Wyss Institute的研究人员发现，可穿戴技术适合准确跟踪脑损伤患者的运动恢复，从而使临床医生可以选择更有效的干预措施并改善结果。Spaulding运动分析实验室主任Paolo Bonato博士是该研究的首席研究员和高级作者，这是学生和以前的学生在教师指导下与运动分析实验室建立联系的合作努力。
阅读更多Synphne可穿戴火车将大脑和肌肉作为一个系统，有助于中风康复
“通过为临床医生提供精确的数据，他们能够设计更有效的干预措施以改善我们提供的护理，” Bonato说，他还是哈佛大学Wyss生物学启发工程研究所的副教授。“让我们的许多才华横溢的年轻科学家和研究人员合作创建这篇有意义的论文，这对支持我们正在进行的研究企业的所有教师特别令人满意。”
Bonato博士团队的成员Catherine Adans-Dester，P.T。，博士学位。“当人们认为临床研究通常仅在一部分参与者中报告令人满意的运动增长时，需要开发患者的干预措施的需求显而易见，这表明如果我们有更好的工具来开发患者特定的干预措施，则可以改善临床结果。使用可穿戴传感器收集的数据为临床医生提供了机会，对临床医生和患者的负担很小。” Adans-Dester博士说。论文中提出的方法依赖于基于机器学习的算法来从功能运动任务期间收集的可穿戴传感器数据得出临床评分估计。基于传感器的分数估计值与临床医生生成的分数有很强的一致性，报告Wyss研究所。
该研究的结果表明，可穿戴传感器数据可用于得出诊所中使用的临床评分的准确估计，以捕获运动障碍的严重程度和上限运动模式的质量。在研究中，使用上LIMB FUGL-MEYER评估（FMA）量表来产生运动障碍严重程度的临床评分，并且使用功能能力量表（FAS）来生成运动质量的临床评分。
阅读更多Connextyle智能衬衫为中风患者提供多感官愈合
在从Wolf-Motor功能测试中采取的八项功能运动任务的过程中，收集了可穿戴传感器数据（即加速度计数据），从而提供了大臂运动和精细运动控制任务的样本。开发了基于机器学习的算法，以从传感器数据中得出FMA和FAS临床评分的准确估计。这项研究共有37名研究参与者（16名中风幸存者和21个创伤性脑损伤幸存者）参加了这项研究。
该研究的结果发表在自然数字医学。
