【投稿】嶺大研步態障礙識別系統 解決長者「行路難」
隨着全球人口老化，長者步態緩慢或不穩導致跌倒的情況愈來愈常見，對醫療系統與照護資源帶來沉重壓力。研究指出，60歲至69歲人士中約有一成人出現步態困難，包括行路變慢、步伐不穩等，80歲以上則超過六成。這類步態異常不僅容易導致跌倒、骨折，還可能是中風、帕金遜症、白質病變或失智症等神經退化疾病的早期徵兆。
面對這項公共健康挑戰，筆者與嶺大研究團隊開發出一套結合穿戴感測器、人工智能（AI）與臨床知識的「兩步驟智能步態障礙識別系統」，可在社區層面準確辨識有異常步態的長者，具備早期預警與社區應用潛力，特別對帕金遜病患者的細微步態變化有良好辨識效果。
「數據+臨床知識」智能辨識
傳統步態檢測多依賴人工觀察，對細微異常辨識有限。團隊採用「數據 + 臨床知識」策略，設計出兩階段智能辨識流程：
第一步是初步篩查。長者只需在社區中心或康復機構進行簡單的「三米起立—行走測試」，於腰部繫上感測器，系統即時記錄步伐數據，標示步伐不穩、節奏紊亂等異常。若檢測異常，系統會標示為「潛在步態問題」，並建立個人化步態檔案供追蹤。
第二步是由醫生進行臨床評估，作出進一步診斷，包括腦部影像檢查、藥物反應觀察及病情進展分析，從多角度確認是否屬於實質的步態障礙。這種層級式流程不但提升識別準確度，也可減輕醫療資源壓力，讓長者更易在社區層面接受檢測與介入，實現「早發現、早治療、在地康復」的理想。
團隊透過兩組數據進行實證研究：一組來自本地醫院康復科，涵蓋61位長者與康復患者；另一組則來自國際公開的帕金遜數據庫（DeFOG），涵蓋患者在「用藥」與「停藥」狀態下的步態記錄。
結果顯示，在本地樣本中系統模型的準確率達100%；對帕金遜病患者在服藥期間的辨識準確率亦高達90.12%，表現明顯優於傳統評估。
研究亦指出，人在行走時，身體會自然產生上下與前後的微幅晃動。這些晃動的幅度與節奏中蘊含關鍵訊號，即使步態表面正常，潛在異常仍可能存在。雖難以用肉眼察覺，但透過數據分析可揭示細微變化，進而實現早期預警。
該系統操作簡單、設備輕巧，只需一個感測器、一張椅子與三米長的走道，便可完成一次完整的步態分析。無論是社區健康中心、安老院舍，甚至家庭日常照護場景，均可輕鬆應用，為長者提供一個可持續、低門檻的健康監測方式。
研究團隊指出，這項技術不僅能協助照護人員或家屬即時掌握長者的行走狀況，及早發現平衡或動作問題，亦可作為康復訓練成效的評估工具。目前團隊正與本地多間醫療與社福機構洽談合作，計劃將系統在香港及大灣區其他更多社區中落地應用。
展望未來，筆者與嶺大團隊將持續擴展研究，納入更多年齡層與不同健康狀況的長者樣本，以提升系統的泛用性與臨床解釋力。團隊亦計劃與智能穿戴設備企業及康復機構加強合作，推動技術商品化與臨床應用。
長遠而言，團隊希望建構一套連結家庭、社區與醫療體系的智能步態監測網絡，推動「健康老齡化」，讓長者能在熟悉的生活環境中獲得持續而有效的健康管理，減輕醫療體系負擔。
這項研究不僅是人工智能與臨床醫學結合的創新成果，更是對老齡化社會挑戰的積極回應。從醫院到社區，從預防到干預，這套系統為步態障礙的早期識別與個人化照護提供了可行方案。
隨着科技普及與跨界合作深化，智能化步態管理有望成為香港長者健康服務的重要一環，為應對老齡化社會、構建可持續發展的醫療體系注入新動力。
●俞麗莎教授 嶺南大學數據科學學院 人工智能學部教學助理教授
