Идентификация и прогнозирование показателей устойчивости походки у людей после инсульта при ходьбе по неровной поверхности с использованием машинного обучения

Почему важно оставаться устойчивым на улице после инсульта

Для многих людей, восстанавливающихся после инсульта, истинное испытание ходьбы происходит не в клинике, а на улице — по треснувшим тротуарам, травяным дорожкам и неровным бордюрам. Эти повседневные поверхности незаметно повышают риск споткнуться и упасть. В этом исследовании изучается, как небольшие датчики движения и современные компьютерные алгоритмы могут выявлять тех, кто с большей вероятностью будет испытывать трудности на такой неровной поверхности, и насколько простые тесты ходьбы в помещении способны предсказать уличную устойчивость.

Неровная поверхность как скрытая проблема

Передвижение на улице имеет ключевое значение для независимости и социальной жизни после инсульта, однако многие пережившие инсульт отмечают, что ходить на улице сложно и страшно. Неровные поверхности вносят мелкие, непредсказуемые неровности, которые постоянно испытывают систему равновесия тела. У людей после инсульта часто слабее мышцы и замедлены реакции, что делает эти тонкие нарушения равновесия труднее для компенсации. Несмотря на это, большинство рутинных оценок по‑прежнему ориентированы на гладкие, внутренние покрытия, создавая разрыв между тем, что измеряют в клинике, и тем, с чем люди сталкиваются в повседневной жизни.

Носимые датчики для фиксации реальной ходьбы

Исследователи изучили 71 человека после инсульта и 39 здоровых взрослых того же возраста. Каждый участник ходил туда и обратно по гладкой 10‑метровой дорожке и по 10‑метровой неровной траектории, нося небольшой датчик движения на нижней части спины. Этот датчик измерял движения торса вверх‑вниз, из стороны в сторону и вперед‑назад. По этим сигналам команда рассчитала несколько показателей, описывающих, насколько устойчив или нерегулярен шаблон ходьбы — одни просто характеризуют амплитуду движений, другие — насколько плавными и ритмичными являются шаги во времени.

Дайте компьютеру найти самые показательные сигналы

Вместо того чтобы анализировать каждый показатель по отдельности, команда использовала машинное обучение — вид компьютерного анализа, который может просеивать множество переменных одновременно и находить наиболее информативные. Сначала они обучили модели различать людей после инсульта и здоровых взрослых только на основе данных датчика при ходьбе по неровной поверхности. Эти модели достигли выше 95% точности. Тремя особенно значимыми сигналами оказались: сила вертикальных (вверх‑вниз) движений торса (так называемый вертикальный RMS), насколько нерегулярно меняется движение вперед‑назад во времени (sample entropy) и насколько плавными и ритмичными были шаги в передне‑заднем направлении (harmonic ratio). В совокупности они ясно отражали снижение устойчивости после инсульта.

Прогнозирование уличной устойчивости по тестам в помещении

На следующем этапе исследователи выясняли, можно ли оценить эти ключевые показатели на неровной поверхности — и саму скорость ходьбы — используя только данные простых тестов на ровной поверхности. Они комбинировали простые параметры, такие как скорость ходьбы в помещении, с информацией об углах в суставах, активности мышц и показаниях датчика, затем обучали модели предсказывать поведение на неровной дорожке. Скорость ходьбы в помещении оказалась особенно важной. Люди после инсульта, которые ходили медленнее примерно 0,8 м/с на гладкой поверхности, как правило, ещё сильнее замедлялись и демонстрировали большие вертикальные движения торса на неровной дороге, что указывает на трудности с адаптацией к вызову. Регулярность и плавность движений торса на неровной поверхности также частично предсказывались тем, как двигалась лодыжка при контакте с опорой и насколько уже была плавной походка на ровном грунте.

Что это значит для реабилитации и повседневной жизни

Для непрофессионала посыл прост: небольшой носимый датчик на нижней части спины в сочетании с тестами ходьбы в помещении и умной компьютерной аналитикой может выявить, кто с большей вероятностью потеряет устойчивость на неровных тротуарах после инсульта. Люди, которые уже ходят довольно медленно по ровной поверхности — особенно ниже примерно 0,8 м/с — с большей вероятностью будут двигаться менее уверенно и более неустойчиво на неровной поверхности. Отслеживая простые маркеры на основе датчиков — насколько сильно подпрыгивает торс и насколько плавны шаги — терапевты смогут разрабатывать более персонализированные программы тренировки, сосредотачиваться на контроле торса и лодыжки и наблюдать прогресс с течением времени. В долгосрочной перспективе такие «цифровые биомаркеры» могут помочь сделать прогулки на улице более безопасными и достижимыми для многих людей, переживших инсульт.

Цитирование: Inui, Y., Takamura, Y., Nishi, Y. et al. Identifying and predicting gait stability metrics in people with stroke in uneven-surface walking using machine learning. Sci Rep 16, 5618 (2026). https://doi.org/10.1038/s41598-026-35966-9

Ключевые слова: реабилитация после инсульта, устойчивость походки, неровная ходьба, носимые датчики, машинное обучение