《Chemosensors》：Design and Development of Rehabi, a mHealth Telerehabilitation Platform with Markerless Motion Analysis
Arturo González-Mendoza,
Hipólito Aguilar-Sierra,
Rafael Zepeda-Mora,
Aldo Alessi-Montero,
Gerardo Rodríguez-Reyes,
Lidia Nú?ez Carrera,
Ivett Qui?ones-Uriostegui,
Paola Ayala-Cadena and
Adriana Gomez-Verdad
编辑推荐：
本文介绍了一款名为Rehabi的移动健康（mHealth）远程康复平台。该平台通过集成无标记运动分析算法，实现了对肌肉骨骼疾病（如关节炎）患者运动功能的远程生物力学评估。其采用用户中心设计和洁净架构（Clean Architecture），并在临床初步验证中显示出对膝关节屈曲的良好一致性，为未来规模化远程康复提供了有前景的技术方案。
摘要
肌肉骨骼疾病（MSDs），如类风湿性关节炎和骨关节炎，在全球影响着数亿人，预计到2050年将急剧增加，凸显了可扩展的远程康复（telerehabilitation）的重要性。本文介绍了Rehabi，一个移动、用户友好的远程康复平台，其核心集成了用于生物力学评估和监测的无标记运动分析技术。
1. 引言
远程医疗（Telemedicine）已成为克服距离障碍、提供医疗保健服务的关键途径，包含远程会诊、远程监护和远程康复等模式。在人口老龄化和新冠疫情的推动下，远程康复的重要性日益凸显。传统的运动捕捉技术依赖标记点，成本高且复杂。近年来，基于人工智能（AI）和信息通信技术（ICT）的无标记运动捕捉系统兴起，成为更具实用性、低成本且减少患者不适的替代方案。比较研究表明，无标记与有标记系统在测量步态时空参数和关节角度时具有良好一致性（组内相关系数ICC 0.81–0.98）。Rehabi平台旨在响应这些趋势，结合离线优先功能、个性化锻炼方案和无标记运动分析，为髋关节和膝关节置换术（THA/TKA）术后护理等场景提供远程评估工具。
2. 材料与方法
2.1. 功能性与非功能性需求获取
Rehabi的开发遵循用户中心设计方法。需求获取结合了开放式问卷、半结构化访谈和自然语言处理（NLP）技术，从患者和临床医生处收集意见。问卷围绕患者可用性、临床医生监测需求、设备与连接可行性以及界面偏好展开。文本回复通过NLP（如spaCy库）进行处理，以识别核心主题和需求。由此确定了包括注册、视频治疗、进度跟踪、通知等功能性需求，以及信息安全、离线功能和数据同步等非功能性需求。
2.2. 系统设计
系统采用遵循洁净架构（Clean Architecture）原则的分层架构，以确保障模块化、可扩展性和可维护性。架构分为三层：
- •
表示层：负责用户界面，使用Kotlin和XML在Android Studio中实现。
- •
域层：包含业务逻辑和使用案例，通过一系列接口（如IImageProcessing）抽象与外部库的交互，实现松耦合。
- •
数据层：管理数据访问和持久化，通过模型和集中式的数据管理器与Firebase服务（Firestore、Cloud Storage、Authentication）交互，支持离线优先同步。
运动分析算法是该平台的核心。它利用MediaPipe和OpenCV库从摄像头视频流中实时检测人体关键点（如髋、膝、踝关节）。AngleCalculator组件基于这些关键点坐标构建下肢骨骼模型，并通过向量点积公式计算关节角度：
公式（1）：θdeg= arccos( (u→ ? v→) / (| u→ | ? | v→ |) ) ? 180/π
其中，u→ 和 v→ 是相关骨骼段的向量。该公式用于计算髋关节角度（大腿向量与垂直轴）、膝关节角度（大腿与小腿向量）和踝关节角度（小腿与足部向量）。计算出的角度经过低通滤波以减少噪声，并实时叠加显示在骨骼图上，为用户提供即时反馈，同时以JSON格式导出用于分析。
2.3. 界面设计
平台为临床医生和患者设计了双界面。考虑到老年用户的特殊性，界面采用绿色调色板以营造平静感，并使用Roboto和Open Sans字体，将正文字体最小尺寸设置为18sp（约13.5磅）以增强可读性。患者界面专注于锻炼演示、进度跟踪和录制反馈；临床医生界面则用于患者管理、个性化治疗计划制定和进度监控。
2.4. 移动应用视频运动分析测试
为验证无标记运动分析算法的临床可靠性，在墨西哥国家康复研究所（INRLGII）进行了一项试点研究。14名全髋或全膝关节置换术后患者参与。由经验丰富的康复医师使用量角器（goniometer）测量髋、膝关节屈曲角度作为“金标准”。同时，使用平板电脑（Lenovo Tab M11）录制患者执行标准动作的视频，并通过Rehabi集成的算法进行分析。通过组内相关系数（ICC）和Bland-Altman图来评估算法测量结果与临床测量结果之间的一致性和可靠性。
3. 结果
3.1. 需求确定
共有34名受访者（20名医疗专业人员，14名患者）参与了需求获取。主要需求包括视频会诊、灵活排程、患者监控、交互式教程以及应对老年患者数字素养不足和网络连接不稳定等挑战。
3.2. 开发的应用程序
平台实现了完整的用户界面流程，包括登录、注册、密码恢复等认证界面。
患者界面包含主仪表板、治疗日历和设置面板，支持启动锻炼、查看进度和个性化设置。
康复会话界面包括练习演示屏幕和带有实时生物力学覆盖（显示关节角度）的主动执行/录制屏幕。
临床医生界面则提供患者进度总览、个性化治疗编辑器和自定义问卷创建功能。
3.3. 移动应用视频运动分析结果
试点临床验证结果显示，无标记运动分析与临床量角器测量之间具有中等至良好的一致性：
- •
髋关节屈曲：ICC = 0.686（95% CI: 0.362–0.863），显示中度一致性。Bland-Altman分析显示平均偏差为-1.91°，一致性界限较宽（LOA: -22.36° 至 26.19°）。
- •
膝关节屈曲：ICC = 0.801（95% CI: 0.571–0.916），显示良好一致性。Bland-Altman分析显示平均偏差为-4.94°，一致性界限相对较窄。
亚组分析表明，术后时间与测量误差之间未发现显著关联，但由于样本量小（n=14），这些结果应被视为探索性的。
4. 讨论
需求获取过程存在样本量小、可能存在选择偏倚等局限性，但通过与开发团队的持续迭代协作得到了补充。Rehabi遵循洁净架构的设计为其他移动健康应用提供了可重用的蓝图。临床试点验证结果表明，该移动无标记运动分析系统在术后患者中具有初步可行性，特别是对膝关节屈曲的评估。其结果与文献中无标记系统作为传统方法实用替代品的趋势一致。然而，髋关节测量的一致性界限较宽，表明在个体水平上存在变异性，这可能归因于捕获条件、算法对特定姿势的敏感性或临床参考标准本身的差异。这些发现强调了在将此类系统转化为常规临床工具之前，进行大规模、标准化验证研究的重要性。
5. 结论
本研究介绍了Rehabi，一个用户友好的移动健康远程康复平台，它将临床医生与患者界面与集成的无标记运动分析相结合。在一项针对14名关节置换术后患者的初步研究中，该系统对膝关节屈曲显示出良好的一致性（ICC = 0.801），对髋关节屈曲显示出中度一致性（ICC = 0.686）。该平台的主要贡献在于将易于访问的临床工作流程与实时姿态反馈相结合，降低了远程评估的障碍并支持患者参与。这些结果是有希望的，但仍是初步的。个体测量变异性、对捕获条件的敏感性以及小样本量限制了其立即的临床推广。为了推进Rehabi的常规使用，建议进行更大规模的多中心验证、针对每个练习的校准以及标准化的捕获协议。
