对于曾经中风或脊髓损伤的患者，久坐很容易导致压力性损伤（PI）。压疮（PI）是指皮肤或深层组织受到强力或长时间的压力以及剪切力造成的局部损伤，通常发生在骨突部位。它是脊髓损伤和脑卒等多种疾病的康复和护理过程中危害最大的并发症之一，多发生于住院患者和老年人。对压疮进行风险预警有助于长期依赖轮椅的患者的自身康复和预防压疮。现有的 PI 风险预警技术更侧重于整合传感器技术和人工智能算法，对患者的位置和姿势进行分类，以评估 PI 风险[1，2]。这种方法没有充分考虑 PI发生的具体生物力学机制，导致预警准确率较低。研究人员通过生物力学分析将最大剪切应变作为反映组织内部变形程度和评估PI风险的重要指标。压力、剪切力和体重指数(BMI)是影响内部剪切应变的重要因素。因此，有必要同时监测两个维度的力（即垂直力和水平力）并结合BMI来预测内部软组织的最大剪切应变并评估压疮风险。
2024年7月13号，同济大学医学院/附属养志康复医院牛文鑫团队、物理科学与工程学院张晓青团队与航空航天与力学学院戴瑛/贺鹏飞团队合作在ACS Applied Materials & Interfaces上发表了题为“Smart Cushions with Machine Learning Enhanced Force Sensors for Pressure Injury Risk Assessment”的研究论文，该研究开发了集成可同时监测二维力的智能坐垫和遗传算法优化的反向传播神经网络模型(GA-BP)的压疮风险智能预警系统。通过智能坐垫实时监测坐姿下臀部与坐垫之间的压力和摩擦力，并结合BMI，利用GA-BP机器学习算法评估压疮风险。该智能预警系统可进一步与家庭智能护理平台连接，以提高脊髓损伤（SCI）患者的生活质量，并降低护理或康复护理的费用。
本文首先设计了一种可同时检测垂直和水平力的二维力传感器（2D-FS），在传感器中铁电驻极体同轴传感器（FCS）单元和铁电驻极体薄膜传感器（FFS）单元分别作为受力和传感单元以及辅助解耦单元。利用深度神经网络(DNN)模型对两个传感单元的维间耦合进行解耦, 实现了竖直力和水平力分离。该2D-FS具有较宽的检测范围(Fv: 0~50N, Fh: 0~10N), 其中, FCS和FFS传感单元对竖直力的灵敏度Sv分别为90 pC/N和55 pC/N, FCS传感单元对水平推力的灵敏度Sh为 48 pC/N。最后，将 2D-FS 阵列集成到坐垫中制备智能坐垫以测量臀部的压力和摩擦力。
为了构建力学信号、BMI与内部组织应变之间的映射关系，我们开发了一个基于坐姿臀部参数化有限元模型的数据库，提出和训练了一种以压力、摩擦力和BMI为输入，以臀部组织的最大剪切应变为输出的GA-BP 算法评估压疮风险。通过 GA 优化的 BPNN 增强了全局搜索能力，从而获得了更加准确的预测结果。最后，利用5名受试测量了该预警系统的有效性。
综上所述，针对现有压疮预警系统预警不准确的痛点，该研究根据生物力学分析提出了一种集成可同时监测二维力的智能坐垫和GA-BP机器学习算法的智能预警系统。基于压力、摩擦力和BMI的输入特征实现了对长期轮椅患者的压疮风险预警。这项研究也存在一些局限性，如，由于实验室制备智能坐垫2D-FS阵列比较刚硬且数量非常少，过于分散，降低了智能坐垫的空间分辨率。因此，后续研究需要重点关注2D-FS的柔性化和微型化技术。
原文链接： https://doi.org/10.1021/acsami.4c05964作者简介：同济大学医学院/附属养志康复医院博士后相新昊和硕士毕业生张珂为共同第一作者，牛文鑫、张晓青和戴瑛教授为共同通讯作者。本研究受到国家科技部重点研发计划和国家自然科学基金项目的资助。信息来源：https://mp.weixin.qq.com/s/I3xrIL_2GRrgt9A-Nc1mig