《Scientific Reports》：A method for detection of functional deficiencies due to unilateral vestibular impairment using the TUG test and IMU sensors
編輯推薦：
前庭功能障礙影響運動及日常生活。為客觀評估單側前庭障礙患者的平衡功能，研究人員利用 iTUG 測試結合慣性測量單元（IMU）傳感器，對比單傳感器、六傳感器及人工神經網絡（ANN）分析方法，發現 ANN 六傳感器法靈敏度（88%）和特異性（92%）最佳，為臨床篩查和評估提供新工具。
前庭系統作為人體平衡與空間定向的核心，其功能障礙會導致眩暈、步態不穩等癥狀，嚴重影響患者的日常生活能力。目前臨床常用的平衡評估方法，如傳統 TUG 測試，主要依賴手動計時和醫生經驗，難以精準捕捉轉身、起立等關鍵動作的細微異常，且無法量化運動參數。對于單側前庭損傷患者，其代償機制可能掩蓋靜態平衡缺陷，但動態運動中的功能異常（如轉身時的角速度變化）卻難以通過傳統手段識別。因此，開發一種客觀、量化的評估工具，對早期發現前庭功能障礙、指導康復治療具有重要意義。
波蘭羅茲工業大學（Lodz University of Technology）與諾夫職業醫學研究所（Nofer Institute of Occupational Medicine）等機構的研究人員，針對單側前庭功能障礙的客觀評估難題，開展了基于儀器化 TUG 測試（iTUG）和慣性測量單元傳感器（IMU）的研究。該研究成果發表在《Scientific Reports》，為前庭功能障礙的臨床診斷提供了新的技術路徑。
研究團隊采用了三種關鍵技術方法：
- 單傳感器分析：將 IMU 傳感器放置于腰椎 L4-L5 位置（接近人體重心），采集旋轉角速度、總測試時間等參數。
- 六傳感器分析：在胸部、上下肢等部位部署六個 IMU 傳感器，構建多段生物力學模型，同步采集全身運動數據。
- 人工神經網絡（ANN）模型：基于六傳感器數據，利用多層感知器網絡整合 43 項運動特征，通過留一法交叉驗證評估分類性能。
研究結果
單傳感器模型的有效性
通過分析單傳感器數據，發現 ** 最大角速度（MAV）和總時間（TT）** 是關鍵區分參數：
- MAV 在患者組顯著低于健康組（153.92±25.28 vs. 192.62±19.72 deg/s，p<0.01），其靈敏度達 95%，特異性 70%，顯示出高篩查價值。
- TT 在患者組為 9.34±1.70 秒，顯著長于健康組的 7.36±1.08 秒（p<0.01），特異性達 88%，但靈敏度較低（73%）。
六傳感器模型的優化
六傳感器數據整合后，單一參數（如 MAV）的靈敏度（60%）和特異性（91%）未顯著優于單傳感器，但通過 ANN 模型融合多參數后，性能顯著提升：
- ANN 六傳感器模型的靈敏度達 88%，特異性 92%，準確率 90%，表明多傳感器數據與人工智能結合可有效捕捉全身運動協調性異常。
180° 轉身動作的關鍵作用
對比傳統 360° 旋轉測試，研究發現 iTUG 中的 180° 轉身更能敏感反映前庭功能障礙�；颊咴谵D身階段的角速度下降更為顯著，且轉身起始與停止時的前庭刺激重疊，更易觸發平衡反應異常。這提示轉身動作是評估前庭功能的核心環節。
研究結論與意義
本研究證實，iTUG 結合 IMU 傳感器可客觀量化單側前庭功能障礙患者的動態平衡缺陷：
- 單傳感器方法具備操作簡便、成本低的優勢，適用于基層醫療篩查，其 MAV 參數可作為快速識別指標。
- 六傳感器 + ANN 模型則通過多維度運動特征融合，實現了更高的診斷準確性，為臨床精準評估提供了技術支撐。
- 180° 轉身動作在前庭功能評估中的有效性優于傳統全旋轉測試，為優化臨床測試 protocol 提供了依據。
該研究突破了傳統主觀評估的局限性，將傳感器技術與人工智能結合，為前庭功能障礙的早期診斷、康復效果監測及跌倒風險預測開辟了新方向。未來若進一步擴大樣本量并納入年齡分層分析，有望推動該技術在臨床中的廣泛應用。
