脑卒中（俗称中风）是一种高发病率、高死亡率和高致残率的急性脑血管病，是全球范围内导致死亡和残疾的主要原因之一。根据最新研究数据，2019年全球约有1,220万例新发脑卒中病例，患病总人数高达1.01亿例。其中，中国的新发患者高达394万例，死亡人数达219万例。该疾病不仅对个人健康造成严重影响，还给家庭及社会带来了沉重的经济和医疗负担。因此，如何有效地促进脑卒中患者的康复，尤其是上肢运动功能的恢复，已成为医学和康复领域的重要研究方向。

  近年来，随着神经科学、康复工程及人工智能技术的迅猛发展，人们对脑卒中后运动功能恢复的机制有了更深入的理解。这些进展为制定更加精准和高效的康复方案提供了新的思路，并推动了康复医学与工程学的交叉融合。在这一背景下，哈尔滨工业大学（深圳）刘洪海教授团队深入开展了基于肌肉协同理论的脑卒中上肢康复研究，探索更具科学性和个性化的康复策略。

  本研究围绕肌肉协同理论在脑卒中上肢康复中的应用展开，重点分析肌肉协同在患者运动控制中的变化规律，并探讨如何基于该理论优化康复干预策略。肌肉协同理论认为，中枢神经系统通过协调多个肌肉群的共同作用，以简化运动控制并提高运动效率。然而，脑卒中患者由于神经损伤，肌肉协同模式往往出现异常，从而影响上肢功能的恢复。

  刘洪海教授团队通过实验研究和数据分析，揭示了脑卒中患者在不同康复阶段的肌肉协同变化特点，并提出了一种基于肌肉协同模式优化的康复训练方法。研究发现，脑卒中患者在早期康复阶段肌肉协同模式较为单一，难以有效完成复杂运动，而随着康复训练的推进，肌肉协同能力逐步增强，运动模式也趋于正常化。基于这一发现，研究团队开发了一套个性化的康复训练方案，通过特定任务训练诱导患者重建正常的肌肉协同模式，以加速上肢功能的恢复。

  此外，团队还结合肌电信号分析、计算机建模及康复机器人技术，探索如何利用肌肉协同理论提升康复评估与训练的精准性。通过构建肌电驱动的生物力学模型，研究人员能够实时监测患者的肌肉协同模式变化，从而调整训练参数，确保康复干预的有效性。同时，康复机器人结合人工智能算法，可根据患者的实时表现动态调整训练强度，以最大化恢复效果。

  本研究不仅加深了对肌肉协同在脑卒中康复过程中的作用理解，也为未来开发更精准、更高效的康复干预手段提供了新的方向。研究成果有望推动个性化康复方案的发展，提高患者的康复效率，最终改善其生活质量，并降低社会医疗负担。

图 1  肌肉协同理论的层级控制策略

图 2  时不变协同模型

图 3  时变协同模型

图 4  典型肌肉协同应用场景