以色列臺拉維夫大學（Tel Aviv University）研究團隊近期在《Nature Communications》期刊上發表突破性研究，結果呈現出如何利用穿戴式裝置整合人工智慧，持續自動監測帕金森氏症患者常見的凍結步態（Freezing of Gait, 凍結步態）現象。這個創新裝置為帕金森氏症診斷與監控帶來了新的可能性，並為患者日常生活帶來更多安全保障。
什麼是「凍結步態」？帕金森氏症的棘手挑戰
凍結步態是帕金森氏症患者常見的運動障礙之一，約有 38% 至 65% 的患者在病程中經歷此現象。患者在凍結步態發作時，雙腳彷彿被黏在地板上一般，導致行走中斷，嚴重者甚至無法再度邁出步伐。這種現象可能持續幾秒鐘，也可能持續一段時間，這樣的步態中斷不僅大大影響患者日常活動，同時增加跌倒與受傷的風險。因為這樣的凍結步態產生有著間歇性特徵，使得臨床診斷量化極為困難。使用傳統觀察問診方法無法全面記錄患者日常生活中凍結步態現象發作頻率與模式，也成為醫療管理的一大挑戰。
為了解決這一問題，臺拉維夫大學研究團隊設計了一套結合穿戴式感測器與深度學習模型的創新解決方法，能夠精準擷取患者步態細微變化並且即時辨識凍結步態現象。藉由將穿戴式感測器安裝於患者鞋內或腳踝處，透過加速度計等感測器，偵測步態中的微小異常動作，例如：步幅縮小、節奏失衡或速度驟降等關鍵特徵，藉此來判讀凍結步態發作。
為了進一步提高方法準確性，研究團隊將來自超過 100 名帕金森氏症患者的步態數據（內含約 5,000 次凍結步態發作）上傳至 Google 的 Kaggle 平台，並且舉辦國際機器學習競賽。讓來自 83 個國家的 1,379 支隊伍參與競賽，總計產出了近 25,000 個解決方案。最終，研究團隊取得其中表現最佳的演算法，將其整合到系統內，因此實現高度準確凍結步態偵測目標。
即時監測與個人化治療
這套 AI 技術不僅能即時偵測患者凍結步態發作時間點，同時還能量化其發作頻率與模式。藉由長期監測，系統能夠解析出患者步態的完整數據分析，包括疾病進程是否惡化或是對藥物治療反應情況，這些數據進一步成為醫生參考關鍵資訊。
更重要的是，這項技術有助於開發個人化警示功能。例如，當人工智慧偵測到患者即將進入凍結步態時，穿戴式裝置可以發出振動或聲音提示，即時提醒患者重新啟動步伐，降低跌倒風險。此外，系統還能整合成為日常生活智慧穿戴式裝置，讓患者在家中即可完成步態監測，減少前往醫院診視的依賴性。透過穿戴式裝置的長期數據收集能力，研究團隊首次觀察到日常生活中凍結步態出現的重複模式。例如，在患者疲勞或藥效減退等特定時段，凍結步態發作頻率顯著升高。這些發現不僅有助於醫生能夠更加了解凍結步態的發作機制，更能為治療計劃優化提供佐證。
從步態監測到智慧醫療
這項研究顯示了人工智慧技術在神經科學中具備有極大潛力。研究團隊規劃進一步優化此穿戴式裝置，讓其能夠應用在更多運動障礙疾病監測，例如多發性硬化症或中風患者的步態異常監控。同時，這些技術還可應用於智慧醫療訓練系統，幫助患者進行特定步態訓練，加速治療進程。這套基於人工智慧的穿戴式裝置，不僅為帕金森氏症患者提供了即時監測與個人化治療的可能性，還重新定義如何針對凍結步態這一個運動障礙現象的研究方式。透過結合全球技術能量，研究團隊成功打造了一個對於未來醫療發展帶有影響力的創新平台，隨著技術的進一步發展，神經科學領域中的人工智慧應用將持續深化，為患者帶來更多治療可能性。
