传统的平衡评估方法常常面临客观性不足、缺乏全面性，并且不适合远程评估的问题。这些方法也很昂贵，需要专业的设备和专业知识。通过利用可穿戴传感器和先进的机器学习算法，研究人员提出了一种实用且具有成本效益的解决方案，捕捉评估平衡所需的详细运动数据。这种方法更加便捷，并允许远程管理，有可能影响医疗保健、康复、运动科学和其他平衡评估至关重要的领域。
平衡会受到多种因素的影响，如帕金森病、神经系统损伤和衰老。准确的平衡评估对于识别和管理影响协调和稳定性的疾病至关重要。它还在预防跌倒、理解运动障碍以及为不同年龄组和医疗状况设计合适的治疗干预方面发挥着重要作用。
然而，传统的平衡评估方法可能是主观的，缺乏全面性，并且无法进行远程评估。此外，这些方法依赖于昂贵的专业设备，这些设备可能并非在所有临床环境中都可用，并且受临床医生的专业知识影响，导致结果的变异性。因此，目前迫切需要更客观和全面的工具来评估平衡。
来自佛罗里达大西洋大学工程与计算机科学学院的研究人员开发了一种创新的方法，利用可穿戴传感器和先进的机器学习算法来填补平衡评估中的空白，建立可穿戴技术和机器学习在医疗保健领域应用的新标准。这种方法在客观平衡评估方面代表了一个重大进步，尤其是在家居或护理环境中的远程监测，有可能改变平衡障碍的管理。
在他们的研究中，研究人员使用了改良的临床感觉相互作用平衡测试（m-CTSIB），这是一种在医疗保健中常用的方法，用于评估个体在不同感觉条件下保持平衡的能力。可穿戴传感器被放置在参与者的脚踝、下背部、胸骨、手腕和手臂上。
收集的数据在不同的m-CTSIB感觉条件下被处理，并提取了各种特征进行分析。应用了多种机器学习算法，包括多元线性回归、支持向量回归和XGBOOST，以基于可穿戴传感器数据估计m-CTSIB评分。发表在《数字健康前沿》杂志上的结果展示了高准确性和与真实平衡评分的强相关性，表明该方法在估计平衡方面的有效性。
“可穿戴传感器提供了一种经济实惠且实用的手段，捕捉详细的运动数据，对于平衡分析至关重要，”佛罗里达大西洋大学的高级作者兼副教授贝哈纳兹·戈拉尼博士说。“放置在下背部和下肢等区域的传感器提供了对三维运动动态的洞察，这对评估不同人群的跌倒风险等应用至关重要。”
研究结果强调了传感器放置和特定运动在估计平衡方面的重要性，其中使用腰部传感器数据的XGBOOST模型表现出色。这项研究表明，这种新方法有可能彻底改变平衡评估实践，特别是在传统方法不切实际或不可用的情况下。
鉴于需要先进的工具来捕捉不同感觉输入对平衡的细微影响，研究人员设计了这项研究，以填补当前平衡评估中的空白，以更好地理解和管理平衡障碍。利用可穿戴设备进行远程监测使医疗专业人员能够远程评估患者的平衡，在各种医疗环境中提供显著的益处。
