摘要： 帕金森病作为全球第二大常见的神经退行性疾病，长期面临早期诊断困难、病情动态监测不足等核心挑战。尽管传统的药物治疗、手术及康复疗法发挥着重要作用，但其局限性也日益凸显。近年来，随着机器学习、人工智能及材料科学的飞速发展，可穿戴设备凭借其便携、实时、连续监测的独特优势，在疾病的诊断、监测与治疗领域展现出重要价值，正逐步从实验室研究走向临床应用，为医生提供更为客观、精准的管理工具。本文旨在系统梳理现有诊疗手段的不足，深入探讨可穿戴设备在帕金森病症状识别、评估与治疗中的最新研究进展，并对其未来发展方向进行展望。

关键词： 帕金森病；可穿戴设备；运动症状；机器学习；闭环管理

引言

帕金森病是全球第二常见的神经系统退行性疾病，全球患者人数已超过600万，且预计将持续增长[1]。患者主要表现为运动迟缓、静止性震颤、肌强直、步态障碍等运动症状，以及自主神经功能障碍、睡眠障碍等非运动症状。传统诊断高度依赖临床经验和量表评估，存在主观性强、难以实现早期诊断与实时监控等缺陷；药物治疗与手术虽能缓解症状，但常伴随不良反应，难以实现精准的个体化诊疗。近年来，可穿戴设备以其便携性、实时性与连续性等特点，为帕金森病的诊疗开辟了全新路径。本文将对相关文献进行系统回顾，探讨可穿戴设备在该领域的应用价值。

一、现有常规诊疗手段及其局限性

目前，帕金森病的诊断主要依据临床症状、量表评估（如UPDRS）及患者日记，但这些方法存在明显局限：主观性强、评分者间差异大，且易受“白大衣效应”及霍桑效应影响[2]；非连续性评估难以准确捕捉运动症状的波动，而患者日记则容易受到回忆偏倚的干扰[3]。此外，基因检测和脑成像技术因成本高昂和设备限制，难以广泛普及[4]。在治疗方面，左旋多巴类药物随病程进展可能出现异动症和症状波动；脑深部电刺激（DBS）虽疗效确切，但属于侵入性操作，存在一定风险，且在患者选择、手术规划等方面仍有待完善[5]；物理治疗等非药物手段则面临干预滞后、患者依从性差等困境。

二、可穿戴设备的技术集成与核心优势

可穿戴设备集成了微型化、低功耗的多模态传感器。其中，惯性测量单元（IMU）能够以高灵敏度、高特异度捕捉帕金森病患者的细微症状变化，实现客观、连续的量化记录[6]。在此基础上，机器学习和人工智能技术可以对海量多维数据进行实时处理与分析，展现出强大的综合分析与决策能力[7-8]。当前，可穿戴技术正朝着多技术深度融合的方向发展：通过与生物传感及微流控芯片的结合，可无创分析汗液、尿液中的药物浓度[9-10]；通过与仿生及柔性材料技术的融合，可显著提升信号采集的稳定性和佩戴的舒适度[11-14]。未来，脑机接口技术的集成将成为关键突破点，有望实现脑电信号的实时采集、自适应刺激调节以及疾病进展的持续追踪[15-16]。

三、可穿戴设备对症状的识别与评估

（一）静止性震颤

多数可穿戴设备将IMU集成于腕带、手套等物品中。Ibrahim等[19]利用分离式IMU与机器学习算法，实现了对震颤信号的准确估计；Gutowski等[20]结合肌电臂环与智能手机传感器，达到了较高的预测水平。Xie等[21]开发了一种超灵敏的可拉伸压力传感装置，通过力肌图信号实现了高达99.5%的震颤评估与定位精度。Guo等[11]提出的仿生传感器可在宽形变范围内识别低频变化，适用于早期震颤的鉴别。然而，现有模型受限于数据集规模，泛化能力不足，且部分试验涉及特定的运动任务，易受患者认知功能影响而产生偏差。

（二）运动迟缓

可穿戴设备多采用多模态传感器，并以UPDRS-Ⅲ量表为参照来评估运动迟缓。Marsili等[22]研究发现，患者敲击测试的节律变异性与UPDRS-Ⅲ评分呈正相关。Lonini等[23]指出，仅使用单个手背传感器即可有效检测上肢运动迟缓。Memar等[24]利用全身动作捕捉系统，提出了步行迟缓指数和坐立转换迟缓指数，实现了对全身运动迟缓的客观评估。

（三）姿势转换与步态障碍

基于IMU的设备是实现步态特征量化的低成本选择。Zadka等[26]仅使用单个下背部IMU便实现了高精度的步长估计。Zhang等[27]通过部署多个部位的传感器，实现了对不同亚型帕金森病患者的早期鉴别。针对冻结步态，Wang等[29]提出了一种多通道神经网络，可在发作前约2秒发出警报，准确率高达96.21%。Borzì等[30]发现，仅使用踝部单传感器即可实现高精度检测，且陀螺仪的性能优于加速度计。Yi和Hwang[31]开发的轻量级深度学习模型仅占用44.04 kB内存，兼顾了精度与效率。Li等[12]采用水凝胶光纤组件，准确率达到96.9%，并大幅提升了佩戴舒适度。Moore等[32]结合可穿戴眼动追踪与计算机视觉技术，可有效区分步态异常是由疾病本身还是环境因素所致。

（四）运动症状波动及异动症

Ramesh和Bilal[33]利用对抗生成网络，对腰部佩戴IMU的患者进行“开/关”状态区分，准确率达到100%。Löhle等[35]使用Parkinson KinetiGraph®设备在真实环境下监测“关”期及异动症，其结果与作为“金标准”的家庭日记高度一致。然而，现有研究样本量较小，未能充分考虑个体差异，仍需更大规模的数据进行验证。

（五）非运动症状

Schalkamp等[36]发现，帕金森病患者在前驱期即出现显著的睡眠质量下降，证实了睡眠生物标志物具有筛查价值。Shin等[39]设计的颈部可穿戴系统可捕获吞咽数据，分类准确率达89.47%。Nyein等[10]开发的可穿戴汗液贴片实现了无创的汗液动力学监测。不过，此类研究仍处于早期探索阶段，相关报道远少于运动症状。

四、可穿戴设备在治疗中的应用

（一）震颤抑制

Fromme等[42]设计的柔性被动矫形器可将震颤功率降低74%~82%。包含肌肉电刺激模块的可穿戴手套能显著减轻震颤，但需根据个体情况调整刺激参数以避免肌肉疲劳[43-44]。

（二）步态治疗与康复

可穿戴设备通过视觉、听觉和触觉提示来改善患者步态。视觉提示系统Q-Walk在步态康复方面的效果不逊于传统方法[45]；在智能眼镜的对比研究中，听觉提示显示出一定优势[46]；触觉刺激则更具隐蔽性和安全性[13,47]。Ghayvat等[49]提出了一种基于功能性电刺激的预测干预系统，可自动触发刺激以改善步态。Kim等[14]开发的软质机器人服装可通过机械辅助来预防冻结步态的发生。

（三）药物治疗优化与管理

Tai等[9]设计的可穿戴汗液带可实时追踪药物代谢情况，从而优化给药剂量。Powers等[51]利用智能手表自动记录运动症状，有助于识别未坚持服药的患者。可穿戴技术在构建“给药-反馈-调整”的闭环管理体系中展现出巨大潜力。

（四）DBS术后监测与优化

Gilron等[52]将家庭环境下的神经记录与可穿戴监测器相结合，实现了DBS方案的个体化优化。可穿戴设备还能识别异常的脑电活动，并对刺激进行实时调整，以减少不良反应。

五、挑战与展望

尽管前景广阔，可穿戴设备在帕金森病诊疗中仍面临诸多挑战：适用范围有限，难以同时监测多种并发症状；患者依从性不高，成本和舒适度影响使用体验；数据不平衡、隐私安全及传输平台建设等问题亟待解决。未来发展应着力于提升传感器性能、扩大数据集规模、优化设备设计、加强患者教育以及健全隐私保护机制。多学科交叉与技术创新的深度融合，将进一步推动可穿戴技术的发展，更好地满足患者与临床的实际需求。