、压力传感器和/或红外传感器。这几种传感器通过分析特定范围内的人体姿势变化和/或环境信息来区分跌倒和日常生活活动(ADLS)。

　　然而，这两种跌倒检测系统都存在缺点，比如局限于特定的房间，部署传感器的成本昂贵，以及侵犯老年人的隐私的问题。近年来，可穿戴跌倒检测系统已成为跌倒检测领域的研究热点之一。在实际应用中，可穿戴式跌倒检测系统面临着诸多问题如:检测精度低、误报警率高及功耗高等缺点。

　　虽然研究人员目前正在开发精度高以及功耗低的可穿戴设备，但目前大部分在研发阶段。除了单独使用可穿戴设备来检测跌倒，许多研究还在运算能力更好的处理器中部署了复杂的机器学习算法来提高区分跌倒与日常活动的能力。但均为年轻人模拟的跌倒与日常活动，然而老人由于骨龄老化等原因导致步态与年轻人之间存在差异。从而，当提出的算法应用在老年人身上时会导致算法的性能进一步的降低。

　　无穿戴动作捕捉技术，因其灵活性无与伦比，无需标记点以及可穿戴设备或其它专用硬件即可轻松实现人体动作捕捉，而越来越受到关注。传统的生物力学测量和分析程序需要使用各种复杂的实验室和穿戴式仪器系统，包括基于标记的运动捕捉、惯性测量单元(IMU)、加速度计、力板和肌肉肌电图(EMG)等。

　　在研究和临床应用中，运动捕捉的准确性和可靠性(重复性)要求非常严格。虽然这些系统的使用已经非常成熟，并且可以提供人体外部和内部运动学和动力学的准确评估，但它们存在几个限制，限制了它们更广泛的使用。首先，基于红外标记的运动捕捉系统，被认为是“金标准”，通常仅限于受控的、室内的、实验室基础的研究，其中照明和捕捉体积必须得到控制。

　　在受试者上放置标记的精确解剖位置的要求限制了在给定时间内可以评估的受试者数量，因为根据协议，为生物力学分析准备受试者所需的时间可能非常长。虽然商业上可用的基于标记的系统的绝对准确性可以在使用小体积的兴趣时达到亚毫米级的准确性，但标记系统的研究间或日复一日的重复性远低于系统本身的准确性。这些误差可高达24毫米，并且是由皮肤运动伪影、解剖标志位置和识别的不确定性以及标记放置重复性误差引起的。

　　此外，典型会话中使用的标记数量直接影响收集数据的质量和准确性。此外，在纵向调查中重复放置标记或受试者之间标记放置的变化可能会导致整体准确性的显著降低。其次，在使用实验室系统收集数据后，还需要额外的复杂分析技术来确定感兴趣的肌肉骨骼生物力学测量值，并且通常需要显著额外的时间来提供可操作的结果。这些限制严重限制了传统生物力学评估方法在临床环境中的应用。

　　而无穿戴动作捕捉技术技术采用了轮廓提取模型匹配，并结合了两种尖端的人工智能技术，开发出了业界领先的运动捕捉解决方案，具有精准、实时、易于操作、抗干扰能力强等优势，同时还可以可提供客观精准的运动学数据，通过不同动作的组合测试可以反应人体的对称性、平衡能力、力量、关节活动度，获得老年人的身体机能数据。当前，刘巍博士团队已成功地将创新性的无穿戴动作捕捉技术应用于跌倒预防平台。

　　除了跌倒的检测，如何为老年人制定个性化预防跌倒康复方案也极为重要。美国疾病控制与预防中心(CDC)推荐运动训练作为老年人基于证据的跌倒预防干预措施。同时传统的跌倒预防计划已被应用于改善老年人和神经疾病患者的姿势平衡并减少跌倒。尽管大多数先前的研究报告了积极的结果，但有几个因素可能会阻碍运动训练在跌倒预防和康复领域的广泛应用。

　　首先，步态成分如何改善平衡和降低跌倒风险的生物力学机制尚不清楚。没有对这些机制的充分理解，目前基于证据的跌倒预防计划缺乏可靠的生物力学基础，阻碍了训练后观察到的跌倒次数减少的解释。这种缺乏生物力学基础进一步阻碍了实施最佳的基于证据的跌倒训练干预措施以预防跌倒。

　　其次，尚不清楚步态如何与下肢生物力学相互作用以改变动态步态稳定性。动态步态稳定性在恢复身体平衡和避免外部干扰后的跌倒中起着关键作用。动态步态稳定性还提供了关于在运动中挑战平衡相关情境下肌肉和关节使用的直接信息和见解。

　　第三，传统的跌倒预防运动已在先前的研究中广泛使用。然而所有先前研究中选择运动计划的理由并未基于个体肌肉骨骼(MSK)损伤进行定量评估。研究中选定的跌倒运动的差异导致了关于跌倒预防训练对动态平衡、肌肉力量和跌倒影响的结论不明确。

　　第四，所有先前的综述文章都呼吁围绕训练强度、干预持续时间、课程长度和频率等方面优化跌倒训练，这假设跌倒预防治疗是一种标准化的康复方案。然而，“一刀切”的方法不会最大化基于证据的治疗在跌倒预防中的好处。

　　基于人工智能的跌倒系统概念是新颖的，因为它基于与个体肌肉骨骼损伤相关的步态的生物力学机制。此外，它开启了传统跌倒预防治疗可以根据步态的性质重新配置以适应个体需求的大门。适应基于人工智能的跌倒预防系统进行详细的生物力学分析，包括动态步态稳定性，将跌倒干预范式从传统的运动训练计划转变为具有坚实科学机制的个性化跌倒预防计划。

　　主要差距

　　跌倒预防体系薄弱:跌倒是老年人和慢病患者住院的主要原因之一，但缺乏精准的跌倒风险预测与干预系统。目前国内的防跌倒检测系统的研发与应用尚处于起步阶段，未实现个性化的跌倒预防策略，且多停留在试点阶段，尚未纳入公共医疗服务体系，实现家庭、社区与医院的无缝联动，其覆盖率和基层医疗资源整合能力有限。

　　康复方案缺乏个性化:大部分康复训练仍依赖医生的经验判断，缺乏基于生物力学数据和AI分析的精准干预。

　　远程康复效果不佳:传统远程康复多依赖简单运动指导，无法实时监测患者的康复进展、步态变化、肌肉状态。

　　医疗资源分布不均:康复医疗资源集中于大城市，基层康复机构缺乏高效的康复管理工具，导致康复治疗效果参差不齐。

　　数据割裂，难以形成闭环管理:康复数据与电子健康记录(EHR)系统缺乏整合，医生难以全面评估患者的康复进展。

　　实施意义

　　社会意义:应对老龄化挑战，保障老年健康权益。通过实时监测与精准预警，减少社区老年人群跌倒发生率降，减少因跌倒导致的骨折、脑损伤等严重并发症，减轻社会以及家庭负担。同时，结合个性化康复干预，预计提升老年人群健康预期寿命，助力实现“健康老龄化"国家战略。另外，推动基层医疗数字化转型，基层医护人员工作效率提升40%，助力分级诊疗体系落地。

　　经济意义:通过预防跌倒，节约直接医疗成本以及医保支出，推动传统养老护理向"AI+医疗"复合型人才结构转型。探索“数据要素x养老服务"新模式，开发全球首个跌倒风险数据交易产品，激活健康数据资产价值。

　　技术意义:突破行业瓶颈，引领创新范式。全球首创无标记生物力学分析技术，突破关节角度误差以及皮肤伪影难题。目前国内尚无标准防跌倒的国家标准，通过此项目将主导制定国家标准，填补空白。

　　总之，刘巍博士团队针对全球老龄化挑战的"中国方案”，通过技术创新实现社会痛点破解、经济价值创造与国际规则重塑的三重突破，为构建全生命周期健康管理体系提供核心支撑，兼具战略前瞻性与实践示范性。

　　个人简介

　　刘巍教授是一个拥有体育、工程，康复学三个领域的多交叉学科科研，教学背景的教授。刘教授主持或参与合作美国国防部、哈佛大学、奥本大学、美国骨外科与运动医学协会等多家知名机构的研究项目(研究项目经费综合近500万美金)。刘博士和美国神经康复专家合著神经康复教科书一部。另外，刘博士还是美国国防部医学研究项目以及美国教育部康复与残疾研究项目评审人。

　　曾入选美国国家卫生研究院(NIH)下属整合医学研究所(NCCIH)资助的中青年临床研究及事业发展计划。(该计划在过去20年内，仅有50人成功入选。)在世界著名脑中风，神经康复专家Edward Taub导师带领下学习相关知识执行相关项目。

　　刘教授发表学术期刊，国际学术会议文章文献近80余篇，多篇文章收录在美国运动医学，康复，骨外科排名前十的顶级学术期刊其学术期刊影响因子5以上。文章被他人引用次数近1500次。刘巍教授近期积极参与智能膝关节韧带损伤评测仪的创新并获得了中国专利认证。

　　刘博士的研究涵盖生物力学建模、运动分析优化以及基于人工智能的实时康复系统开发。他在多关节协调研究和人工智能模型预测人类运动方面取得了重要成果，并通过创新技术提升康复效果的科学性与实用性。

　　他主导开发了多项3D光学捕捉技术，为复杂动态运动过程的精准数据分析提供了有力支持，广泛应用于运动评估和临床诊断领域。目前刘博士开发了一款结合智慧门诊与应急预防医学理念的跌倒预防平台。该平台通过整合尖端的生物力学分析、实时传感器数据、大数据与云计算技术，为家庭医学与公共健康领域的跌倒风险管理提供全面解决方案。