隨著老齡化進(jìn)程加快，老年人群肌肉功能退化問題日益突出。肌肉力量的下降不僅影響日常生活自理能力，還顯著增加跌倒風(fēng)險(xiǎn)，進(jìn)而帶來巨大的經(jīng)濟(jì)、社會(huì)和心理負(fù)擔(dān)。事實(shí)上，衰老的過程因人而異，它受器官功能、生理變化、生活方式和環(huán)境等多重因素影響，導(dǎo)致部分老年人能夠保持較好的活動(dòng)能力，而另一些人則出現(xiàn)明顯的肌力下降和功能障礙。肌少癥，即肌肉質(zhì)量與功能的喪失，正是不健康老化的重要表現(xiàn)之一。在這一背景下，實(shí)現(xiàn)更早期、更精準(zhǔn)的評(píng)估與干預(yù)，、高效的檢測(cè)手段成為當(dāng)前的重要課題。

圖1. 文章信息

本研究共招募16名健康受試者，根據(jù)年齡劃分為兩組（H1為年輕組，H2為年長(zhǎng)組）。實(shí)驗(yàn)任務(wù)為以自發(fā)速度完成3次“坐下站起”（STS）動(dòng)作，目標(biāo)肌肉為股直肌（Rectus Femoris, RF），該肌在STS過程中為主要激活肌群。采用TMSi公司（荷蘭）研發(fā)的無線高密度肌電采集系統(tǒng)進(jìn)行信號(hào)記錄。電極陣列為4×8，共32通道，電極直徑為4 mm，中心間距為8.57 mm。信號(hào)采樣頻率設(shè)定為1000 Hz。采集完成后，數(shù)據(jù)通過Wi-Fi協(xié)議實(shí)時(shí)傳輸至筆記本電腦或移動(dòng)終端。信號(hào)記錄與處理界面由TMSi Polybench軟件提供。

本研究采用典型相關(guān)分析（Canonical Correlation Analysis, CCA）作為主要分析方法。CCA是一種多元統(tǒng)計(jì)方法，通過構(gòu)建兩組變量的線性組合（典型變量），變量間的相關(guān)性，從而揭示數(shù)據(jù)的內(nèi)在結(jié)構(gòu)。研究者將 HD-sEMG 信號(hào)矩陣與其延遲版本作為兩組變量，通過求解特征值問題提取具有自相關(guān)值和最小互相關(guān)值的源信號(hào)。該方法可按相關(guān)系數(shù)對(duì)信號(hào)源排序，篩選出最能反映肌肉電活動(dòng)特征的成分。

圖2. 在STS測(cè)試期間進(jìn)行高密度表面肌電信號(hào)采集的實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)結(jié)果顯示，老年組在平均CCA相關(guān)系數(shù)方面明顯高于年輕組（見圖3左）。這一結(jié)果說明老年人在完成STS動(dòng)作過程中，肌電呈現(xiàn)出更強(qiáng)的一致性和規(guī)律性，信號(hào)組織性更高。

在CCA相關(guān)系數(shù)的標(biāo)準(zhǔn)差方面，老年組則明顯低于年輕組（見圖3右）。年輕組的標(biāo)準(zhǔn)差為 0.16 ± 0.04，而老年組為 0.091 ± 0.06，該差異也達(dá)到顯著水平（P < 0.0001）。較低的標(biāo)準(zhǔn)差意味著老年人肌電信號(hào)中的不同信號(hào)源之間差異較小，分布更集中，提示其肌肉活動(dòng)模式更為單一、空間變異性更低。

圖3. H1 (年輕)和H2 (老年)組平均CCA相關(guān)系數(shù)（左）及其標(biāo)準(zhǔn)差（右）的箱線圖

圖4展現(xiàn)了在CCA算法提取出的31個(gè)典型信號(hào)源中，老年組在多個(gè)分量上的相關(guān)系數(shù)數(shù)值均集中分布于較高水平，曲線平穩(wěn)，波動(dòng)性小；而年輕組的數(shù)值變化則更加分散，呈現(xiàn)更強(qiáng)的動(dòng)態(tài)性和多樣性。

圖4. 青年( H1 ) "上"和老年( H2 ) "下"組31個(gè)估計(jì)源的CCA相關(guān)系數(shù)

上述現(xiàn)象在神經(jīng)肌肉生理層面上具有明確解釋。首先，隨著年齡增長(zhǎng)，肌肉結(jié)構(gòu)和神經(jīng)控制機(jī)制會(huì)發(fā)生明顯變化。老年個(gè)體中I型肌纖維（慢收縮、耐疲勞型）比例相對(duì)升高，而II型肌纖維（快收縮、爆發(fā)力型）數(shù)量逐漸減少，導(dǎo)致整體肌肉反應(yīng)速度和可調(diào)性下降。這種肌纖維構(gòu)成的變化直接影響了電活動(dòng)信號(hào)的時(shí)空特征，使得不同運(yùn)動(dòng)單位發(fā)放的動(dòng)作電位（MUAP）波形趨于一致，進(jìn)而提高了信號(hào)之間的相關(guān)性。其次，衰老也會(huì)造成神經(jīng)支配肌肉的運(yùn)動(dòng)單位數(shù)量減少，個(gè)別神經(jīng)軸突再支配原本“空置”的肌纖維，形成較大的運(yùn)動(dòng)單位。這一現(xiàn)象使得肌肉在進(jìn)行簡(jiǎn)單動(dòng)作（如STS）時(shí)，能夠被更少的運(yùn)動(dòng)單位激活，從而導(dǎo)致中可觀測(cè)到的源信號(hào)數(shù)量減少、信號(hào)間差異縮小，體現(xiàn)為CCA相關(guān)系數(shù)標(biāo)準(zhǔn)差顯著下降。此外，這種“高相關(guān)、低變異”的信號(hào)特征可能代表肌肉控制的“簡(jiǎn)化”或“收斂化”趨勢(shì)，意味著在應(yīng)對(duì)外部任務(wù)時(shí)，老年肌肉系統(tǒng)選擇更保守、固定的協(xié)同激活方式。雖然這種模式在完成靜態(tài)或重復(fù)性任務(wù)時(shí)仍能保持穩(wěn)定，但對(duì)動(dòng)態(tài)任務(wù)或突發(fā)擾動(dòng)的適應(yīng)性顯著下降，正是老年人跌倒風(fēng)險(xiǎn)升高的深層神經(jīng)肌肉機(jī)制之一。

隨著高密度肌電與智能算法的深度融合，肌肉老化評(píng)估正在從“經(jīng)驗(yàn)判斷”向“數(shù)據(jù)驅(qū)動(dòng)”轉(zhuǎn)變。本研究以其簡(jiǎn)潔的評(píng)估流程、敏感的算法特征與臨床適配的設(shè)備形式，展現(xiàn)出HD-sEMG在老年康復(fù)、肌肉健康監(jiān)測(cè)與個(gè)性化干預(yù)中的巨大潛力。正如作者所言，“這不僅僅是一項(xiàng)肌電研究，更是對(duì)未來老齡社會(huì)健康管理的一次嘗試”。

盡管本研究初步驗(yàn)證了HD-sEMG結(jié)合CCA方法在評(píng)估肌肉老化方面的有效性，但仍存在一定局限，包括樣本量較小、動(dòng)作任務(wù)單一、算法于線性建模，以及缺乏與肌肉結(jié)構(gòu)評(píng)估手段的交叉驗(yàn)證。未來研究需在受試者數(shù)量與年齡層級(jí)拓展、任務(wù)多樣化、非線性分析方法引入及多模態(tài)數(shù)據(jù)對(duì)比等方面進(jìn)一步深化，以提升方法的泛化能力和臨床適用性。

原文鏈接

研究團(tuán)隊(duì)介紹

關(guān)于維拓啟創(chuàng)

相關(guān)產(chǎn)品