《Journal of NeuroEngineering and Rehabilitation》：The Neuromusculoskeletal Modeling Pipeline: MATLAB-based model personalization and treatment optimization functionality for OpenSim
編輯推薦：
運動功能障礙治療存在標準化方案效果欠佳的問題，研究者開發神經肌肉骨骼建模（NMSM）管道，含模型個性化（JMP、MTP、NCP、GCP 工具）和治療優化（TO、VO、DO 工具）功能。通過卒中患者案例，證實其可提升步行速度 60% 且不增代謝成本，為個性化治療提供新途徑。
運動功能障礙如骨關節炎、卒中、脊髓損傷等正困擾著約 19% 的美國成年人群。當前標準化治療因忽視個體差異，常導致功能恢復效果不佳，患者滿意度低。例如，僅 65% 的卒中患者能恢復行走能力，且存在步態不對稱、代謝效率低等問題；全膝關節置換術后，22% 患者對功能結果不滿。傳統 “黑箱” 機器學習模型在預測治療效果時外推能力不足，而基于物理的計算模型結合工程優化方法，有望突破這一困境，實現個性化治療設計。
為解決上述難題，美國萊斯大學（Rice University）的研究團隊開展了神經肌肉骨骼建模領域的研究。他們開發了基于 MATLAB 的神經肌肉骨骼建模管道（NMSM Pipeline），并將相關成果發表在《Journal of NeuroEngineering and Rehabilitation》。該研究旨在通過個性化模型和預測模擬，優化神經肌肉骨骼損傷的治療方案，提升患者功能恢復效果。
研究主要采用以下關鍵技術方法：
- 模型個性化工具集：包含關節結構模型個性化（JMP）、肌肉 - 肌腱模型個性化（MTP）、神經控制模型個性化（NCP）和足 - 地接觸模型個性化（GCP）工具，利用患者運動數據和梯度優化算法，校準模型參數使其匹配實驗數據。
- 治療優化工具集：通過跟蹤優化（TO）、驗證優化（VO）和設計優化（DO）工具，結合直接配置最優控制方法（如 GPOPS-II 求解器），預測不同治療方案下的功能結果，優化治療參數。
研究結果
模型個性化流程驗證
- JMP 工具：通過最小化逆運動學（IK）標記距離誤差，優化關節參數和標記位置，使膝關節和踝關節的均方根誤差（RMS）分別降低 48.4% 和 46.2%，提升模型 kinematic 準確性。
- MTP 工具12：結合肌電圖（EMG）和逆動力學（ID）數據，優化肌肉 - 肌腱參數，使左右腿關節力矩匹配誤差分別降至 3.5 Nm 和 2.1 Nm，提高肌肉力預測可靠性。
- NCP 工具3：基于肌肉協同（Muscle Synergies）理論，優化協同向量和激活模式，使關節力矩和肌肉激活匹配誤差分別為 2.2 Nm 和 0.034，揭示神經控制策略。
- GCP 工具4：個性化足 - 地接觸模型參數，使地面反力和力矩的 RMS 誤差分別為 4.6 N 和 2.1 Nm，提升步態模擬真實性。
治療優化應5用案例
以一名慢性卒中患者為例，利用 NMSM Pipeline 預測通過調節肌肉協同激活改善步行功能：
- TO 工具：生成動態一致的步行模擬，匹配關節運動、力矩和肌激活數據，為后續優化提供初始解。
- DO 工具：6通過上調患側腿薄弱協同激活、下調健側過度激活，使步行速度從 0.5 m/s 提升至 0.8 m/s（提高 60%），且代謝成本未增加，驗證了協同調節的治療潛力。
結論與討論 7
NMSM Pipeline 通過整合模型個性化與治療優化功能，為神經肌肉骨骼疾病的個性化治療提供了完整的計算框架。其核心創新在于：
- 多維度模型校準：涵蓋關節、肌肉、神經控制和足 - 地交互的個性化，解決了傳統通用模型與個體差異的不匹配問題。
- 臨床轉化支持：提供圖形用戶界面（GUI）插件和 XML 配置文件，降低非編程人員使用門檻，促進研究與臨床協作。
- 預測性治療設計：通過最優控制模擬，可量化評估手術、神經調控等干預措施的效果，減少試錯成本。
盡管存在依賴高質量運動數據、計算耗時等局限，該研究首次實現了從模型個性化到治療優化的全流程自動化，為卒中、骨關節炎等疾病的精準康復開辟了新路徑。未來結合影像學數據和長期臨床驗證，NMSM Pipeline 有望推動神經肌肉骨骼建模從實驗室走向臨床，成為個性化醫療的關鍵工具。
