February 12th, 2018
对肌肉功能的客观测量尤其对儿童具有挑战性。基于商业上可用的数字3维传感器, 开发了一个儿童友好的游戏测试, 以评估上肢功能的临床试验。
这项儿童友好型游戏测试基于市售的数字 3D 传感器,其总体目标是客观评估临床试验的上肢功能。这种方法可以提供关键信息,例如许多神经肌肉疾病的肌肉功能如何变化。这种技术的主要优点是评估是客观的、定量的,分辨率高。
我们的方法如何扩展到测量脊髓性肌萎缩症疾病进展的意义,因为儿童在标准临床评估中通常表现不佳。虽然我们设计的测试可以提供对上肢运动的见解,但相同的技术也适用于其他运动症状,如全身步态和平衡分析。当我们在集思广益评估药物效果领域游戏化的可能性时,我们第一次想到了这种方法。
这种方法的演示范围更广,因为它提供了对游戏动态的有意义的见解,并且它是了解设置的一种非常快速的方法。演示该程序的是 Ulrike Bonati,她是进行该研究的巴塞尔大学医院的医生,也是一名健康志愿者,也参与了该研究。首先,将 3-D 传感器驱动程序和衣柜游戏应用程序安装到测试计算机上。
然后将电脑放在高度为 0.5 到 1 米的桌子上。将 3-D 设备放在桌子上,与计算机的中间对齐,并根据需要调整 3-D 传感器的角度以正确捕获主体。接下来,使用相应的电缆将 3-D 传感器适配器连接到计算机、3-D 传感器和电源。
最后,在距离桌子约两米的地方放置一把可调节的椅子。在开始测试之前,请启动计算机并调整音量并确保已连接互联网以允许自动数据传输。接下来,指示主题坐在椅子上并在计算机上启动应用程序。
然后在第一页上输入唯一的主题 ID。点击开始按钮进入衣柜游戏的页面。屏幕上可见的骷髅人物代表了拍摄对象在大型虚拟衣柜前的身体。
指示被摄体挥动手臂并执行其他动作,直到 3D 传感器捕捉到被摄体。3D 传感器使用红外线来检测人体,因此如果房间有阳光直射或强烈的阳光,骨骼可能会变形甚至看不到。阅读屏幕上显示的说明并调整被摄体的位置,直到说明以绿色字体显示。
单击 train 按钮开始训练,但不记录数据。让受试者按照屏幕上给出的指示,按照衣柜游戏的要求进行手臂动作。首先,对象将被要求伸出一只手臂以伸手接触,然后抓住一个闪烁的虚拟物体。
接下来,将指示受试者弯曲同一只手臂并触摸他们身体上的指示点以放置虚拟对象。当对象由于肌肉功能不足而无法够到或放置物体时,该程序将在 12 秒后自动跳过该物体。或者,作员可以按按钮跳过对象。
单击开始按钮开始记录对象再次执行手臂动作。四分钟后,如果对象无法完成一系列手臂动作,游戏将自动结束。游戏完成后,会出现一个蜘蛛图,指示被摄体的关节范围。
最后,单击结束按钮退出游戏。绘制来自 9 个上半身点的轨迹,同时受试者作为衣橱游戏、手臂功能评估的一部分进行手臂运动。在该图中,绘制了脊髓性肌萎缩症患者与健康对照患者随时间推移的 9 个身体点的空间位置。
相比之下,对照受试者的头部、颈部和躯干运动相对较少。从使用这种方法获得的原始 3-D 数据中提取的信息可用于比较单个患者在多轮测试中的运动。此处显示的是两轮肘部伸展和肘部屈曲阶段的分段手部轨迹图。
两轮比赛的轨迹保持一致,双手的三个下部物体明显过度伸展。还测量了单个患者左右手之间的差异。如图所示,单个患者的右手和左手的速度之间没有显著差异。
从原始 3-D 数据中提取的信息也阐明了个体受试者之间的差异。在患者 2 和患者 3 之间的躯干补偿运动中观察到明显的受试者内差异。在患者 1 和患者 3 之间的中位手速方面也检测到显着差异。
看完这个视频,你应该对如何设置和执行这个衣柜游戏有一个很好的了解,以获取手臂功能的客观信息。一旦掌握,如果执行得当,该测试可以在 5 分钟内完成。作为此程序的后续,可以进行其他测试以回答其他问题,例如关于肌肉耐力的问题。
在尝试此程序时,重要的是要记住,测试设计和患者能力之间的适当匹配是成功的关键。开发后,这项技术为临床生物标志物领域的研究人员探索其他数字设备来测量治疗效果和疾病进展铺平了道路。
本文介绍了一种利用数字3D传感器的儿童友好型游戏测试,用于在临床试验中客观评估上肢功能。该方法旨在提供对肌肉功能变化的定量洞察,特别是对于神经肌肉疾病。
Objective, quantitative assessment of upper limb function using 3-D sensor technology addresses a critical gap in neuromuscular disease research, particularly for pediatric populations where standard clinical scales lack sensitivity. This approach enhances predictive confidence in early-stage clinical trials by enabling high-resolution, reproducible measurement of motor function. Integrating digital motion capture into discovery and translational workflows supports robust biomarker development and risk-adjusted portfolio decisions.
This digital assessment method bridges early discovery, lead identification, and translational research by providing standardized, quantitative movement data across the R&D continuum.