זיהוי תכונות מפתח בהליכה של חולי שבץ באמצעות חיישנים אינרטיאליים נישאים ולמידת מכונה מונחית ולא מונחית

מדוע ההליכה אחרי שבץ חשובה

שבץ לעתים הופך הליכה פשוטה מחדר אחד לשני למאבק יומיומי. עבור רבים מהניצולים, האופן שבו הם מזיזים את הרגליים, הגו והראש קובע אם יוכלו לחיות באופן עצמאי, להימנע מנפילות ולחזור לעבודה או לחיים חברתיים. מחקר זה בוחן כיצד חיישנים קטנים הניתנים ללבישה ותוכנות חכמות יכולים ללכוד את החתימות הסמויות של ההליכה לאחר שבץ, לסייע למטפלים לראות מעבר למה שהעין רואה ולסלול את הדרך לשיקום ממוקד יותר.

מדידת צעדים באמצעות מכשירים נישאים זעירים

החוקרים ציידו 85 אנשים שחוו שבץ ו-97 מתנדבים בריאים בחמישה חיישני תנועה בגודל מטבע. אלה הוצמדו למצח, לחזה, לגב התחתון ולשני השוקיים, והמשתתפים הלכו הלוך ושוב לאורך עשרה מטרים בקצב הרגיל שלהם. החיישנים הקליטו כיצד הגוף נע בשלוש ממדים, ותיעדו לא רק מהירות ואורך צעד אלא גם עד כמה הגו והראש היו חלקים ויציבים, ועד כמה הרגליים חילקו את העבודה באופן שווה. מהרישומים הללו הצוות חישב 79 מדדים שונים המתארים תזמון, סימטריה בין הרגליים, שונות מצעד לצעד וכמה בצורה חלקה ויציבה זז החלק העליון של הגוף.

לימוד מחשבים לזהות הליכה בעייתית

עם כל כך הרבה מדדים אפשריים, האתגר היה לקבוע אילו מהם באמת מבדילים בין ניצולי שבץ להולכים בריאים. הצוות השתמש בשלוש שיטות למידת מכונה שונות, כולן מיועדות למיין אנשים לשתי קבוצות לפי ההליכה שלהם: k-שכנים קרובים, מכונת וקטור תמיכה ועצי החלטה. תחילה יישמו בדיקות סטטיסטיות סטנדרטיות כדי לדחות מדדים שאינם מועילים, ואז הסירו מדדים שתוארו כפחות או יותר כפולים. לבסוף, השתמשו בגישה של קיצוץ שלב אחר שלב שבה אימנו כל אלגוריתם שוב ושוב תוך הסרת מדד אחד בכל פעם, ושמרו רק את אלה ששמרו על דיוק סיווג גבוה. בחלוקות אקראיות רבות של הנתונים, המערכות הבחינו נכונה בין חולי שבץ למתנדבים בריאים בכ-תשעה מתוך עשרה מקרים, עם מכונת וקטור התמיכה שהציגה ביצועים הטובים והיציבים ביותר.

התמקדות ברמזי ההליכה המובהקים ביותר

מה-79 המדדים המקוריים צומצם הרשימה לתשעה בלבד שנשאו את מרבית המידע המועיל. מדדים אלה כיסו את מהירות ההליכה, כמה השתנו זמני הצעד, עד כמה תנועת הגו הייתה סימטרית מצד לצד, וכמה חלקות היה בתנועות הראש והחזה, ובמיוחד בכיוונים קדימה–אחורה וצד לצד. באופן בולט, חלקות תנועת הראש עלתה כמדד חדש וחזק לבעיות הליכה הקשורות לשבץ, ומרמזת על בעיות שיווי משקל, ייצוב מבט ואינטגרציה מוחית של אותות מהאוזן הפנימית ומהגוף במהלך ההליכה. באופן מפתיע, מדדים קלאסיים של אסימטריית צעד שמאל–ימין לא שרדו את הסינון, ככל הנראה מפני ששבץ יכול להפריע להליכה בתבניות שונות רבות, מה שמחליש את יכולתם להפריד בין הקבוצות באופן אמין.

לאפשר לנתונים להתרכז בעצמם

כדי לבדוק האם רמזי ההליכה הנבחרים הם אכן אינפורמטיביים — ולא רק מותאמים לשיטות הלמידה הספציפיות — החוקרים השתמשו בטכניקה לא מונחית. במקום לספר למחשב מי חווה שבץ, הם סתם הזינו את המדדים הנבחרים וביקשו מהמחשב ליצור שני אשכולות על בסיס דמיון. באמצעות שיטה שנקראת k-medoids וכמה דרכים למדידת מרחק בין נקודות הנתונים, הראו החוקרים שכבר שלושה מדדים — מהירות ההליכה הכוללת, כמה השתנתה שלב העמידה ומדד סימטריה של הגו — הספיקו כדי לקבץ אנשים כהלוקים בשבץ או בריאים עם דיוק של כ-90%. כלל מרחק שהתמקד בדפוס המדדים יותר מאשר בגודלם המוחלט הוכיח כהכי יציב במבחנים חוזרים.

מה משמעות הדבר לטיפול היומיומי

לעיני אדם לא מומחה, המסר המרכזי הוא שהליכה קצרה עם חמישה חיישנים קטנים יכולה לחשוף "טביעת אצבע" קומפקטית של האופן שבו השבץ שינה את דפוס ההליכה של אדם. מחשבים יכולים להשתמש בכמה מדדי תנועה שנבחרו בקפידה — כמה מהר אתה הולך, כמה יציבים הצעדים שלך וכמה חלקות תנועות הגו והראש — כדי להבחין באופן מהימן בין הליכת שבץ להליכה בריאה. תובנה זו מקרבת אותנו לכלים פשוטים המתאימים למרפאה שיכולים לעקוב באופן אובייקטיבי אחר ההחלמה, לחשוף בעיות שיווי משקל חבויות ולהנחות מטפלים בהתאמת תרגילים. בעבודה נוספת שתריץ שיטות אלה בזמן אמת ובקבוצות חולים מגוונות יותר, מערכות כאלה יכולות להפוך לחלק מהטיפול השגרתי בשיקום שבץ, ולהפוך כל צעד למשוב שימושי בדרך להליכה בטוחה ובטוחה יותר.

ציטוט: Brasiliano, P., Orejel-Bustos, A.S., Belluscio, V. et al. Identifying key gait features in stroke patients using wearable inertial sensors and supervised and unsupervised machine learning. Sci Rep 16, 8908 (2026). https://doi.org/10.1038/s41598-026-43666-7

מילות מפתח: אמבטיית שבץ, חיישנים נישאים, למידת מכונה, שיקום, יציבות בהליכה