共计 1364 个字符，预计需要花费 4 分钟才能阅读完成。
奥克兰生物工程研究所（ABI）的研究人员正在利用 NASA 的反重力技术，为新西兰儿童身体残疾的主要原因——脑瘫（CP）患者带来新的康复希望。脑瘫影响大约每 500 名新西兰儿童中的 1 人，其根源在于发育中的大脑受损，导致协调运动和姿势的信号中断。
ABI 的研究团队结合物理学、医学和机器学习，深入理解运动如何崩溃以及如何恢复它。他们使用的“Alter-G”反重力系统正在重新定义身体控制的感觉。在每次训练开始时，孩子们会佩戴心率传感器和跑步机短裤，这些短裤将他们的下半身封闭在一个密封的气室中。随着气室充气，他们从腰部被抬起，卸去高达 80% 的体重。接下来，他们被鼓励探索新的动作并独立行走——同时 ABI 研究人员监控他们的心率，确保他们处于安全、适度的努力范围内。
- 
- 
- 
- 
ABI 团队负责人 Pablo Ortega-Auriol 博士解释说，随着负荷减轻，孩子们可以更有选择性地激活驱动行走的肌肉。这种方法正在取得明显的成果——即使在离开反重力环境后。一些孩子的行走速度和距离提高了 40%，家长们表示他们在训练之外也变得更加活跃和自信。
ABI 更广泛的脑瘫研究项目将物理学、生理学和解剖学通过计算建模相结合，围绕一个简单的真理展开：理解先于干预。生物工程研究所肌肉骨骼建模小组负责人 Thor Besier 教授强调，理解真正发生机制对于制定最佳的干预和治疗方法至关重要。
Julie Choisne 博士的焦点则在于理解其底层结构：骨骼如何生长、变形以及如何通过测量指导更精确的治疗。与奥克兰大学骨科外科医生 Sue Stott 教授合作，Choisne 帮助创建了世界上首个儿科骨骼生长图谱，利用来自 300 多名 4 至 18 岁儿童的罕见法医 CT 扫描数据集。现在，Choisne 的团队正在将这些模型转化为临床工具，使步态分析变得更加普及。
由运动科学系的 Angus McMorland 博士领导的另一个小组将焦点放在最初阶段：寻找在生命最初几个月内检测脑瘫的方法。他的团队正在使用人工智能（AI）自动化婴儿神经发育的黄金标准通用运动评估（GMA），用于预测后期脑瘫风险。McMorland 解释说，现有方法依赖于训练有素的评估者观看婴儿仰卧的短视频，并将其自发运动分类为正常、异常或缺失。新系统将看到 AI 技术为这些相同的视频提供反馈——这些视频是临床医生已经为手动版本评估收集的，McMorland 说。
经过十多年的发展，ABI 的脑瘫研究始终是一个关于合作和好奇心的故事。最初由 Besier、Stott 等人发起的工作已发展成为一个世界领先的项目，随着 Choisne 和来自弗吉尼亚大学的肌肉骨骼生物工程师 Geoff Handsfield 博士的加入，进一步推动了这一进程。2022 年授予 ABI 的两项重大慈善捐赠帮助团队进入了新领域。
尽管取得了显著进展，Besier 表示，关于脑瘫的一些最大问题仍未解决。一个持久的挑战是理解早期脑损伤如何演变成儿童后期出现的复杂肌肉和骨骼畸形。另一个是实现可靠的早期诊断：在婴儿 6 个月大时识别 CP。第三个，也许是最关键的，在于确定在发育的不同阶段哪种治疗方法最有效，以在大脑仍能适应时利用其可塑性。
最终，Besier 说，目标始终如一：为每个孩子提供独立运动的最佳机会。“如果我们能理解事情如何以及为何出错，我们就能帮助它们恢复正常——这就是驱动我们所有人的动力。”
