在神經康復領域，機器人輔助技術雖展現出巨大潛力，但其臨床效果始終存在爭議。核心問題在于缺乏標準化的客觀評估體系——現有運動評估框架難以量化人機交互質量，而基于生理信號的數據驅動模型又缺乏統一采集標準。這種評估方法的缺失嚴重制約了康復機器人的優化與個性化應用。更棘手的是，臨床患者測試存在安全風險與倫理限制，亟需建立健康人群的神經力學響應基線作為參照。

意大利理工學院康復技術實驗室的Florencia Garro團隊在《Scientific Data》發表突破性研究，通過創新性設計NeBULA數據集應對這一挑戰。研究團隊構建了可調節觸摸面板平臺，模擬日�；顒又�"前向伸手"運動技能，同步采集127通道EEG和11塊上肢肌肉的EMG信號，首次實現了外骨骼輔助下標準化動作的神經肌肉協同響應記錄。該工作不僅為輔助技術評估建立了新范式，更推動了康復醫學向數據驅動模式的轉型。

關鍵技術方法包括：1) 基于Gentile運動原語理論設計標準化任務；2) 使用Brain Products ActiCHamp系統(1000Hz采樣率)和Cometa Waveplus無線EMG系統(2000Hz)同步采集數據；3) 采用BIDS標準結構化40名健康受試者(20-80歲)的三組實驗數據(無輔助/低輔助/高輔助)；4) 通過事件相關頻譜擾動(ERSP)和功率譜密度(PSD)分析驗證數據質量。

標準化任務設計
研究創新性地將臨床運動評估框架轉化為可量化實驗范式�；�于Longatelli等人提出的運動原語理論，選擇包含"點到點到達"和"復位"兩個原語的"前向伸手"作為核心任務。九目標觸摸面板通過LED提示系統精確控制任務時序，既保證動作標準化，又保留自然運動特性。這種設計首次將臨床常用的功能性運動分類(Gentile taxonomy)與高精度生物信號采集相結合。

多模態數據采集
實驗系統實現了μ秒級精度的多設備同步：EEG采用10-20系統擴展的128導聯布局，重點關注C3/C4運動皮層區；EMG依據SENIAM規范貼附11塊上肢肌肉。Float外骨骼提供兩種垂直方向輔助力，通過端點位置傳感器記錄運動學數據。這種多維度數據捕獲方式首次完整呈現了輔助技術對神經肌肉控制的層級影響。

數據質量驗證
在個體水平上，EEG分析顯示C3電極在α/β頻段存在條件依賴性調制：無輔助條件下出現典型事件相關去同步化(ERD)，而輔助條件下同步性增強。EMG功率譜在20-50Hz區間呈現特征性分布，前三角肌激活模式差異有效區分了輔助強度。雖然自定步調任務導致相位一致性(ITC)較低，但該特性恰恰反映了真實康復場景的運動變異性。

臨床應用價值
NeBULA的突破性在于：1) 建立首個包含外骨骼輔助梯度的BIDS兼容數據集，支持機器學習算法開發；2) 揭示輔助力度與神經振蕩β反彈的負相關關系，為"輔助依賴性"現象提供電生理證據；3) 設計的觸摸面板平臺可直接遷移至臨床環境。當前數據已用于開發基于EEG-EMG耦合特征的輔助效能預測模型，未來將擴展至腦卒中患者隊列研究。

討論部分強調，該數據集解決了康復工程領域的三個關鍵需求：1) 量化評估框架填補了機器人輔助技術"有效但機制不明"的認知缺口；2) 健康人群基線數據為病理狀態鑒別提供參照；3) 開放數據格式促進跨學科研究協作。值得注意的是，研究中觀察到的輔助技術對運動皮層β振蕩的抑制效應，可能成為未來個性化康復參數調整的神經標記。團隊正在開展后續工作，將本范式應用于上肢痙攣患者的閉環神經調控系統開發。

這項研究標志著神經康復評估從主觀量表向客觀生物標志物的重要轉變。通過將復雜的臨床運動評估轉化為可量化的實驗范式，NeBULA數據集不僅為輔助技術提供了"顯微鏡式"的評估工具，更開創了人機交互神經機制研究的新范式。隨著腦機接口(BCI)與康復機器人的深度融合，這種基于多模態生物信號的標準化評估框架，或將重新定義未來神經康復技術的研發路徑。