機器人技術(shù)在康復(fù)醫(yī)學(xué)領(lǐng)域的應(yīng)用現(xiàn)狀與進展

摘 要 當(dāng)前機器人技術(shù)正廣泛應(yīng)用于康復(fù)醫(yī)學(xué)領(lǐng)域，為提升康復(fù)效果、確?？祻?fù)質(zhì)量、降低人力成本等提供了重要助力，因此在臨床應(yīng)用中備受關(guān)注。本文通過對國內(nèi)外文獻進行綜述，全面分析康復(fù)機器人在上肢、下肢、軀干等功能障礙的康復(fù)評定和康復(fù)治療中的應(yīng)用及臨床效果，以及腦機接口技術(shù)在康復(fù)治療中的綜合應(yīng)用現(xiàn)狀，展望機器人技術(shù)在康復(fù)醫(yī)學(xué)領(lǐng)域的未來發(fā)展前景。

關(guān)鍵詞 康復(fù)機器人；康復(fù)醫(yī)學(xué)；神經(jīng)可塑性；腦機接口技術(shù)

中圖分類號 R493 R608 文獻標(biāo)識碼 A 文章編號 2096-7721（2024）06-1154-13

Current status and progress of robotic technology in rehabilitation medicine

SHI Jiehong， WANG Ninghua

（Department of Rehabilitation Medicine， Peking University First Hospital， Beijing 100034， China）

Abstract Robotic technology is now widely used in the field of rehabilitation medicine， offering significant advantages for improving rehabilitation efficiency， ensuring rehabilitation quality， and reducing labor costs， etc.， thus attracting growing attention in clinical application. Based on the review of domestic and international literatures， the application and clinical effect of rehabilitation robots on upper limb， lower limb and trunk dysfunction was comprehensively analyzed in this paper， the integrated application of brain-computer interface in rehabilitation therapy was elaborated， and the future development of robotic technology in rehabilitation medicine was prospected.

Key words Robot-assisted Rehabilitation; Rehabilitation Medicine; Neural Plasticity; Brain-computer Interface Technology

近年來，隨著醫(yī)學(xué)的進步和科技的快速發(fā)展，智能機器人技術(shù)以其獨特的優(yōu)勢廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域中?？祻?fù)技術(shù)和自動化已成為康復(fù)醫(yī)學(xué)發(fā)展的一個關(guān)鍵環(huán)節(jié)。傳統(tǒng)康復(fù)模式正在向更自主化的過程轉(zhuǎn)變，形成自動化康復(fù)模式[1]，由自動化評定系統(tǒng)、決策支持系統(tǒng)和康復(fù)機器人系統(tǒng)組成，共同支持康復(fù)醫(yī)師和康復(fù)治療師的日常工作，服務(wù)于功能障礙患者[2]。

康復(fù)機器人是自動化康復(fù)模式中不可缺少的一環(huán)，在自動化評定系統(tǒng)中利用配備的各類智能傳感器記錄人體運動學(xué)、動力學(xué)、生理學(xué)特征，在康復(fù)治療前評定功能損傷程度，為制定和優(yōu)化患者康復(fù)方案提供數(shù)據(jù)支撐；在康復(fù)治療后評定治療效果，使整個康復(fù)過程科學(xué)化、系統(tǒng)化、定量化?？祻?fù)機器人系統(tǒng)可針對全年齡段患者各系統(tǒng)損傷導(dǎo)致的功能障礙提供高質(zhì)量、精準(zhǔn)化、個體化的康復(fù)治療，具備高強度、針對性、重復(fù)性和實時反饋信息等優(yōu)勢，基于神經(jīng)可塑性和運動再學(xué)習(xí)理念，激發(fā)患者的主動運動意識，提高患者的康復(fù)依從性，縮短康復(fù)時間，提升康復(fù)效果[3]。這種新的康復(fù)模式可以達到康復(fù)評價與康復(fù)訓(xùn)練的協(xié)調(diào)統(tǒng)一，從而促進患者更好地恢復(fù)或改善身體功能，提高其日常生活活動能力和生活質(zhì)量。

1 康復(fù)機器人概況

1.1 康復(fù)機器人的概念及作用機制 康復(fù)機器人是指有助于功能恢復(fù)或重建的智能化裝備，能自動執(zhí)行指令任務(wù)，代替或協(xié)助人體某些功能[4]，利用高度定制和精確控制的機器人系統(tǒng)，為患者提供持續(xù)的重復(fù)性訓(xùn)練、實時反饋和個性化治療，以促進神經(jīng)系統(tǒng)的恢復(fù)和功能改善。同時康復(fù)機器人可以利用位置傳感器、力傳感器、慣性傳感器等內(nèi)置傳感器，監(jiān)測并收集客觀數(shù)據(jù)，量化患者的運動表現(xiàn)，制定個性化的康復(fù)計劃，還可以將重復(fù)的體力任務(wù)轉(zhuǎn)化為游戲和身體挑戰(zhàn)，以保持患者的積極性和參與度。

神經(jīng)可塑性是指神經(jīng)系統(tǒng)在功能和結(jié)構(gòu)上對生活中的內(nèi)外環(huán)境變化做出適應(yīng)性調(diào)整的能力[5]，是神經(jīng)發(fā)育和神經(jīng)系統(tǒng)功能的關(guān)鍵組成部分，是中樞神經(jīng)系統(tǒng)受到損傷后重新組織以保持適當(dāng)功能的基礎(chǔ)[6-7]。為了促進腦損傷后受損神經(jīng)系統(tǒng)的重建和功能恢復(fù)，需要進行高強度、重復(fù)的任務(wù)導(dǎo)向性訓(xùn)練，并基于自上而下或自下而上的神經(jīng)發(fā)育理念，不斷建立新的神經(jīng)連接和神經(jīng)網(wǎng)絡(luò)，實現(xiàn)腦皮質(zhì)地圖重構(gòu)，對功能損傷進行修復(fù)和代償[8-10]。有研究發(fā)現(xiàn)，強化、特定任務(wù)的上肢訓(xùn)練可以使患側(cè)前扣帶回和輔助運動區(qū)的激活增加[11]。重復(fù)運動是患者感覺運動再學(xué)習(xí)的基礎(chǔ)，康復(fù)機器人通過大量的任務(wù)導(dǎo)向性重復(fù)訓(xùn)練，有效促進了患者中樞神經(jīng)的代償和重組，從而促進肢體的功能康復(fù)[12]?？祻?fù)機器人訓(xùn)練可以通過提供本體感覺或其他感覺輸入與運動輸出的主要相互作用來增強患者的神經(jīng)可塑性，促進運動再學(xué)習(xí)[13]，并顯著改變與運動規(guī)劃和執(zhí)行過程相關(guān)的額頂葉網(wǎng)絡(luò)內(nèi)的功能連接[12]，從而促進功能恢復(fù)。

1.2 康復(fù)機器人的分類 康復(fù)機器人形態(tài)多樣、功能各異，根據(jù)結(jié)構(gòu)形態(tài)、訓(xùn)練方式的不同，可以為不同類型的患者提供康復(fù)訓(xùn)練（如圖1）。

根據(jù)功能可將康復(fù)機器人分為功能治療類和生活輔助類。功能治療類康復(fù)機器人主要應(yīng)用于功能障礙患者的康復(fù)訓(xùn)練，包括上肢、軀干和下肢康復(fù)機器人等，可以與虛擬現(xiàn)實技術(shù)相結(jié)合，通過增加患者的康復(fù)訓(xùn)練趣味性，來提高其康復(fù)訓(xùn)練依從性，從而提升康復(fù)療效[14]。生活輔助類康復(fù)機器人主要通過機器人為患者提供日常生活輔助，補償或替代各種疾病損傷導(dǎo)致的功能障礙，如智能輪椅[15]、輔助機械臂輪椅式機器人[16]等。

根據(jù)患者應(yīng)用康復(fù)機器人的訓(xùn)練姿態(tài)可分為站立式、多體式與坐臥式[17]。站立式康復(fù)機器人協(xié)助患者在站立或行走狀態(tài)下進行康復(fù)訓(xùn)練。坐臥式康復(fù)機器人通常采用坐姿或臥姿進行康復(fù)訓(xùn)練，多用于康復(fù)初期患者肌力不足情況下的康復(fù)訓(xùn)練。多體式康復(fù)機器人采用站立式康復(fù)機器人與站立床結(jié)合的康復(fù)策略，實現(xiàn)患者在不同傾斜平臺的步態(tài)訓(xùn)練，可針對不同功能障礙的患者選取不同的訓(xùn)練姿態(tài)進行針對性、個體化訓(xùn)練。

根據(jù)康復(fù)訓(xùn)練原理可將康復(fù)機器人分為末端牽引式與外骨骼式。末端牽引式康復(fù)機器人的主體結(jié)構(gòu)通常為普通連桿結(jié)構(gòu)或串聯(lián)結(jié)構(gòu)，與人體末端關(guān)節(jié)吻合，通過支撐患者的肢體末端，使喪失功能的肢體按照預(yù)設(shè)軌跡進行被動或主動訓(xùn)練[4]，從而實現(xiàn)康復(fù)訓(xùn)練，主要應(yīng)用于對末端肢體有一定運動控制能力的患者[18]。具有代表性的末端牽引式上肢康復(fù)機器人有美國麻省理工學(xué)院研制的上肢康復(fù)機器人MIT-Manus[19]、美國斯坦福大學(xué)研制的上肢康復(fù)機器人鏡像系統(tǒng)MIME[20-21]，我國清華大學(xué)研制的2-DOF上肢康復(fù)機器人UECM[22]等。外骨骼式康復(fù)機器人是基于人體仿生學(xué)及人體四肢各關(guān)節(jié)運動機制而設(shè)計的，根據(jù)其機械結(jié)構(gòu)和綁帶將人體和仿人型機械結(jié)構(gòu)連接于一體，帶動肢體功能障礙患者進行四肢、軀干的主被動訓(xùn)練，同時為患者提供身體支撐和保護作用[23]。相比末端牽引式，外骨骼式機器人提供更大范圍的運動，能夠保證各關(guān)節(jié)的最佳運動控制[4]，更適用于早期康復(fù)的患者[18]，而末端牽引式康復(fù)機器人在改善慢性腦卒中患者的活動和參與方面優(yōu)勢更顯著[24]。具有代表性的外骨骼式康復(fù)機器人有瑞士蘇黎世大學(xué)研制的可穿戴上肢外骨骼康復(fù)機器人ARMin[10，25]、瑞士Hocoma公司研制的下肢康復(fù)機器人Lokomat[26]和以色列公司研制的下肢康復(fù)機器人Rewalk[27]等。

2 康復(fù)機器人應(yīng)用現(xiàn)狀

2.1 上肢康復(fù)機器人

2.1.1 上肢康復(fù)機器人在上肢功能評估中的應(yīng)用

上肢康復(fù)機器人可應(yīng)用于腦卒中、偏癱、腦癱等神經(jīng)損傷疾病以及手外傷、截肢等肌肉骨骼損傷導(dǎo)致的上肢功能障礙和精細運動功能障礙患者的康復(fù)。上肢康復(fù)機器人在訓(xùn)練過程中采用運動學(xué)參數(shù)、動力學(xué)參數(shù)和電參數(shù)實時監(jiān)測患者上肢的運動功能，即使是在針對性強、干擾性大的活動中也可以精準(zhǔn)、靈敏地采集到相應(yīng)的參數(shù)[28]。運動學(xué)分析包括末端關(guān)節(jié)運動分析[29]、關(guān)節(jié)間（肢體間）協(xié)調(diào)性分析[30]和感覺運動分析[31]，可以確定患者腦卒中后上肢功能損傷的具體問題。采集特定關(guān)節(jié)的力、力矩等動力學(xué)參數(shù)可以評估患者腦卒中后上肢肌張力異常[32]和癱瘓[33]情況。采集肌電信號可以診斷患者運動過程中上肢肌肉協(xié)同激活情況[34-36]，

并根據(jù)其手臂行為建模評定上肢痙攣程度[37]。應(yīng)用上肢康復(fù)機器人精準(zhǔn)評測腦卒中患者的上肢運動和感覺功能，通過上肢肌力、關(guān)節(jié)活動度、肌張力、本體感覺、運動覺、肌電信號、肌肉行為模型等特征定量評定上肢關(guān)節(jié)的運動質(zhì)量和準(zhǔn)確性，有助于進一步指導(dǎo)康復(fù)訓(xùn)練，可以有效改善不同康復(fù)階段腦卒中患者的雙手協(xié)調(diào)性、精細動作能力和日常生活能力[28]。但當(dāng)前仍缺乏針對上肢康復(fù)機器人應(yīng)用于不同疾病患者康復(fù)評定的臨床標(biāo)準(zhǔn)，因此將運動學(xué)參數(shù)作為臨床結(jié)果的預(yù)測指標(biāo)向患者提供同步反饋時，仍然具有挑戰(zhàn)性。未來應(yīng)當(dāng)進一步探究上肢運動學(xué)參數(shù)的臨床意義，建立基于運動學(xué)參數(shù)的標(biāo)準(zhǔn)評估方案，以確保上肢機器人在康復(fù)評定中的有效性。

2.1.2 上肢康復(fù)機器人在上肢功能訓(xùn)練中的應(yīng)用

上肢康復(fù)機器人在功能訓(xùn)練中的應(yīng)用已較為成熟，已經(jīng)成為一種安全可行的神經(jīng)損傷疾病康復(fù)治療方法[18]。目前臨床常用的上肢康復(fù)機器人見表1[38-43]。

上肢康復(fù)機器人可以與患者進行精準(zhǔn)交互，在患者需要時提供支持，同時可以結(jié)合虛擬現(xiàn)實技術(shù)提供豐富的視覺輸入，輔助感覺運動訓(xùn)練，增加上肢功能訓(xùn)練的趣味性與挑戰(zhàn)性[44]。

Metzger J C等人[45]分別在真實環(huán)境和機器人系統(tǒng)創(chuàng)造的虛擬環(huán)境中采用上肢康復(fù)機器人ReHapticKnob對腦卒中患者進行手功能訓(xùn)練，通過觸覺辨別任務(wù)、教學(xué)和重復(fù)任務(wù)以及觸覺探索任務(wù)訓(xùn)練手抓握和前臂旋前功能，結(jié)果顯示機器人定量評價系統(tǒng)有助于患者改善手功能。Ranzani R等人[44]也進一步驗證了ReHapticKnob基于神經(jīng)認知療法可以改善腦卒中患者手的精細運動功能，并鼓勵患者居家使用該機器人進行大量重復(fù)訓(xùn)練。但當(dāng)前市場和臨床中針對腦卒中后康復(fù)的上肢機器人種類繁多，病程、訓(xùn)練強度、頻率的不同都會影響患者的功能結(jié)果。Rodgers H等人[46]通過一項770例中重度上肢功能受限腦卒中患者參與的多中心隨機對照研究發(fā)現(xiàn)，為期12周的上肢康復(fù)機器人MIT-Manus訓(xùn)練和增強上肢訓(xùn)練項目與傳統(tǒng)治療相比，療效無明顯差異。未來還需進一步加強以功能為導(dǎo)向的上肢康復(fù)機器人治療策略研究，以及對不同程度功能受限患者康復(fù)訓(xùn)練方案的制定。此外，居家康復(fù)的腦卒中患者對上肢康復(fù)機器人的需求也在逐年增加[47]，能夠滿足豐富的家居環(huán)境、提供上肢運動和日常生活活動訓(xùn)練、實現(xiàn)個體化康復(fù)且安全簡便的上肢康復(fù)機器人將是自動化康復(fù)的新趨勢。上肢康復(fù)機器人還可以應(yīng)用于多發(fā)性硬化患者的上肢功能訓(xùn)練，Cuesta-Gómez A等人[14]證明Leap Motion Controller上肢康復(fù)機器人系統(tǒng)與游戲結(jié)合可以有效改善多發(fā)性硬化患者上肢肌肉的肌力、靈活性、疲勞度、生活質(zhì)量、滿意度和依從性。ARMin[10，25]、Armeo[10]、InMotion ARM/ WRIST[48]、The Hand of Hope[49]、ReoGo[50]、Arm Light Exoskeleton（ALEx）[51]等上肢康復(fù)機器人也可應(yīng)用于脊髓損傷后患者上肢功能康復(fù)，但對四肢癱患者的上肢功能療效仍然有待驗證。

臨床文獻中常出現(xiàn)使用上肢康復(fù)機器人發(fā)生皮膚損傷和關(guān)節(jié)肌肉疼痛等不良反應(yīng)的報道[52]。

因此，應(yīng)用上肢康復(fù)機器人進行康復(fù)訓(xùn)練時應(yīng)及時監(jiān)測患者的反饋，減少不良事件的發(fā)生。上肢康復(fù)機器人的設(shè)計應(yīng)遵循安全、實用、精確原則，提高在不同場景的可用性[47，53]，與患者日常生活活動結(jié)合，提升趣味性，同時也應(yīng)完善風(fēng)險管理和控制系統(tǒng)[54]，提升康復(fù)治療師的操作專業(yè)性，進一步保障患者安全。

2.2 下肢康復(fù)機器人

2.2.1 下肢康復(fù)機器人在下肢功能評估中的應(yīng)用

下肢康復(fù)機器人可應(yīng)用于腦卒中、偏癱、腦癱、脊髓損傷、髖關(guān)節(jié)置換術(shù)后、膝關(guān)節(jié)置換術(shù)后、踝關(guān)節(jié)損傷、截肢等患者的下肢關(guān)節(jié)活動度、肌力、感覺、步態(tài)、平衡功能評估。常見的步態(tài)康復(fù)機器人內(nèi)設(shè)角度位置傳感器，可以定量測量患者下肢的主動關(guān)節(jié)活動度，Lokomat下肢康復(fù)機器人還可以測定患者下肢的被動關(guān)節(jié)活動度[55]。Lokomat[56]、ALEX[57]等下肢康復(fù)機器人內(nèi)設(shè)等速測力計或力傳感器，LOPES[58]內(nèi)設(shè)線性傳感器，可以測量下肢肌肉肌力。Lokomat還可以定量評定不完全性脊髓損傷患者髖關(guān)節(jié)和膝關(guān)節(jié)的位置覺[59]、運動覺[60]、步態(tài)參數(shù)（如步速和步長）[61-62]等，能監(jiān)測患者運動功能的變化，準(zhǔn)確反映功能改善的進展，具有良好的臨床可行性。但應(yīng)用下肢機器人對患者的感覺運動功能進行定量評定，需要建立標(biāo)準(zhǔn)化的評估方案以減小誤差，同時也應(yīng)對基于下肢機器人的康復(fù)評估方法進行心理學(xué)測量評價，提升其臨床效用性。

人工智能的發(fā)展為康復(fù)評估和個性化康復(fù)方案制定賦予了新的生機。人工智能和大數(shù)據(jù)技術(shù)的快速發(fā)展，數(shù)據(jù)驅(qū)動的康復(fù)進度評估正成為這個領(lǐng)域的重要研究方向。數(shù)據(jù)驅(qū)動的康復(fù)進度評估是通過收集、分析和利用各種康復(fù)相關(guān)的臨床資料，以便更準(zhǔn)確地評估患者的功能狀況和康復(fù)進展。人工智能不僅可以在低維度實現(xiàn)原始傳感器信號的過濾、融合、分析，還能在高維度分析患者的運動學(xué)、動力學(xué)、生理學(xué)、生活習(xí)慣、康復(fù)訓(xùn)練等數(shù)據(jù)，進一步提取有效信息從而指導(dǎo)精準(zhǔn)化、個體化康復(fù)方案制定。

2.2.2 下肢康復(fù)機器人在下肢功能訓(xùn)練中的應(yīng)用 下肢康復(fù)機器人常應(yīng)用于腦卒中、偏癱、腦癱、脊髓損傷、帕金森病、髖關(guān)節(jié)置換術(shù)后、膝關(guān)節(jié)置換術(shù)后、踝關(guān)節(jié)損傷、截肢等患者下肢的平衡及步行功能訓(xùn)練。下肢康復(fù)機器人可以在標(biāo)準(zhǔn)化的訓(xùn)練環(huán)境中提供精準(zhǔn)控制、重復(fù)和集中的步態(tài)訓(xùn)練[63]，減少康復(fù)治療師的負擔(dān)，為患者提供客觀定量的康復(fù)進展評估[64]。常見的已投入臨床應(yīng)用的下肢康復(fù)機器人見表2，如圖2[65-68]。

較早出現(xiàn)的步態(tài)康復(fù)機器人是Lokomat[69]，隨后又發(fā)展出了各種步態(tài)康復(fù)機器人，主要分為接地外骨骼式如LOPES[58]，ALEX[57]，末端牽引式如Gait Trainer[70]，Haptic Walker[71]和穿戴式外骨骼如ReWalk[72]，Indego[67]。有Meta分析表明步態(tài)康復(fù)機器人可以在兼顧安全性、運動輔助和訓(xùn)練強度的多模態(tài)康復(fù)環(huán)境下有效改善多發(fā)性硬化患者的平衡和步態(tài)功能[73]。應(yīng)用外骨骼機器人Lokomat的康復(fù)訓(xùn)練在改善腦卒中患者步行功能的同時，也能夠改善其平衡功能[74]。國內(nèi)研發(fā)的具有代表性的下肢康復(fù)機器人有北京大艾科技有限公司研發(fā)的AiWalker和AiLegs機器人[75-76]，可應(yīng)用于常見骨關(guān)節(jié)疾病術(shù)后、神經(jīng)損傷疾病等患者的個性化康復(fù)訓(xùn)練，主要輔助患者的規(guī)范步態(tài)訓(xùn)練。還有上海傅立葉智能科技有限公司研發(fā)的Fourier X2可穿戴下肢外骨骼機器人，通過智能傳感技術(shù)、運動控制等識別患者的運動意圖，并根據(jù)運動學(xué)信息進行動態(tài)調(diào)整動力輸出，用于輔助行走、康復(fù)訓(xùn)練[77]。

此外，軟體康復(fù)機器人是近年來康復(fù)科學(xué)領(lǐng)域新興的一種機器人類型，它們的主要特點是利用柔性材料（例如針織物、氣囊、柔性繩索等）來模擬人體肌肉的動態(tài)性能，實時輔助患者的動作，從而驅(qū)動步態(tài)訓(xùn)練[78-80]。美國哈佛大學(xué)開發(fā)的軟體機器人系統(tǒng)Soft Exosuit由智能化電子系統(tǒng)、傳感器和執(zhí)行器組成，電子系統(tǒng)用于控制執(zhí)行器的運動，執(zhí)行器通過電纜提供動力幫助穿戴者行走，從而有效協(xié)助患者的主動訓(xùn)練，傳感器則用于感知穿戴者的行走狀態(tài)和動態(tài)[78]。國內(nèi)也發(fā)布了一款肌肉外甲，可以實時助力患者下肢肌肉從而有效協(xié)助其主動訓(xùn)練，加速康復(fù)過程[81]。在安全性上，相比傳統(tǒng)的硬質(zhì)機器人，軟體康復(fù)機器人因材料的柔韌性，降低了對人體可能產(chǎn)生的傷害風(fēng)險。在適應(yīng)性上，由于軟性材料可以形變，使得軟體康復(fù)機器人能夠更好地適應(yīng)人體的各種姿態(tài)和形狀，從而提供更加貼合的康復(fù)訓(xùn)練。在舒適性上，軟體材料的觸感接近人體皮膚，體感更為舒適，從而增加患者的接受度和積極性。軟體康復(fù)機器人的發(fā)展體現(xiàn)了機器人硬件技術(shù)的更新，促進了康復(fù)訓(xùn)練場景的擴大和穿戴體驗的提升。

應(yīng)用下肢康復(fù)機器人進行康復(fù)訓(xùn)練時，涉及患者、康復(fù)治療師和設(shè)備的多方交互，在“人-機器人-環(huán)境”復(fù)雜的人因系統(tǒng)中，保障患者的安全、提升人機交互的安全性是首要任務(wù)[82]。影響下肢康復(fù)機器人使用安全性的因素較多，如機器人設(shè)備穩(wěn)定性、設(shè)備類型、康復(fù)訓(xùn)練任務(wù)、操作人員、患者疾病種類及殘存功能等因素[82]。應(yīng)用下肢康復(fù)機器人進行功能訓(xùn)練時最常見的不良反應(yīng)為皮膚及軟組織損傷、跌倒及相關(guān)損傷、骨折、直立性低血壓、關(guān)節(jié)肌肉疼痛等[83-84]。CHEN S J等人[76]在一項驗證AiLegs外骨骼機器人對脊髓損傷患者的安全性研究中報告了2例輕度皮膚擦傷（腰骶區(qū)和左腰椎區(qū)），1例雙側(cè)足跟壓瘡，1例跟骨壓縮性骨折，提示在進行下肢康復(fù)機器人訓(xùn)練前需要評估患者下肢的負重能力，進行適應(yīng)性訓(xùn)練之前逐漸增加負重的數(shù)量和持續(xù)時間，在每次使用外骨骼設(shè)備訓(xùn)練時，特別是在使用的初始階段，仔細檢查患者的皮膚顏色確保沒有壓瘡和骨折。Benson I等人[85]也報告了在一項研究中應(yīng)用ReWalk外骨骼機器人時皮膚損傷的發(fā)生率很高：10例入組脊髓損傷患者中有5例至少發(fā)生過一次輕度皮膚損傷，其中2例因反復(fù)出現(xiàn)皮膚破裂問題而退出研究。據(jù)一項Meta分析報道，使用下肢外骨骼機器人進行的步行康復(fù)訓(xùn)練項目中骨折的發(fā)生率約為3.4%[86]，因此在進行相應(yīng)訓(xùn)練時需要關(guān)注患者的骨質(zhì)情況（如骨質(zhì)疏松），隨時檢查人機的對位對線情況以防止應(yīng)力性骨折[83，87]。在一項應(yīng)用HAL外骨骼機器人進行康復(fù)訓(xùn)練的研究中，22例受試者中有5例發(fā)生直立性低血壓[88]。此外，痙攣會對人機交互的安全性產(chǎn)生一定影響，因此大多數(shù)下肢康復(fù)機器人的驗證研究都把痙攣作為招募受試者的排除標(biāo)準(zhǔn)之一。Borggraefe I等人[89]報道了使用Lokomat進行步行訓(xùn)練時，一例兒童因嚴重痙攣產(chǎn)生人機抵抗，造成機器突然制動；而另一例兒童在機器人輔助訓(xùn)練前經(jīng)肉毒素注射治療后痙攣緩解，進而減少了機器人訓(xùn)練時的不良反應(yīng)。因此，使用下肢機器人進行康復(fù)訓(xùn)練時也應(yīng)關(guān)注患者的痙攣情況，考慮結(jié)合其他有效治療緩解痙攣后再進行機器人的適應(yīng)性訓(xùn)練，未來還需要更多研究探究存在痙攣的用戶與機器人的交互性，從而保障用戶的安全。為進一步提升下肢康復(fù)機器人的使用安全性，應(yīng)當(dāng)監(jiān)測使用過程中不良反應(yīng)的發(fā)生，評估患者的基礎(chǔ)情況，制定科學(xué)的康復(fù)方案，完善康復(fù)機器人的風(fēng)險管理及控制系統(tǒng)[90]，提升康復(fù)治療師的操作培訓(xùn)質(zhì)量[87]，從而保障患者的安全。

2.3 軀干康復(fù)機器人

2.3.1 軀干康復(fù)機器人在軀干功能評估中的應(yīng)用 軀干康復(fù)機器人相比應(yīng)用廣泛的上肢和下肢康復(fù)機器人來說仍處于初步探索階段，當(dāng)前相關(guān)報道較少，具體見表3，如圖3[91-94]。

美國哥倫比亞大學(xué)研發(fā)的Trunk Support Trainer （TruST）[91]是目前比較成熟的可應(yīng)用于脊髓損傷患者軀干功能評估和訓(xùn)練的軀干機器人，由四根纜繩沿著水平面系在軀干腰帶上，在一個固定的框架上安裝了四個驅(qū)動器，彈簧和測壓元件與每根電纜串聯(lián)在一起，在參考框架的中間設(shè)置了患者的測試坐臺。TruST應(yīng)用坐臺上的測力板監(jiān)測胸段脊髓損傷患者在坐姿控制極限下8個方向的主動軀干活動時的壓力中心變化，來評估其軀干控制能力[95]。但TruST不能為患者在坐姿活動時提供有效支撐，也只局限于軀干的動態(tài)活動監(jiān)測，缺乏靜態(tài)、預(yù)期性活動的定量評定。該系統(tǒng)只適合不完全性脊髓損傷以及損傷平面較低的患者，TruST在不同損傷程度和損傷平面的頸段脊髓損傷（Spinal Cord Injury，SCI）患者中的臨床適用性仍需要更多研究去證實。

美國懷俄明大學(xué)研發(fā)的Robotic Spine Exoskeleton （RoSE）[96]由兩個6自由度并行的驅(qū)動模塊串聯(lián)組成，每一個模塊由六個驅(qū)動臂構(gòu)成。應(yīng)用該軀干外骨骼機器人可以通過三維對比，量化脊柱變形個體與健康人的脊柱剛度差異。在RoSE的最新研究進展中，12位健康受試者穿戴RoSE 進行坐位到站立位的轉(zhuǎn)移、步行和舉重物三個活動，通過表面肌電圖、三維運動捕捉系統(tǒng)采集受試者的軀干活動度、肌肉激活情況，結(jié)果顯示穿戴RoSE給受試者的胸部和腹部的負荷在不同的肌肉激活程度和在執(zhí)行不同任務(wù)時是不同的[92]，由此提示在設(shè)計脊柱外骨骼機器人時要考慮到外骨骼的材質(zhì)和穿戴體驗，才能提高脊髓損傷患者的滿意度和接受度。此外，RoSE目前只能針對恢復(fù)站立、步行功能的SCI患者，而對于絕大多數(shù)不能步行的SCI患者其軀干控制功能是無法通過穿戴RoSE完成自主站立和步行功能評估的。

北京大學(xué)專門針對不能步行的脊髓損傷患者研發(fā)了動態(tài)脊柱支撐機器人RoboBDsys[93]，由胸腔環(huán)帶、3個線性驅(qū)動器以及一個坐位平臺組成。該機器人通過人體運動傳感檢測和智能機器人控制算法器實現(xiàn)與患者的軀干運動實時交互，在給患者軀干提供有效支撐的同時捕捉到軀干的運動學(xué)和動力學(xué)數(shù)據(jù)，從而精準(zhǔn)識別患者的軀干肌力、關(guān)節(jié)活動范圍、關(guān)節(jié)運動速度、壓力中心的位移等生物力學(xué)參數(shù)，明確患者的軀干控制能力和主要問題，從而更好地指導(dǎo)康復(fù)訓(xùn)練。

智能化康復(fù)機器人通過內(nèi)設(shè)的運動傳感器和智能機器人控制算法器實現(xiàn)與不同類型患者的軀干運動實時交互，捕捉到軀干控制的生物力學(xué)參數(shù)，如方向、角度、角速度、力矩、壓力中心、軀干運動時的肌肉激活程度等?？祻?fù)機器人實現(xiàn)了整合三維運動捕捉系統(tǒng)、測力計、測速儀、平衡測試儀、表面肌電圖等幾大生物力學(xué)參數(shù)評定常用儀器，實現(xiàn)一體多面，極大地節(jié)省了物理空間，簡化了測試流程，壓縮了評估時間和人力成本，提高了康復(fù)評定的效率。還可以為患者提供個性化的康復(fù)方案，能夠及時、精準(zhǔn)、有效地提供反饋從而指導(dǎo)SCI患者的康復(fù)訓(xùn)練。

2.3.2 軀干康復(fù)機器人在軀干功能訓(xùn)練中的應(yīng)用 英國劍橋大學(xué)研發(fā)的Wheelchair Robot for Active Postural Support （WRAPS）[97]由兩個胸部和臀部的環(huán)帶組成一個并聯(lián)機器人裝置連接，針對有軀干控制障礙的脊髓損傷患者提供坐位軀干支撐，可以在完全性脊髓損傷患者或高位截癱患者中使用。但該系統(tǒng)的主要功能是提供軀干的支撐，缺乏康復(fù)評定系統(tǒng)，無法針對脊髓損傷患者軀干控制能力的生物力學(xué)參數(shù)進行實時識別和反饋，能提供的康復(fù)訓(xùn)練也非常有限。目前在健康受試者穿戴試驗中仍采用額外的儀器設(shè)備如運動捕捉系統(tǒng)和表面肌電圖來采集受試者在坐位下的軀干活動度、肌力和肌肉激活程度。北京大學(xué)研發(fā)的RoboBDsys機器人系統(tǒng)考慮到穿戴者在不同康復(fù)階段的康復(fù)需求，早期損傷或是高位截癱患者肌肉力量弱、運動能力弱，康復(fù)方式以被動訓(xùn)練和助力運動為主，機器人可以給軀干提供縱向支撐，并且采用支撐性強、自由度稍低的結(jié)構(gòu)規(guī)范輔助患者康復(fù)。康復(fù)中后期或是低位截癱患者肌肉力量恢復(fù)，采用主動和抗阻運動相結(jié)合的康復(fù)模式，在保證患者安全的前提下適當(dāng)增加運動關(guān)節(jié)自由度，促進患者自主運動，提高康復(fù)效果。這種專門適用于脊髓損傷患者的動態(tài)脊柱支撐系統(tǒng)設(shè)計在保障患者與機器人交互安全性的同時，極大地降低了脊髓損傷患者的坐位壓力，可以提供脊柱的縱向支撐力，從而減少壓瘡，個體化適配的穿戴部件增加了設(shè)備穿戴的舒適度和貼合度，訓(xùn)練過程中強調(diào)患者主動參與，結(jié)合生物反饋和虛擬現(xiàn)實技術(shù)，將患者的運動學(xué)參數(shù)、動力學(xué)參數(shù)實時反映到屏幕上，增加視覺反饋輸入和訓(xùn)練的趣味性，易于被患者接受。

當(dāng)前國外開發(fā)的幾款軀干外骨骼康復(fù)機器人在面向患者的應(yīng)用時側(cè)重點不同，在提供支撐、康復(fù)評估、穿戴設(shè)計上各有側(cè)重，康復(fù)評定也只局限于軀干的動態(tài)活動監(jiān)測，缺乏靜態(tài)、預(yù)期性活動的定量評定，在患者中的適用性仍需要進一步探究。此外，當(dāng)前的幾款軀干外骨骼機器人在不同損傷程度的患者中的臨床適用性仍需要更多研究去證實。

2.4 腦機接口技術(shù)在康復(fù)醫(yī)學(xué)領(lǐng)域的綜合應(yīng)用 腦機接口技術(shù)是近年來迅速發(fā)展的一項新興技術(shù)。這項技術(shù)結(jié)合了神經(jīng)生理學(xué)、計算機科學(xué)和工程學(xué)的方法、途徑和概念，通過采集大腦信號，分析、轉(zhuǎn)換為輸出命令，再傳輸?shù)綀?zhí)行特定任務(wù)的應(yīng)用程序，從而在人體大腦和外部設(shè)備之間建立實時的雙向聯(lián)系[98]，其主要目標(biāo)是利用大腦分布和動態(tài)回路的操作原理和可塑性來創(chuàng)造新的治療方法，以改善嚴重殘疾患者的感覺、運動和言語交流功能，促進其活動和參與。腦機接口技術(shù)在康復(fù)醫(yī)學(xué)領(lǐng)域中針對的嚴重功能障礙患者主要包括脊髓損傷、腦卒中、腦癱、阿爾茨海默病、癲癇、多發(fā)性硬化、帕金森病等神經(jīng)系統(tǒng)疾病[99-101]和肌萎縮側(cè)索硬化癥、肌營養(yǎng)失調(diào)等神經(jīng)肌肉進展性疾病[102]，該技術(shù)在康復(fù)醫(yī)學(xué)中主要通過功能補償和功能恢復(fù)來改善患者的功能障礙[103]。功能補償是指將腦機接口技術(shù)與輔助性設(shè)備結(jié)合來替代喪失的神經(jīng)功能，以提高患者與各種環(huán)境或活動的交互或控制能力，如拼寫器、神經(jīng)假肢、移動機器臂和輪椅等[104-105]。功能恢復(fù)則是指通過腦機接口技術(shù)誘導(dǎo)活動依賴性的神經(jīng)可塑性，一方面調(diào)節(jié)大腦信號特征激活大腦皮質(zhì)，另一方面通過運動再學(xué)習(xí)促進大腦重塑提高感覺運動功能[98]。

當(dāng)前在康復(fù)醫(yī)學(xué)領(lǐng)域的相關(guān)研究中，腦機接口技術(shù)與輔助性設(shè)備[106]、虛擬現(xiàn)實技術(shù)[107]、功能性電刺激[108]和經(jīng)顱直流電刺激[109]等相結(jié)合，具體可應(yīng)用于①運動功能的康復(fù)：包括上肢、下肢及步行功能的改善[101]。②言語交流功能的康復(fù)：主要針對肌萎縮側(cè)索硬化癥、中樞神經(jīng)系統(tǒng)疾病引起的閉鎖綜合征等進而導(dǎo)致的交流障礙患者，應(yīng)用腦機接口技術(shù)將患者的腦電信號轉(zhuǎn)換為控制字母、數(shù)字、網(wǎng)格、光標(biāo)和網(wǎng)絡(luò)瀏覽工具的命令，將反饋可視化從而完成交流[110]。雖然腦機接口技術(shù)具有較大的應(yīng)用潛力，但是目前絕大多數(shù)腦機接口系統(tǒng)仍處于實驗室階段，未來仍需要更多的研究去探索和驗證該技術(shù)在不同患者的臨床康復(fù)中的應(yīng)用價值和作用機制，進而造福功能障礙患者。

3 總結(jié)與展望

機器人為康復(fù)醫(yī)學(xué)帶來了新的機遇與挑戰(zhàn)，為康復(fù)從業(yè)人員創(chuàng)造了更高效、多樣的康復(fù)技術(shù)，為廣大功能障礙患者提供了更豐富的康復(fù)選擇，向促進患者功能恢復(fù)、改善生活質(zhì)量的愿景前進了一大步。當(dāng)前應(yīng)用較為成熟的上肢和下肢康復(fù)機器人在神經(jīng)損傷、肌肉骨骼損傷等功能障礙患者的康復(fù)評定和康復(fù)訓(xùn)練中具備一定的臨床實用性，與虛擬現(xiàn)實技術(shù)和人工智能緊密結(jié)合，很大程度上提升了康復(fù)訓(xùn)練的趣味性和高效性。但當(dāng)前對康復(fù)機器人應(yīng)用于不同疾病損傷、不同康復(fù)階段的臨床效果仍有待探究，尤其是對機器人介導(dǎo)的康復(fù)治療方案包括訓(xùn)練強度、頻率、方法等的制定仍存在很大爭議。如何從患者的需求出發(fā)，根據(jù)定量評測結(jié)果設(shè)計個性化治療方案，并有效評價康復(fù)療效從而進行反饋和調(diào)整，是機器人在康復(fù)醫(yī)學(xué)領(lǐng)域應(yīng)用的重點和難點。軀干康復(fù)機器人作為發(fā)展較為緩慢的機器人技術(shù)，也逐漸從研究階段走向臨床。而當(dāng)前比較新興的腦機接口技術(shù)推動了康復(fù)醫(yī)學(xué)的進一步發(fā)展，為更多患者帶來康復(fù)的希望?？祻?fù)數(shù)字化加人工智能延伸了康復(fù)場景，從臨床康復(fù)、社區(qū)康復(fù)、居家康復(fù)再到遠程康復(fù)，機器人技術(shù)為處于不同階段或地域的有康復(fù)需求的人群創(chuàng)造了更豐富的康復(fù)訓(xùn)練環(huán)境，能夠有針對性地實現(xiàn)個體化康復(fù)。

盡管康復(fù)機器人的發(fā)展前景充滿希望，但也面臨著更多的挑戰(zhàn)。首先，從技術(shù)角度來看，康復(fù)機器人需要能夠理解和模擬復(fù)雜的人體生物力學(xué)，實現(xiàn)同步配合動作，設(shè)備需要精確的評估和力量的控制，而且這一需求會延伸到日常生活的復(fù)雜場景中，要確保機器人在和患者互動時不會對患者造成傷害。此外，康復(fù)機器人還需要對人體動作和相關(guān)的神經(jīng)重塑有深度理解，以便更好地進行康復(fù)訓(xùn)練。然而，目前不論是康復(fù)機器人的硬件和軟件都還處于不夠成熟的階段，需要更多的硬件迭代和數(shù)據(jù)的積累與訓(xùn)練學(xué)習(xí)，這是康復(fù)機器人面臨的技術(shù)挑戰(zhàn)。其次，從解決方案上來看，康復(fù)機器人的標(biāo)準(zhǔn)和相應(yīng)的法規(guī)還不夠明確，其涉及的醫(yī)療責(zé)任、數(shù)據(jù)安全、隱私保護等問題，需要有清晰的法規(guī)進行規(guī)范。最后，從經(jīng)濟角度來看，康復(fù)機器人的研發(fā)和生產(chǎn)成本高昂，在一定程度上限制了其推廣。

隨著人工智能和數(shù)據(jù)分析技術(shù)的發(fā)展，更便攜、智能的康復(fù)機器人一定是未來發(fā)展方向。在硬件方面，康復(fù)機器人會更加集成化和小巧，具備更多傳感器和執(zhí)行器，使其更好地理解和配合人體動作。在軟件方面，康復(fù)機器人可能會通過增強學(xué)習(xí)等機器學(xué)習(xí)技術(shù)，提高其智能水平，使其能夠根據(jù)實時反饋調(diào)整康復(fù)策略。未來康復(fù)機器人不僅能提供康復(fù)訓(xùn)練，它們也可能成為患者生活中必要的一部分來提供日常生活的輔助和助力。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：施杰洪負責(zé)設(shè)計論文框架，起草并修改論文；王寧華負責(zé)擬定寫作思路，指導(dǎo)撰寫文章并最后定稿。

參考文獻

[1] O?a E， Cano-de La Cuerda R， Sánchez-Herrera P， et al. A review of robotics in neurorehabilitation： towards an automated process for upper limb[J]. J Healthc Eng， 2018， 2018： 9758939.

[2] de-la-Torre R， Oa E， Balaguer C， et al. Robot-aided systems for improving the assessment of upper limb spasticity： a systematic review[J]. Sensors （Basel， Switzerland）， 2020， 20（18）： 5251.

[3] Morone G， Cocchi I， Paolucci S， et al. Robot-assisted therapy for arm recovery for stroke patients： state of the art and clinical implication[J]. Expert Rev. Med. Devices， 2020， 17（3）： 223-233.

[4] Pignolo L. Robotics in neuro-rehabilitation[J]. J Rehabil Med， 2009， 41（12）： 955-960.

[5] Sale A， Berardi N， Maffei L. Enrich the environment to empower the brain[J]. Trends Neurosci， 2009， 32（4）： 233-239.

[6] Gerloff C， Bushara K， Sailer A， et al. Multimodal imaging of brain reorganization in motor areas of the contralesional hemisphere of well recovered patients after capsular stroke[J]. Brain， 2006， 129（Pt 3）： 791-808.

[7] Nudo R J. Postinfarct cortical plasticity and behavioral recovery[J]. Stroke， 2007， 38（2 Suppl）： 840-845.

[8] Feys H， De Weerdt W， Verbeke G， et al. Early and repetitive stimulation of the arm can substantially improve the long-term outcome after stroke： a 5-year follow-up study of a randomized trial[J]. Stroke， 2004， 35（4）： 924-929.

[9] Lo A C， Guarino P D， Richards L G， et al. Robot-assisted therapy for long-term upper-limb impairment after stroke[J]. N Engl J Med， 2010， 362（19）： 1772-1783.

[10] Klamroth-Marganska V， Blanco J， Campen K， et al. Three-dimensional， task-specific robot therapy of the arm after stroke： a multicentre， parallel-group randomised trial[J]. Lancet Neurol， 2014， 13（2）： 159-166.

[11] Hubbard I J， Carey L M， Budd T W， et al. A randomized controlled trial of the effect of early upper-limb training on stroke recovery and brain activation[J]. Neurorehabil Neural Repair， 2015， 29（8）："703-713.

[12] Bressi F， Bravi M， Campagnola B， et al. Robotic treatment of the upper limb in chronic stroke and cerebral neuroplasticity： a systematic review[J]. J Biol Regul Homeost Agents.， 2020， 34（5 Suppl. 3）： 11-44.

[13] Molteni F， Gasperini G， Cannaviello G， et al. Exoskeleton and end-effector robots for upper and lower limbs rehabilitation： narrative review[J]. PMR， 2018， 10（9 Suppl 2）： S174-S188.

[14] Cuesta-Gómez A， Sánchez-Herrera-Baeza P， O?a-Simba?a E D， et al. Effects of virtual reality associated with serious games for upper limb rehabilitation inpatients with multiple sclerosis： randomized controlled trial[J]. J Neuroeng Rehabil， 2020， 17（1）： 90.

[15] TANG J S， LIU Y D， HU D W， et al. Towards BCI-actuated smart wheelchair system[J]. Biomed Eng Online， 2018， 17（1）： 111.

[16] Hillman M， Hagan K， Hagan S， et al. A wheelchair mounted assistive robot[J]. Hagan Kl， 1999.

[17] 杜妍辰， 張鑫， 喻洪流. 下肢康復(fù)機器人研究現(xiàn)狀[J]. 生物醫(yī)學(xué)工程學(xué)進展， 2022， 43（2）： 88-91.

[18] Bertani R， Melegari C， De Cola M C， et al. Effects of robot-assisted upper limb rehabilitation in stroke patients： a systematic review with meta-analysis[J]. Neurol Sci， 2017， 38（9）： 1561-1569.

[19] Sale P， Franceschini M， Mazzoleni S， et al. Effects of upper limb robot-assisted therapy on motor recovery in subacute stroke patients[J]. J Neuroeng Rehabil， 2014. DOI： 10.1186/1743-0003-11-104.

[20] Lum P S， Burgar C G， Shor P C. Use of the MIME robotic system to retrain multijoint reaching in post-stroke hemiparesis： why some movement patterns work better than others[J]. IEEE， 2003.DOI： 10.1109/IEMBS.2003.1279614.

[21] Burgar C G， Lum P S， Shor P C， et al. Development of robots for rehabilitation therapy： the Palo Alto VA/Stanford experience[J]. J Rehabil Res Dev， 2000， 37（6）： 663-673.

[22] ZHANG Y B， WANG Z X， JI L H， et al. The clinical application of the upper extremity compound movements rehabilitation training robot[C]//9th International Conference on Rehabilitation Robotics， 2005.

[23] Lo H S， XIE S Q. Exoskeleton robots for upper-limb rehabilitation： state of the art and future prospects[J]. Med Eng Phys， 2012， 34（3）： 261-268.

[24] Lee S H， Park G， Cho D Y， et al. Comparisons between end-effector and exoskeleton rehabilitation robots regarding upper extremity function among chronic stroke patients with moderate-to-severe upper limb impairment[J]. Sci Rep， 2020， 10（1）： 1806.

[25] Brokaw E B， Nichols D， Holley R J， et al. Robotic therapy provides a stimulus for upper limb motor recovery after stroke that is complementary to and distinct from conventional therapy[J]. Neurorehabil Neural Repair， 2014， 28（4）： 367-376.

[26] Nam K Y， Kim H J， Kwon B S， et al. Robot-assisted gait training （Lokomat） improves walking function and activity in people with spinal cord injury： a systematic review[J]. J Neuroeng Rehabil， 2017， 14（1）： 24.

[27] Esquenazi A， Talaty M， Packel A， et al. The ReWalk powered exoskeleton to restore ambulatory function to individuals with thoracic-level motor-complete spinal cord injury[J]. Am J Phys Med Rehabil， 2012， 91（11）： 911-921.

[28] Nordin N， XIE S Q， Wünsche B. Assessment of movement quality in robot- assisted upper limb rehabilitation after stroke： a review[J]. J Neuroeng Rehabil， 2014， 11： 137.

[29] Alt Murphy M， Willén C， Sunnerhagen K S. Kinematic variables quantifying upper-extremity performance after stroke during reaching and drinking from a glass[J]. Neurorehabil Neural Repair， 2011， 25（1）： 71-80.

[30] Johnson M J， FENG X， Johnson L M， et al. Robotic systems that rehabilitate as well as motivate： Three strategies for motivating impaired arm use[J].IEEE， 2006.DOI： 10.1109/BIOROB. 2006.1639095.

[31] Dukelow S P， Herter T M， Bagg S D， et al. The independence of deficits in position sense and visually guided reaching following stroke[J]. J Neuroeng Rehabil， 2012. DOI： 10.1186/1743-0003-9-72.

[32] Abdullah H A， Tarry C， Datta R， et al. Dynamic biomechanical model for assessing and monitoring robot-assisted upper-limb therapy[J]. J Rehabil Res Dev， 2007， 44（1）： 43-62.

[33] Colombo R， Pisano F， Mazzone A， et al. Motor performance evaluation to improve patient’s compliance during robot-aided rehabilitation[C].IEEE/RAS-EMBS International Conference on Biomedical Robotics amp; Biomechatronics.IEEE， 2001.DOI： 10.1109/BIOROB.2006.1639237.

[34] Kung P-C， Lin C-C K， Ju M-S. Neuro-rehabilitation robot-assisted assessments of synergy patterns of forearm， elbow and shoulder joints in chronic stroke patients[J]. Clin Biomech （Bristol， Avon）， 2010， 25（7）： 647-654.

[35] Lewis G N， Perreault E J. An assessment of robot-assisted bimanual movements on upper limb motor coordination following stroke[J]. IEEE Trans Neural Syst Rehabil Eng， 2009， 17（6）： 595-604.

[36] Zollo L， Rossini L， Bravi M， et al. Quantitative evaluation of upper-limb motor control in robot-aided rehabilitation[J]. Med Biol Eng Comput， 2011， 49（10）： 1131-1144.

[37] de-la-Torre R， O?a E D， Balaguer C， et al. Robot-aided systems for improving the assessment of upper limb spasticity： a systematic review[J]. Sensors （Basel， Switzerland）， 2020， 20（18）： 5251.

[38] Krebs H I， Ferraro M， Buerger S P， et al. Rehabilitation robotics： pilot trial of a spatial extension for MIT-Manus[J]. J Neuroeng Rehabil， 2004， 1（1）： 5.

[39] Klamroth-Marganska V， Blanco J， Campen K， et al. Three-dimensional， task-specific robot therapy of the arm after stroke： a multicentre， parallel-group randomised trial[J]. Lancet Neurol， 2014， 13（2）： 159-166.

[40] Burgar C G， Lum P S， Scremin A M， et al. Robot-assisted upper-limb therapy in acute rehabilitation setting following stroke： Department of Veterans Affairs multisite clinical trial[J]. J Rehabil Res Dev， 2011， 48（4）： 445-458.

[41] Takebayashi T， Takahashi K， Okita Y， et al. Impact of the robotic-assistance level on upper extremity function in stroke patients receiving adjunct robotic rehabilitation： sub-analysis of a randomized clinical trial[J]. J Neuroeng Rehabil， 2022， 19（1）： 25.

[42] Metzger J C， Lambercy O， Califfi A， et al. Neurocognitive robot-assisted therapy of hand function[J]. IEEE Trans Haptics， 2014， 7（2）： 140-149.

[43] Pirondini E， Coscia M， Marcheschi S， et al. Evaluation of the effects of the Arm Light Exoskeleton on movement execution and muscle activities： a pilot study on healthy subjects[J]. J Neuroeng Rehabil， 2016. DOI： 10.1186/s12984-016-0117-x.

[44] Ranzani R， Lambercy O， Metzger J-C， et al. Neurocognitive robot-assisted rehabilitation of hand function： a randomized control trial on motor recovery in subacute stroke[J]. J Neuroeng Rehabil， 2020， 17（1）： 115.

[45] Metzger J C， Lambercy O， Califfi A， et al. Assessment-driven selection and adaptation of exercise difficulty in robot-assisted therapy： a pilot study with a hand rehabilitation robot[J]. J Neuroeng Rehabil， 2014. DOI： 10.1186/1743-0003-11-154.

[46] Rodgers H， Bosomworth H， Krebs H I， et al. Robot assisted training for the upper limb after stroke （RATULS）： a multicentre randomised controlled trial[J]. Lancet， 2019， 394（10192）： 51-62.

[47] LI L T， FU Q， Tyson S， et al. A scoping review of design requirements for a home-based upper limb rehabilitation robot for stroke[J]. Top Stroke Rehabil， 2022， 29（6）： 449-463.

[48] Cortes M， Elder J， Rykman A， et al. Improved motor performance in chronic spinal cord injury following upper-limb robotic training[J]. NeuroRehabilitation， 2013， 33（1）： 57-65.

[49] Lu Z， Tong K-Y， Shin H， et al. Robotic hand-assisted training for spinal cord injury driven by myoelectric pattern recognition： a case report [J]. Am J Phys Med Rehabil， 2017， 96（10 Suppl 1）： S146-S149.

[50] Siedziewski L， Schaaf R C， Mount J. Use of robotics in spinal cord injury： a case report[J]. Am J Occup Ther， 2012， 66（1）： 51-58.

[51] Mekki M， Delgado A D， Fry A， et al. Robotic rehabilitation and spinal cord injury： a narrative review[J]. Neurotherapeutics， 2018， 15（3）： 604-617.

[52] Takebayashi T， Takahashi K， Amano S， et al. Robot-assisted training as self-training for upper-limb hemiplegia in chronic stroke： a randomized controlled trial[J]. Stroke， 2022， 53（7）： 2182-2191.

[53] Popescu D， Manta F， Rusu L， et al. Upper limb rehabilitation robotic system requirements analysis[C]//International Conference on Robotics in Alpe-Adria Danube Region.2018.DOI： 10.1007/978-3-319-61276-8_98.

[54] Tucan P， Gherman B， Major K， et al. Fuzzy logic-based risk assessment of a parallel robot for elbow and wrist rehabilitation[J]. Int J Environ Res Public Health， 2020， 17（2）： 654.

[55] Maggioni S， Melendez-Calderon A， van Asseldonk E， et al. Robot-aided assessment of lower extremity functions： a review[J]. J Neuroeng Rehabil， 2016， 13（1）： 72.

[56] Riener R， Lünenburger L， Maier I C， et al. Locomotor training in subjects with sensori-motor deficits： An overview of the robotic gait orthosis lokomat[J]. J Healthc Eng， 2010， 1（2）： 197-216.

[57] Banala S K， Kim S H， Agrawal S K， et al. Robot assisted gait training with active leg exoskeleton （ALEX）[J]. IEEE Trans Neural Syst Rehabil Eng， 2009， 17（1）： 2-8.

[58] Veneman J F， Kruidhof R， Hekman E E G， et al. Design and evaluation of the LOPES exoskeleton robot for interactive gait rehabilitation[J]. IEEE Trans Neural Syst Rehabil Eng， 2007， 15（3）： 379-386.

[59] Domingo A， Lam T. Reliability and validity of using the Lokomat to assess lower limb joint position sense in people with incomplete spinal cord injury[J]. J Neuroeng Rehabil， 2014， 11： 167.

[60] Chisholm A E， Domingo A， Jeyasurya J， et al. Quantification of lower extremity kinesthesia deficits using a robotic exoskeleton in people with a spinal cord injury[J]. Neurorehabil Neural Repair， 2016， 30（3）： 199-208.

[61] Koopman B， van Asseldonk E H F， van der Kooij H. Selective control of gait subtasks in robotic gait training： foot clearance support in stroke survivors with a powered exoskeleton[J]. J Neuroeng Rehabil， 2013. DOI： 10.1186/1743-0003-10-3.

[62] Hidler J， Wisman W， Neckel N. Kinematic trajectories while walking within the Lokomat robotic gait-orthosis[J]. Clin Biomech （Bristol， Avon）， 2008， 23（10）： 1251-1259.

[63] Carpino G， Pezzola A， Urbano M， et al. Assessing effectiveness and costs in robot-mediated lower limbs rehabilitation： a Meta-analysis and state of the art[J]. J Healthc Eng， 2018， 2018： 7492024.

[64] Bruni M F， Melegari C， De Cola M C， et al. What does best evidence tell us about robotic gait rehabilitation in stroke patients： a systematic review and meta-analysis[J]. J Clin Neurosci， 2018， 48： 11-17.

[65] Munera M， Marroquin A， Jimenez L， et al. Lokomat therapy in Colombia： Current state and cognitive aspects [J]. IEEE Int Conf Rehabil Robot， 2017， 2017： 394-399.

[66] Zeilig G， Weingarden H， Zwecker M， et al. Safety and tolerance of the ReWalk? exoskeleton suit for ambulation by people with complete spinal cord injury： a pilot study[J]. J Spinal Cord Med， 2012， 35（2）： 96-101.

[67] Hartigan C， Kandilakis C， Dalley S， et al. Mobility outcomes following five training sessions with a powered exoskeleton[J]. Top Spinal Cord Inj Rehabil， 2015， 21（2）： 93.

[68] Kozlowski A J， Bryce T N， Dijkers M P. Time and effort required by persons with spinal cord injury to learn to use a powered exoskeleton for assisted walking[J]. Top Spinal Cord Inj Rehabil， 2015， 21（2）： 110-121.

[69] Colombo G， Joerg M， Schreier R， et al. Treadmill training of paraplegic patients using a robotic orthosis[J]. J Rehabil Res Dev， 2000， 37（6）： 693-700.

[70] Hesse S， Uhlenbrock D. A mechanized gait trainer for restoration of gait[J]. J Rehabil Res Dev， 2000， 37（6）： 701-708.

[71] Schmidt H， Werner C， Bernhardt R， et al. Gait rehabilitation machines based on programmable footplates[J]. J Neuroeng Rehabil， 2007， 4： 2.

[72] Esquenazi A， Talaty M， Packel A， et al. The ReWalk powered exoskeleton to restore ambulatory function to individuals with thoracic-level motor-complete spinal cord injury[J]. Am J Phys Med Rehabil， 2012， 91（11）： 911-921.

[73] Bowman T， Gervasoni E， Amico A P， et al. What is the impact of robotic rehabilitation on balance and gait outcomes in people with multiple sclerosis？ A systematic review of randomized control trials[J]. Eur J Phys Rehabil Med， 2021， 57（2）： 246-253.

[74] Baronchelli F， Zucchella C， Serrao M， et al. The effect of robotic assisted gait training with Lokomat? on balance control after stroke： systematic review and Meta-analysis[J]. Front Neurol， 2021， 12： 661815.

[75] ZHANG F， LI K， WU D L， et al. Therapeutic effect of AiWalker on balance and walking ability in patients with stroke： a pilot study[J]. Top Stroke Rehabil， 2021， 28（3）： 236-240.

[76] CHEN S J， WANG Z B， LI Y Q， et al. Safety and feasibility of a novel exoskeleton for locomotor rehabilitation of subjects with spinal cord injury： a prospective， multi-center， and cross-over clinical trial[J]. Front Neurorobot， 2022， 16： 848443.

[77] 韓稷鈺， 王衍鴻， 萬大千. 下肢外骨骼康復(fù)機器人的研究進展及發(fā)展趨勢[J]. 上海交通大學(xué)學(xué)報（醫(yī)學(xué)版）， 2022， 42（2）： 241-246.

[78] Awad L N， Bae J， O’Donnell K， et al. A soft robotic exosuit improves walking in patients after stroke[J]. Sci Transl Med， 2017， 9（400）： eaai9084.

[79] Schmidt K， Duarte J E， Grimmer M， et al. The myosuit： Bi-articular anti-gravity exosuit that reduces hip extensor activity in sitting transfers[J]. Front Neurorobot， 2017， 11： 57.

[80] Bae J， Siviy C， Rouleau M， et al. A lightweight and efficient portable soft exosuit for paretic ankle assistance in walking after stroke[C]//2018 IEEE International Conference on Robotics and Automation （ICRA）， 2018 .

[81] 遠也科技發(fā)布可穿戴機器人“肌肉外甲”[J]. 機器人技術(shù)與應(yīng)用， 2022， （4）： 7.

[82] 張立新， 白定群， 白玉龍， 等. 下肢康復(fù)機器人臨床應(yīng)用專家共識[J]. 康復(fù)學(xué)報， 2023， 33（5）： 383-396.

[83] HE Y T， Eguren D， Luu T P， et al. Risk management and regulations for lower limb medical exoskeletons： a review[J]. Med Devices （Auckl）， 2017， 10： 89-107.

[84] Spungen A M， Bauman W A， Biswas K， et al. The design of a randomized control trial of exoskeletal-assisted walking in the home and community on quality of life in persons with chronic spinal cord injury[J]. Contemp Clin Trials， 2020， 96： 106102.

[85] Benson I， Hart K， Tussler D， et al. Lower-limb exoskeletons for individuals with chronic spinal cord injury： findings from a feasibility study[J]. Clin Rehabil， 2016， 30（1）： 73-84.

[86] Miller L E， Zimmermann A K， Herbert W G. Clinical effectiveness and safety of powered exoskeleton-assisted walking in patients with spinal cord injury： systematic review with meta-analysis[J]. Med Devices （Auckl）， 2016， 9： 455-466.

[87] van Herpen F H M， van Dijsseldonk R B， Rijken H， et al. Case report： Description of two fractures during the use of a powered exoskeleton[J]. Spinal Cord Ser Cases， 2019， 5： 99.

[88] Ueba T， Hamada O， Ogata T， et al. Feasibility and safety of acute phase rehabilitation after stroke using the hybrid assistive limb robot suit[J]. Neurol Med Chir （Tokyo）， 2013， 53（5）： 287-290.

[89] Borggraefe I， Klaiber M， Schuler T， et al. Safety of robotic-assisted treadmill therapy in children and adolescents with gait impairment： a bi-centre survey[J]. Dev Neurorehabil， 2010， 13（2）： 114-119.

[90] Guiochet J， Hoang Q A， Kaaniche M， et al. Model-based safety analysis of human-robot interactions： the MIRAS walking assistance robot[J]. IEEE Int Conf Rehabil Robot， 2013， 2013： 6650433.

[91] I. K M， Antonio P， K. A S. Effects of virtual reality training with Trunk Support Trainer （TruST） on postural kinematics[J]. IEEE Robot Autom Lett， 2017， 2（4）： 2240-2247.

[92] Gorsic M， Regmi Y， Johnson A P， et al. A pilot study of varying thoracic and abdominal compression in a reconfigurable trunk exoskeleton during different activities[J]. IEEE Trans Biomed Eng， 2020， 67（6）： 1585-1594.

[93] GUO X Z， ZHOU Z H， GAO Y， et al. Serial-parallel mechanism and controller design of a robotic brace for dynamic trunk support[J]. IEEE ASME Trans Mechatron， 2022， 27（6）： 4518-4529.

[94] Ophaswongse C， Murray R C， Santamaria V ， et al. Human evaluation of Wheelchair Robot for Active Postural Support （WRAPS）[J]. Robotica， 2019， 37（12）： 1-15.

[95] Santamaria V， Luna T， Khan M， et al. The robotic Trunk-Support-Trainer （TruST） to measure and increase postural workspace during sitting in people with spinal cord injury[J]. Spinal Cord Ser Cases， 2020， 6（1）： 1.

[96] Park J-H， Stegall P R， Roye D P， et al. Robotic Spine Exoskeleton （RoSE）： Characterizing the 3-D stiffness of the human torso in the treatment of spine deformity[J]. IEEE Trans Neural Syst Rehabil Eng， 2018， 26（5）： 1026-1035.

[97] Murray R C， Ophaswongse C， Agrawal S K. Design of a Wheelchair Robot for Active PosturalSupport （WRAPS）[J]. J Mech Robot， 2019， 11（2）： 020911.

[98] Lebedev M A， Nicolelis M A. Brain-machine interfaces： From basic science to neuroprostheses and neurorehabilitation[J]. Physiol Rev， 2017， 97（2）： 767-837.

[99] WEN D， FAN Y L， Hsu S H， et al. Combining brain-computer interface and virtual reality for rehabilitation in neurological diseases： a narrative review[J]. Ann Phys Rehabil Med， 2021， 64（1）： 101404.

[100] Riccio A， Pichiorri F， Schettini F， et al. Interfacing brain with computer to improve communication and rehabilitation after brain damage[J]. Prog Brain Res， 2016， 228： 357-387.

[101] Camargo-Vargas D， Callejas-Cuervo M， Mazzoleni S. Brain-computer interfaces systems for upper and lower limb rehabilitation： a systematic review[J]. Sensors （Basel， Switzerland）， 2021， 21（13）： 4312.

[102] Vansteensel M J， Klein E， van Thiel G， et al. Towards clinical application of implantable brain-computer interfaces for people with late-stage ALS： medical and ethical considerations[J]. J Neurol， 2023， 270（3）： 1323-1336.

[103] Karácsony T， Hansen J P， Iversen H K， et al. Brain computer interface for neuro-rehabilitation with deep learning classification and virtual reality feedback[J].In Proceedings of the 10th Augmented Human International Conference 2019， 2019.DOI： 10.1145/3311823.3311864.

[104] Tariq M， Trivailo P M， Simic M. EEG-based BCI control schemes for lower-limb assistive-robots[J]. Front Hum Neurosci， 2018， 12： 312.

[105] Sreedharan S， Sitaram R， Paul J S， et al. Brain-computer interfaces for neurorehabilitation[J]. Crit Rev Biomed Eng， 2013， 41（3）：

269-279.

[106] Jamil N， Belkacem A N， Ouhbi S， et al. Noninvasive electroencepha-lography equipment for assistive， adaptive， and rehabilitative brain-computer interfaces： a systematic literature review[J]. Sensors （Basel， Switzerland）， 2021， 21（14）： 4754.

[107] Leeb R， Pérez-Marcos D. Brain-computer interfaces and virtual reality for neurorehabilitation[J]. Handb Clin Neurol， 2020， 168： 183-197.

[108] Bouton C E. Merging brain-computer interface and functional electrical stimulation technologies for movement restoration[J]. Handb Clin Neurol， 2020， 168： 303-309.

[109] Soekadar S R， Witkowski M， Cossio E G， et al. Learned EEG-based brain self-regulation of motor-related oscillations during application of transcranial electric brain stimulation： feasibility and limitations[J]. Front Behav Neurosci， 2014， 8： 93.

[110] Chaudhary U， Birbaumer N， Ramos-Murguialday A. Brain-computer interfaces for communication and rehabilitation[J]. Nat Rev Neurol， 2016， 12（9）： 513-525.

編輯：崔明璠