《Human Movement Science》：Feedback control stabilizing the center of mass can be identified in unperturbed, upright standing
編輯推薦：
本文針對直立站立穩定性的反饋控制機制提出了一種新的模型。研究人員通過構建一個將校正地面反作用力(Fcorr)與先前的質心(COM)位置(PCOM)和速度(VCOM)聯系起來的線性模型，旨在不施加外部擾動或測量生理活動的情況下，識別人體站立時的反饋控制參數。該模型在模擬和人體實驗數據中均能有效重建Fcorr(R2：模擬0.77–0.99，人體0.92–0.98)。研究結果揭示了健康年輕人在內外側(ML)和前后側(AP)方向上不同的延遲和增益特征，表明站立穩定性的實現主要依賴于接近臨界穩定水平的姿態反饋增益。此模型僅需易于測量的輸入變量，為平衡障礙的評估提供了一個有價值的、無創的分析框架。
即使我們“靜止站立”，身體也從未完全靜止，而是持續著細微的搖擺。沒有適當的校正機制來應對這些內在擾動和外部干擾，我們將失去穩定并面臨摔倒風險。長期以來，科學家們試圖理解人體如何像不倒翁一樣保持穩定。傳統觀點認為，中樞神經系統像一位警惕的控制員，不斷接收身體姿態（例如質心位置和速度）的“傳感器”信號，經過一定的處理時間（延遲），再下達指令給肌肉，產生校正力矩來對抗搖晃。以往的研究常常通過施加外界的推力或拉力（外部擾動），或者測量復雜的生理信號（如肌電圖EMG），來“窺探”這套反饋控制系統。然而，這些方法要么操作復雜，要么改變了自然的站立狀態。這就引出了一個問題：我們能否從一次安靜的、不受打擾的站立過程中，僅通過一些容易獲得的物理測量數據，就“破譯”出大腦和神經系統控制身體穩定的“算法”？
為了回答這個問題，來自荷蘭阿姆斯特丹自由大學人類運動科學系的Yang Geng、Sjoerd M. Bruijn和Jaap H. van Die?n 在期刊《Human Movement Science》上發表了一項研究。他們提出的核心假設是：任何旨在維持穩定的校正動作，最終都會體現在地面的反作用力上。如果存在一個基于質心(COM)狀態的反饋控制，那么它應該表現為地面反作用力與之前的COM狀態之間存在一種時滯關系。基于此，研究人員提出了一個簡潔的線性模型，將校正地面反作用力(Fcorr)與先前的COM位置(PCOM)和速度(VCOM)聯系起來。這個模型僅需易于測量的變量：COM的運動學（位置、速度）和地面的水平反作用力（或COM加速度）。研究的核心目標有兩步：首先，通過在已知參數的倒立擺(IP)模型中進行模擬，驗證這個新方法能否有效地識別出反饋參數；然后，將該模型應用于真實人體的站立實驗數據，評估健康年輕人的站立反饋控制特征，并探討其作為評估平衡障礙工具的潛力。
研究方法：本研究采用了計算機模擬與人體實驗相結合的方法。首先，研究人員構建了一個受控的倒立擺(IP)模型，該模型結合了內在力學（剛度、阻尼）和具有時滯的反饋控制機制，并引入了運動噪聲和感覺噪聲，以模擬人體自然站立時的搖擺。他們通過系統性地改變模型的輸入參數（如反饋增益、延遲、內在剛度、噪聲水平等），生成了大量模擬數據，然后應用所提出的反饋模型（公式(2)）來估計參數，并評估模型擬合優度(R2)。其次，研究招募了15名健康年輕成人志愿者（21±4歲），采集了他們在雙腳并攏、安靜站立1分鐘（重復5次）時的全身三維運動學數據（50Hz）和地面反作用力數據（1000Hz）。通過3D環節鏈模型計算全身質心(COM)的位置和速度，并通過牛頓第二定律計算并校正地面反作用力中的重力分量，得到Fcorr。隨后，對實驗數據（ML和AP方向分別）應用相同的反饋模型進行參數估計，得到每位受試者的反饋延遲(τ?)、位置增益(K?)和速度增益(B?)。為便于比較，位置增益和速度增益均根據身體慣性參數進行了標準化處理。
3.1. 模型模擬
在默認輸入參數下的模擬中，模型產生了幅度和時程結構都接近真實人體站立的搖擺。模型能有效重建Fcorr(R2范圍0.74–0.79)。估計的反饋參數（延遲、位置增益、速度增益）表現出穩定的偏差，但變異系數較低，表明估計具有一致性。這表明，在默認條件下，該反饋模型能夠產生穩定但有偏的估計，這種偏差可能源于內在控制機制的貢獻。在系統性地改變所有輸入參數的大量模擬組合中，研究發現，估計的反饋參數主要受實際反饋參數驅動而變化，盡管存在偏差，但兩者之間存在明顯的相關關系。多元線性回歸分析進一步證實，實際反饋參數是影響其對應估計值的最主要因素。這意味著，盡管估計值代表了內在和反饋效應的總和，但只要內在機制的影響在正常站立條件下可忽略，這些估計值就仍然能提供關于反饋機制的有效信息。
3.2. 實驗設計 & 數據收集 / 3.3. 數據分析
研究人員成功地將模型應用于15名健康年輕人的實驗數據。結果顯示，模型在AP和ML兩個方向上都能極好地重建Fcorr(R2：AP方向0.95±0.02，ML方向0.97±0.01；VAF方差解釋率均大于0.90)。這表明，即使在自然、無擾動的站立中，地面反作用力也可以被先前的COM狀態很好地預測，支持了“站立穩定性由基于COM信息的延遲反饋控制實現”的假說。
3.3.2. 人體實驗數據
對人體實驗數據的分析得出了關鍵的量化結果。首先，在延遲方面，內外側(ML)方向的有效延遲（239±20ms）顯著短于前后(AP)方向（271±28ms）。其次，在反饋增益方面，ML方向的位置增益顯著大于AP方向，標準化后的增益值分別為-1.09±0.04和-1.03±0.02倍臨界剛度。這意味著，在ML方向上，神經系統使用了更強的位置反饋來維持穩定。然而，兩個方向之間的速度增益沒有顯著差異。
研究結論與意義：本研究提出的模型成功地從不施加外部擾動的自然站立數據中，識別出了人體穩定控制的反饋參數。盡管估計的參數代表了內在機制和反饋控制的綜合效應，但由于內在機制在正常站立條件下的貢獻可忽略，這些參數主要反映了反饋控制的特性。研究結果表明，健康年輕人站立穩定性的實現，依賴于其位置反饋增益剛好略高于維持臨界穩定性所需的水平。這一“臨界穩定”策略可能是在能耗、穩定性和反應性之間取得的最優平衡。此外，ML和AP方向在延遲和增益上的差異，可能反映了不同解剖結構（如髖關節與踝關節）和神經控制策略的特異性。最重要的是，本研究提出的模型僅需要COM的運動學數據和地面反作用力這兩類易于測量的輸入，這使得它成為一種極具潛力的、無創的臨床評估工具。未來，該模型可應用于平衡障礙患者（如老年人、神經系統疾病患者）的研究，通過比較其反饋參數與健康人群的差異，來量化其平衡控制缺陷的機制，從而為診斷、康復評估和干預效果監測提供新的客觀指標。
