AI辅助的个性化数字孪生在脑卒中神经康复中的连续分层 (STRATIF-AI)

研究概述 本项目旨在评估STRATIF-AI康复应用程序（App）的可行性，及其对患者的可访问性、实用性和个性化程度。该App旨在支持中风患者的康复过程，但由于处于早期开发阶段，本研究的主要目标是测试此类App参与患者康复的可行性，以及患者是否认为其有用。

当今最先进的分层技术基于机器学习（ML）算法，这些算法通过大型队列数据进行训练。这存在两个主要限制：a）此类ML模型无法利用关于患者生成的所有多样化数据；b）因此分层仅间歇性进行，意味着护理决策可能过时且非最优。为解决这一问题，开发了一种新的概念和技术——使用STRATIF-AI平台进行连续分层。在连续分层中，关于患者生成的所有数据都累积存储在由患者控制的个人数据保险库中。这些个人数据持续更新数字孪生平台。该平台的独特潜力来自于其混合架构，将机械性、多尺度、多器官模型与ML和生物信息学相结合。

该技术能够模拟患者对治疗变化的特异性反应，并识别从中风后数秒到数年时间范围内，在细胞内、器官和全身水平上的变化。语义协调与联邦学习相结合，当队列数据库之一有新数据可用时，可以安全地重新训练各种子模型。本项目将探索数字孪生在中风后康复阶段的应用，并在利兹Chapel Allerton医院的康复服务中进行。这是欧洲八家医院同时进行的六项研究之一，旨在完善和验证模型，并展示数字孪生如何通过不同App跟踪患者，覆盖中风的所有阶段：从预防到急性治疗和康复。可扩展的连续分层平台为新型互联和以患者为中心的医疗系统奠定了基础。

本项目旨在评估利用新型App开发连续分层方法的可行性，通过将所有可用数据整合到不断演变的数字孪生中，实现实时患者评估。假设与标准中风后康复护理相比，该技术的使用将提高患者对中风后康复护理的参与度，并为未来在医疗保健中使用数字孪生创造机会。

背景和理论基础 参与康复计划的动机和与康复计划的一致性，是中风后人们康复的两个主要限制因素，可能导致非最优结果。中风护理所有阶段的一个相关且核心问题是数据孤立存在，患者无法获取自己的数据，且治疗分层仅间歇性进行。因此，创建了基于数字孪生（患者的数字副本）的STRATIF-AI平台，该平台促进中风护理所有阶段内和跨阶段的连续分层。联盟合作医院开展的不同研究将侧重于中风护理的早期阶段，如预防措施和患者急性监测。这些研究将收集数据以开发连续模型。在本临床研究中，将研究患者和医务人员在康复中使用新平台的体验。这是一项试点研究，将检验原理验证，并收集初步的可行性和可接受性数据。

在全球范围内，中风是成年人残疾的第四大常见原因，2021年有1190万人经历中风，最新统计数据显示1990年至2021年中风发病率有所上升。中风的全球经济影响每年超过8900亿美元，预计到2050年这一数字将翻倍。除了经济影响外，中风对患者生活质量的影响也很大，英国超过三分之二的中风幸存者出院时带有残疾，需要持续护理。尽管在中风预防和急性管理领域需要更多工作，但世界卫生组织在国际上日益认识到中风后康复阶段的重要性，承认全球存在“深刻、未满足的”康复需求，英国最新的中风康复指南也概述了中风康复阶段的关键作用，以及最大化康复所需的康复量增加。

数字孪生最初为工业开发，是医疗保健中相对较新的概念，可定义为物理对象、系统或过程的虚拟对应物，在功能和外观上镜像其现实世界对应物。数字孪生技术的持续发展导致了高级模型的演进，这些模型随时间不断适应，能够模拟复杂行为。数字孪生与传统数字建模不同，因为它们需要物理实体和数字实体之间的双向数据交换，从而使物理实体能够从其数字对应物接收反馈，促进数据的连续分层。鉴于医疗保健向个性化治疗方法的转变，数字孪生的潜力日益受到探索。然而，人类情感和行为的复杂性，以及个人偏好、动机、疲劳和总体健康等因素的变异性，要求用于医疗保健的数字孪生必须高度复杂。

数字孪生应用的一个有前景的领域是中风康复，它们可以通过模拟个体恢复模式和优化治疗，支持中风幸存者通常需要的康复期。通过整合实时患者数据，如运动模式、沟通和认知能力，数字孪生可以模拟康复结果，以定制适合个体患者的治疗，实时调整治疗，并提供决策支持和激励反馈，可能提高患者参与度并增强康复效果。数字孪生的概念已通过OpenSim等商业平台用于人体运动分析，该平台已在肌肉骨骼建模中得到验证，证明了数字孪生在医疗保健中的可行性。

STRATIF-AI项目是“欧洲地平线”资助的项目，旨在引导数字孪生用于中风后康复。传统的康复患者分层依赖于多学科团队进行的定期目标设定，每两到三周与患者及其家人或护理人员商定康复目标，以指导康复计划的活动。然而，这种方法可能错过目标设定之间的宝贵数据，意味着最新目标无法准确和完整地反映患者的当前状态。目标设定之间的数据丢失在当前医疗实践中可能具有限制性，因为即使患者病情发生变化，治疗也保持不变，直到患者与医疗保健专业人员进行下一次正式互动。因此，STRATIF-AI提议开发一种连续分层方法，通过将所有可用数据整合到不断演变的数字孪生中，用于实时患者评估，然后将向患者和医疗团队提供实时反馈。

传统上用于中风护理分层的数据，如患者诊断、中风风险因素、既往病史、基线观察结果、扫描和血液检查结果，将通过可穿戴技术（现成的智能手表）、患者日记以及正式康复评估工具功能独立性评定量表和功能评估量表（FIM+FAM）的临时信息进行补充。这些数据将使用混合技术更新患者的个性化数字孪生，该技术将人体主要功能的机械模型与机器学习和生物信息学模型相结合。

STRATIF-AI项目将在利兹教学医院NHS信托基金的合格患者中，在中风康复阶段实施连续分层，项目结果将补充其他中心进行的中风预防和急性治疗阶段使用该平台的持续研究。