基于AI步态分析 康复评估和疾病预警变得更简单

　　近年来，康复领域可以算是医疗行业中下一个待引爆的市场。去年，国家卫计委就发布了相关文件，明确鼓励社会力量举办康复医疗机构、护理机构，以打通专业康复医疗服务、临床护理服务向社区和居家康复、护理延伸的“最后一公里”。

　　而康复行业的发展除了依赖场地和人员，还需要康复设备。其中，评估设备是康复过程中的基础设备，贯穿了整个康复过程，其基本原理多是做步态分析，即对个体走路能力进行评估。它适用于判断所有因疾病或外伤（包括神经系统和肌肉骨骼系统）导致的行走障碍或步态异常，并预测潜在疾病，譬如帕金森、糖尿病、阿尔茨海默症等。

　　但过去大型体态分析设备，不仅体积大、使用场景受限，价格也很昂贵——只有少部分有经济实力的康体中心、健身场馆、矫正中心在使用。这与中国的医疗市场难以匹配，加之未来康复医学会朝着家庭康复、社区康复等方向发展。大型设备显然不符合这一趋势，若能将步态分析“轻量化”，或许会有不错的市场机会。

　　目前行业中正利用海量数据训练的深度神经网络，实时自动化分析视频中人体各主要关节点（足、踝、膝、臀、肘等），根据各关节运动学和生物力学的变化关系，智能判断步态关键动作节点（如脚跟着地、脚尖离地等）；同时针对动作节点，自动化计算人体运动各主要指标（如步频、步速、步长、膝屈伸变化等等）；最终根据不同疾病评估量表，提供对各类疾病和运动康复情况的分析评估报告。

　　国内已经有企业已完成人体关节识别和步态指标量化算法的研发，实现直接客观评估，对专业医疗影像数据依赖减少，可充分利用AI社区的开放数据进行训练和评测。

　　步影医疗、腾讯AI实验室是目前代表性企业，腾讯AI实验室此前也推出了一款通过动作检测评估帕金森症的AI模型：患者只需在摄像头前做出一系列规定动作，AI便会作出评估。据了解，它应用了深度学习和图像识别两种技术，在人体上设定上百个可识别关键节点，使用检测仪来追踪这些节点在频率、距离、角度和速度等方面的变化，建立模型来训练AI，目前正与华山医院展开合作。