循证康复实践中的康复-平台创新

循证康复实践中的康复-平台创新演讲人CONTENTS引言：循证康复的使命与时代挑战康复平台创新的内涵解析与技术基石平台创新赋能循证康复实践的四大路径实践案例反思：平台创新落地的挑战与应对未来展望：迈向“精准-智能-人文”融合的新时代结语：让循证康复在创新中回归人文初心目录循证康复实践中的康复-平台创新01引言：循证康复的使命与时代挑战循证康复的核心内涵与临床价值循证康复的三元整合框架循证康复（Evidence-BasedRehabilitation,EBR）的本质是将“最佳研究证据”“临床专业经验”与“患者个体价值观”三者有机统一，以实现康复干预的科学化、精准化与人性化。在临床实践中，这意味着康复决策不能仅依赖个人经验或传统习惯，而需基于高质量研究证据，同时结合患者的功能障碍特点、生活目标及治疗意愿。例如，针对脑卒中后偏瘫患者的上肢康复，若仅凭“传统Bobath技术”经验性施治，可能忽略近年来镜像疗法、机器人辅助训练等高质量证据的支持，从而影响康复效果。循证康复的核心内涵与临床价值从“经验医学”到“循证医学”的康复范式转变康复医学作为现代医学体系的重要分支，其发展历程始终与循证理念的深化紧密相连。20世纪90年代，循证医学的兴起推动了康复领域从“经验导向”向“证据导向”的转变：康复方案的制定需系统评估随机对照试验（RCT）、系统评价（SR）与Meta分析的结果；康复效果的评定需采用国际公认的标准化工具（如Fugl-Meyer评定量表、Barthel指数等）。这一转变显著提升了康复干预的有效性，但也带来了新的挑战——如何在海量证据中快速筛选适用内容，如何将个体化数据转化为精准决策，成为制约循证康复落地的关键问题。当前循证康复实践的现实困境证据获取的“信息孤岛”与时效滞后随着康复医学研究的快速发展，全球每年发表的康复相关文献超过10万篇，但临床医生仍面临“找不到、用不上”的窘境。一方面，现有医学数据库（如PubMed、CochraneLibrary）缺乏针对康复亚专科（如神经康复、心肺康复、儿童康复）的垂直整合，检索过程需跨库筛选、重复劳动；另一方面，证据转化存在“时间差”——从研究发表到临床指南更新，往往需要2-3年，导致部分推荐方案滞后于最新研究进展。例如，2022年《柳叶刀》发表的脊髓损伤康复新证据，直至2023年底才被部分国家康复指南采纳，期间患者仍可能接受低效干预。当前循证康复实践的现实困境个体化方案制定的“经验依赖”与效率瓶颈循证康复强调“个体化”，但传统模式下，个体化方案的制定高度依赖康复团队的经验与精力。一位康复医师需同时评估患者的影像学资料、功能评定数据、合并症、社会支持等多维度信息，再结合文献证据制定方案，这一过程耗时耗力。以脊髓损伤患者为例，其康复方案需涉及膀胱管理、压疮预防、心理干预等20余个亚领域，若仅靠人工整合，单次方案制定可能需要4-6小时，难以满足临床需求。当前循证康复实践的现实困境多学科协作的“碎片化”与沟通壁垒康复服务的核心是多学科团队（MDT）协作，包括康复医师、治疗师（PT/OT/ST）、护士、心理师、社工等。传统协作模式依赖线下会议与纸质记录，存在信息传递延迟、版本混乱、责任界定模糊等问题。例如，一位脑外伤患者的康复计划中，物理治疗师强调“肌力训练”，作业治疗师侧重“日常生活活动（ADL）训练”，若缺乏统一平台整合目标与进度，可能导致训练冲突或重复劳动，降低整体效率。当前循证康复实践的现实困境患者参与的“被动性”与依从性难题康复效果不仅取决于治疗方案，更依赖于患者的主动参与。但传统模式下，患者往往处于“被动接受”地位：缺乏对自身康复进程的知情权，居家训练时无法获得专业指导，训练依从性普遍低于50%。数据显示，脑卒中患者居家康复的规范性执行率不足30%，成为影响远期功能恢复的关键瓶颈。平台创新：破解循证康复困境的必然路径面对上述挑战，康复领域的数字化平台创新应运而生，其核心逻辑是通过技术手段打通“证据-临床-患者”之间的壁垒，构建“数据驱动、智能辅助、全程参与”的新型康复生态。这种创新并非简单的技术叠加，而是对传统康复服务模式的系统性重构——平台既是证据整合的“枢纽”，也是临床决策的“助手”，更是患者参与的“伙伴”。正如我在2021年参与区域康复医联体建设时深刻体会到的：只有当技术真正服务于临床需求、赋能于医患双方，才能让循证康复从“理想”走向“现实”。02康复平台创新的内涵解析与技术基石康复平台的核心定义与特征以患者为中心的全周期数据整合-干预数据：治疗参数（如强度、频率）、患者反应；4-结局数据：功能改善情况、生活质量评分、再入院率等。5康复平台的核心是构建“患者全周期数据档案”，涵盖从入院评估、住院干预、出院随访到居家康复的全流程数据，包括：1-基础数据：人口学信息、诊断、影像学资料；2-功能评定数据：采用标准化工具（如MMSE、Berg平衡量表）采集的量化指标；3通过多源数据融合，平台可动态生成“患者数字画像”，为个体化方案制定提供依据。6康复平台的核心定义与特征多学科协作的数字化空间平台通过设置角色权限与协作模块，实现MDT团队的实时沟通与协同决策。例如，康复医师可上传患者诊断报告，治疗师提交功能评定数据，护士记录训练反应，系统自动整合信息并生成“团队协作看板”，同步更新治疗目标与进度。这种“一站式”协作模式将传统“碎片化沟通”转化为“结构化协作”，显著提升MDT效率。康复平台的核心定义与特征证据与实践的动态转化枢纽平台内置“循证知识库”，整合最新临床指南、系统评价、RCT研究，并通过自然语言处理（NLP）技术实现证据的智能检索与推送。更重要的是，平台建立“证据-临床”反馈机制：当医生制定方案时，系统自动匹配患者数据与知识库证据，标注推荐等级（如A级推荐、B级推荐），并提示潜在冲突（如“患者合并骨质疏松，慎用高强度抗阻训练”），实现证据到临床的“零距离”转化。支撑康复平台创新的关键技术人工智能：证据筛选、方案生成与效果预测-智能证据检索：基于NLP与深度学习算法，平台可自动解析文献全文，提取研究结论、样本量、证据等级等关键信息，构建康复专科知识图谱。例如，针对“脊髓损伤患者步行训练”的检索，系统可在10秒内筛选出近5年发表的127篇高质量文献，并按“机器人辅助训练”“体重支持训练”等主题分类，标注GRADE证据等级。-方案智能生成：结合机器学习模型（如随机森林、神经网络），平台可根据患者数据预测不同干预方案的效果。例如，输入脑卒中患者的Fugl-Meyer评分、年龄、病程等参数，系统可输出“强制性运动疗法（CIMT）”“镜像疗法”“常规康复”三种方案的预期有效率与风险概率，辅助医生制定决策。-效果动态预测：通过强化学习算法，平台可实时分析患者训练数据，预测功能改善趋势。若患者实际进展低于预期，系统自动提示调整方案（如“增加虚拟现实训练频率”），实现“干预-评估-调整”的闭环管理。支撑康复平台创新的关键技术大数据：患者画像构建与康复模式优化康复平台积累的海量数据（如数万患者的功能评定数据、训练记录、结局指标）是大数据分析的基础。通过聚类分析，平台可构建“疾病-功能-预后”关联模型，例如：-识别“脑卒中后快速恢复型”“慢性进展型”等不同患者亚群；-分析不同干预方案对不同亚群的效果差异（如“对于快速恢复型患者，早期高强度训练可缩短康复周期15%”）；-优化医疗资源配置（如“某社区康复中心需增加脑卒中康复机器人数量，以满足患者需求”）。支撑康复平台创新的关键技术物联网：实时监测与远程干预的技术基础1物联网（IoT）技术通过可穿戴设备（智能手环、肌电传感器）、康复机器人（外骨骼机器人、智能轮椅）等终端，实现患者训练数据的实时采集与传输。例如：2-智能手环可监测患者的步速、步幅、关节活动度等参数，同步上传至平台；3-肌电传感器可捕捉肌肉收缩时的电信号，评估肌肉激活程度，指导治疗师调整训练强度；4-远程监测模块可实时预警异常情况（如“患者夜间翻身次数减少，压疮风险升高”），提醒医护人员干预。支撑康复平台创新的关键技术物联网：实时监测与远程干预的技术基础4.VR/AR：沉浸式训练与体验式康复虚拟现实（VR）与增强现实（AR）技术通过构建虚拟康复场景，提升训练的趣味性与沉浸感。例如：-VR厨房模拟系统可让脑卒中患者在虚拟环境中练习“取物-摆放-清洗”等ADL动作，系统自动记录动作完成时间、准确性等指标；-AR眼镜可将虚拟导航叠加到真实环境中，帮助帕金森患者改善“冻结步态”（如地面出现虚拟光带提示行走路径）；-游化训练模块（如“康复闯关游戏”）通过积分、奖励机制，提升患者参与积极性，尤其适用于儿童及老年患者。支撑康复平台创新的关键技术5G与云计算：保障数据传输与算力支撑5G技术的高速率、低延迟特性，确保了可穿戴设备、康复机器人等终端数据的实时上传与云端处理；云计算则为平台提供了强大的算力支持，使AI模型训练、大数据分析等复杂运算可在短时间内完成。例如，某三甲医院的康复平台通过5G+云计算，实现了跨区域远程康复指导——基层医院的患者数据可实时传输至上级医院专家端，专家在云端制定方案后，指令直达基层治疗师终端，将“远程康复”的延迟控制在秒级。03平台创新赋能循证康复实践的四大路径路径一：证据生成与传播的“精准化”与“即时化”AI驱动的证据自动检索与质量评价系统传统证据检索依赖人工关键词匹配，效率低且易遗漏。平台通过AI算法实现了“语义检索+智能过滤”：用户只需输入临床问题（如“如何改善脊髓损伤患者膀胱功能”），系统即可自动解析问题核心词，匹配知识库中的相关证据，并基于预设置的纳入/排除标准（如研究类型、样本量、随访时间）筛选高质量文献。同时，系统可自动评价证据质量（如Cochrane偏倚风险评估工具），标注推荐等级，生成“证据摘要卡”，包含研究结论、适用人群、注意事项等关键信息。路径一：证据生成与传播的“精准化”与“即时化”临床康复数据库的构建与实时更新机制平台支持多中心数据上传，构建区域/国家级临床康复数据库。例如，某省康复医联体平台整合了32家医院的5万例脑卒中患者数据，通过数据脱敏与标准化处理后，形成“脑卒中康复大数据池”。该数据池不仅可用于生成真实世界研究证据（如“不同康复方案对某地区脑卒中患者功能改善的效果差异”），还能与现有证据库联动，实现“研究-实践”的闭环更新——当新证据发表时，系统自动验证其与本地数据的兼容性，若证据适用于本地人群，则推送至临床端，确保指南推荐的时效性。路径一：证据生成与传播的“精准化”与“即时化”从“文献库”到“临床决策支持工具”的转化平台的核心价值不是“存储证据”，而是“应用证据”。通过“患者数据-证据匹配”算法，系统可实现证据的精准推送。例如，当医生为一位70岁、糖尿病合并高血压的脑卒中患者制定康复方案时，系统自动匹配以下证据：-《中国脑卒中康复指南（2023）》推荐“早期床旁康复”（A级推荐）；-一项RCT研究显示，对于合并糖尿病患者，低强度有氧训练（如床边脚踏车）可降低低血糖风险（证据等级B级）；-本地数据库显示，此类患者接受“康复机器人辅助训练”的依从性较传统训练高25%。基于这些信息，系统生成“个性化证据报告”，辅助医生决策。路径二：个体化方案制定的“动态化”与“个性化”基于多模态数据的患者画像建模患者是个体化方案的制定基础。平台通过整合结构化数据（如量表评分、实验室检查）与非结构化数据（如病历文本、影像报告），构建“多维度患者画像”。例如，脊髓损伤患者的画像包含：-疾病维度：损伤平面（ASIA分级）、并发症（压疮、尿路感染）；-功能维度：运动功能（ASIA评分）、感觉功能、ADL能力（Barthel指数）；-生理维度：心率、血压、肌电信号；-心理-社会维度：焦虑抑郁量表（HAMA/HAMD）评分、家庭支持系统、职业需求。通过机器学习算法，平台可对画像进行聚类分析，识别“高功能需求型”“低并发症风险型”“心理支持优先型”等不同类型，为方案制定提供方向。路径二：个体化方案制定的“动态化”与“个性化”算法驱动的康复方案智能生成与迭代基于患者画像与知识库证据，平台可自动生成初步康复方案，涵盖短期目标（如“2周内独立完成坐位转移”）、长期目标（如“3个月内独立行走”）及具体干预措施（如“每天2次Bobath技术训练，每次30分钟；每周3次机器人辅助步态训练”）。系统还内置“方案优化算法”，可根据患者实时反馈调整方案：若患者训练后肌疲劳度升高（通过肌电信号监测），系统自动降低训练强度；若患者某项功能改善缓慢（如Fugl-Meyer评分连续2周未提升），系统提示增加新干预手段（如经颅磁刺激）。路径二：个体化方案制定的“动态化”与“个性化”实时监测反馈下的方案动态调整闭环物联网设备与平台联动，形成“监测-反馈-调整”的闭环管理。例如，一位帕金森患者居家使用智能手环进行步态训练，手环实时采集步速、步长、冻结步态发生次数等数据，上传至平台。AI系统分析发现患者“冻结步态”在上午10点发生率较高（可能与药物浓度下降有关），自动生成建议：“上午10点增加15分钟平衡训练，并提醒患者提前30分钟服用药物”。治疗师通过平台查看数据后，认可该建议，并在系统中调整当日训练计划，患者手机端同步收到提醒，形成“临床决策-患者执行-效果反馈”的闭环。路径三：多学科协作的“一体化”与“高效化”跨机构、跨专业的数字化协作平台搭建平台打破机构壁垒，实现医院、康复中心、社区卫生服务中心的数据互联互通。例如，某区域康复医联体平台内，三甲医院康复医师可查看社区卫生服务中心转诊患者的既往康复记录，制定“上级医院指导-社区执行”的分级康复方案；治疗师可跨机构调阅患者的影像学资料与功能数据，避免重复检查；护士可实时同步患者的用药情况与皮肤状态，预防并发症。这种“一体化”协作将康复服务从“院内”延伸至“院外”，形成“连续性康复服务链”。路径三：多学科协作的“一体化”与“高效化”病例讨论与远程会诊的流程优化传统MDT讨论需医生、治疗师、护士等线下集中，耗时较长。平台通过“线上MDT模块”实现协作前移：-病例预讨论：团队成员提前上传患者资料（如视频、量表、检查报告），在平台发起讨论，系统自动生成“问题清单”（如“患者肩手综合征的康复干预方案”“出院后的居家环境改造建议”）；-实时远程会诊：通过视频会议系统，多学科专家共同查看患者实时训练视频（如通过康复机器人传动的患者步态数据），在线制定方案，系统自动记录讨论结论并同步至所有成员；-决策追踪：方案执行后，系统自动追踪患者反应，若出现异常（如训练后疼痛加剧），提醒团队重新评估，确保决策落地。路径三：多学科协作的“一体化”与“高效化”康复团队的角色重构与能力升级平台赋能下，康复团队的角色从“单一执行者”向“协同决策者”转变：-康复医师：从“开处方”转向“方案审核与质量把控”，利用平台数据宏观评估团队康复效果；-治疗师：从“经验操作”转向“数据驱动训练”，通过实时监测参数优化治疗强度；-护士/社工：从“基础照护”转向“全程管理与心理支持”，利用平台跟踪患者居家康复依从性，提供针对性指导。同时，平台内置“培训模块”，通过案例分析、操作视频、在线考核等形式，提升团队数字素养与循证能力，例如“如何使用AI工具解读肌电信号”“如何向患者解释远程康复数据”等。路径四：患者主动参与的“全程化”与“沉浸化”居家康复APP与可穿戴设备的协同应用居家康复是康复服务的重要环节，平台通过“患者端APP+可穿戴设备”实现全程化管理：-个性化训练计划：APP根据医生制定的方案，推送每日训练任务（如“上午10点：坐位平衡训练，15分钟；下午3点：手指抓握训练，20分钟”），并附带视频指导；-实时监测与反馈：可穿戴设备（如智能手环、肌电贴片）采集训练数据，APP实时显示完成度（如“今日训练完成85%，平衡训练达标”），若动作不规范，语音提示“膝盖保持伸直”；-异常预警与求助：若患者训练时出现心率异常、疼痛加剧等情况，APP自动提醒暂停训练，并一键联系康复团队；患者也可通过APP视频咨询治疗师，获得即时指导。路径四：患者主动参与的“全程化”与“沉浸化”游戏化训练与动机激励机制设计为提升患者参与积极性，平台引入“游戏化”设计理念：-任务闯关：将康复训练转化为“关卡任务”（如“虚拟厨房闯关”“森林步态挑战”），患者完成训练可获得积分；-成就系统：设置“康复里程碑”（如“连续训练7天”“独立行走100米”），达成后解锁勋章、证书等虚拟奖励；-社交互动：患者可加入“康复社群”，分享训练成果、交流经验，形成“同伴支持”氛围。例如，某儿童康复平台通过“康复小英雄”游戏，让脑瘫患儿在完成“伸手抓取玩具”“站立平衡”等任务后，获得虚拟装备，训练依从性从40%提升至82%。路径四：患者主动参与的“全程化”与“沉浸化”患者教育自我管理的数字化赋能平台提供“患者教育库”，包含疾病知识、康复技能、心理调等内容，形式涵盖图文、视频、动画等，满足不同年龄、文化程度患者的需求。例如：01-脊髓损伤患者：可观看“轮椅转移技巧”“压疮预防方法”等视频，参与“bladder管理在线课程”；02-脑卒中患者家属：可通过“家属培训模块”学习“如何协助患者进行关节活动度训练”“如何识别情绪异常”；03-自我管理工具：患者可记录每日症状变化（如疼痛程度、疲劳感），生成“个人康复日志”，帮助团队了解其状态，调整方案。0404实践案例反思：平台创新落地的挑战与应对成功案例：三级医院与社区康复的联动实践案例背景某省康复中心于2022年牵头建设“区域康复医联体平台”，整合1家三级医院、8家县级医院、32家社区卫生服务中心的康复资源，覆盖脑卒中、脊髓损伤、骨关节疾病等3大病种。平台以“循证决策-分级康复-全程管理”为核心，构建“三级联动”服务模式。成功案例：三级医院与社区康复的联动实践实施成效-证据转化效率提升：医生检索证据的平均时间从120分钟缩短至15分钟，方案制定符合指南推荐的比例从65%提升至89%；01-康复效果改善：脑卒中患者住院时间缩短2.3天，Fugl-Meyer评分改善幅度提高23%，3个月再入院率下降18%；02-患者参与度提升：居家康复患者依从性从32%提升至71%，患者满意度从82%提升至96%；03-资源下沉效果显著：社区卫生服务中心接收的康复患者数量增长45%，复杂病例上转率下降30%，实现“小病在社区、大病转医院、康复回社区”的分级诊疗目标。04成功案例：三级医院与社区康复的联动实践关键成功因素-顶层设计：政府主导制定平台建设标准与数据接口规范，确保机构间互联互通；1-技术适配：针对基层机构网络条件差、设备不足等问题，开发“轻量化版”平台，支持离线数据存储与低带宽传输；2-人员培训：组建“技术支持+临床专家”团队，对基层医护人员开展“平台操作+循证知识”专项培训，累计培训2000余人次；3-激励机制：将平台使用率、患者康复效果纳入医疗机构绩效考核，调动机构参与积极性。4现实挑战：技术、伦理与人文的三重考验数据隐私与安全保护的合规难题康复数据包含患者生理、心理、社会等多维度敏感信息，一旦泄露将严重侵犯患者权益。尽管《网络安全法》《个人信息保护法》对医疗数据安全作出规定，但平台在实际运营中仍面临挑战：-数据权属界定模糊：患者数据由医疗机构采集、平台存储，但患者对数据的所有权、使用权缺乏明确界定；-跨境数据流动风险：部分平台采用海外云计算服务，数据跨境传输面临合规审查；-技术防护能力不足：基层医疗机构网络安全防护薄弱，易遭受黑客攻击或数据泄露。现实挑战：技术、伦理与人文的三重考验技术鸿沟：基层机构与大型医院的不均衡发展04030102平台创新的效果高度依赖机构的技术基础设施与人员数字素养，但当前康复领域存在明显的“数字鸿沟”：-硬件差距：三级医院康复机器人、可穿戴设备配备率超过80%，而基层机构不足20%；-软件差距：大型医院有专业信息科团队维护平台，基层机构多依赖第三方厂商，响应不及时；-人才差距：三级医院医护人员数字素养评分平均85分（满分100分），基层机构仅58分，难以充分利用平台功能。现实挑战：技术、伦理与人文的三重考验伦理困境：算法偏见与“去人性化”风险AI算法的决策可能存在“偏见”，导致部分患者获得不公平的康复资源分配。例如，某平台在生成康复方案时，若训练数据主要来自年轻、男性、城市患者，则可能对老年、女性、农村患者推荐不合适的方案，加剧医疗资源分配不均。此外，过度依赖技术可能导致“去人性化”——康复团队与患者面对面交流减少，忽视患者的情感需求与个体差异，使康复过程“机械化”。现实挑战：技术、伦理与人文的三重考验医护人员数字素养转型的适应挑战-操作障碍：复杂的界面设计与功能模块让部分医护人员望而却步，尤其是基层医护人员；03-工作压力：数据录入、平台操作等额外工作增加了医护人员负担，可能导致“形式化使用”（如只为应付检查而上传数据）。04平台创新要求医护人员从“传统经验模式”转向“数据驱动模式”，但转型过程面临阻力：01-认知偏差：部分年长医生认为“AI无法替代临床经验”，对平台持抵触态度；02应对策略：构建“技术-人文”协同的创新生态政策引导：制定康复数据标准与伦理规范-数据标准化：由国家卫健委牵头制定《康复数据采集与交换标准》，统一数据格式、接口规范与术语体系，确保跨机构数据互通；-隐私保护机制：建立“患者数据授权使用”制度，明确患者对数据的查询、修改、删除权利；采用联邦学习、区块链等技术，实现“数据可用不可见”，保障数据安全；-算法伦理审查：成立康复AI伦理委员会，对平台算法进行偏见检测与公平性评估，确保决策对不同人群无歧视。应对策略：构建“技术-人文”协同的创新生态分层推进：适配不同场景的平台功能设计-三级医院：侧重“复杂病例决策支持”与“科研数据整合”，开发AI辅助诊断、多中心研究协作等高级功能；-县级医院：侧重“常见病康复方案标准化”与“远程会诊”，提供指南推送、上级医院专家对接等模块；-社区卫生服务中心：侧重“居家康复管理”与“患者教育”，简化操作界面，开发语音交互、视频指导等适老化功能。020103应对策略：构建“技术-人文”协同的创新生态以人为本：强化技术在人文关怀中的应用-“技术+人文”融合设计：平台设置“患者故事”模块，记录患者的康复历程与情感体验，提醒医护人员关注“人”而非“数据”；-保留人际沟通渠道：规定远程康复中“视频沟通占比不低于30%”，确保患者能获得情感支持；-患者参与设计：邀请患者代表参与平台功能测试，从用户视角优化操作流程，如简化数据录入步骤、增加语音提示等。4.能力建设：打造“懂临床、通技术、有温度”的复合型团队-分层培训体系：对医护人员开展“基础操作-高级应用-科研创新”三级培训，例如为年长医生开设“AI辅助决策实操班”，为年轻医生开设“康复大数据分析进阶班”；应对策略：构建“技术-人文”协同的创新生态以人为本：强化技术在人文关怀中的应用-激励机制：将平台创新成果（如通过平台发表的论文、开发的康复方案）纳入职称评定与绩效考核，激发医护人员参与热情；-跨学科合作：鼓励康复团队与计算机科学、心理学、伦理学专家合作，共同解决平台应用中的技术与人文问题。05未来展望：迈向“精准-智能-人文”融合的新时代技术融合：AI、基因检测与康复医学的深度结合未来，随着AI技术的进一步发展，康复平台将实现从“数据驱动”向“知识驱动”的跨越。例如，通过整合基因检测数据，平台可预测患者对特定康复干预的反应（如“携带APOEε4等位的阿尔茨海默病患者，对认知训练的反应较差，需结合药物治疗”），实现“精准康复”。同时，脑机接口（BCI）技术与平台融合，将为意识障碍患者提供“意念控制训练”新手段——通过采集患者脑电信号，平台可解读其“尝试运动”的意念，驱动康复机器人辅助