1. Contexte：
Avec le vieillissement de la population, l’incidence élevée des maladies chroniques et le nombre croissant de malformations congénitales ou acquises du pied, le dysfonctionnement des membres inférieurs et les problèmes de démarche anormale deviennent de plus en plus courants, posant une menace importante pour la santé publique et la qualité de vie. L'analyse de la marche est largement considérée comme un indicateur biomécanique sensible pour évaluer la fonction des membres inférieurs, la progression de la maladie et l'efficacité de la rééducation. Cependant, l’évaluation clinique actuelle de la marche repose principalement sur des équipements de laboratoire tels que des systèmes optiques de capture de mouvement et des plates-formes de force, qui sont non seulement coûteux et spatialement contraints, mais qui ne parviennent pas non plus à refléter les mouvements naturels dans des scénarios réels.
Les semelles intérieures portables à détection de pression offrent une nouvelle approche décentralisée et continue de la surveillance de la marche, mais les technologies existantes sont toujours confrontées à trois goulots d'étranglement majeurs dans la traduction clinique : premièrement, les capteurs ont du mal à atteindre simultanément une résolution de pression ultra-basse et une tolérance de charge élevée, ce qui rend difficile la couverture de toute la gamme biomécanique de la semelle, des ajustements posturaux subtils aux impacts violents ; deuxièmement, l'approvisionnement en énergie repose sur des batteries traditionnelles, ce qui entraîne une durée de vie insuffisante des batteries et des recharges fréquentes, qui entravent la continuité de la surveillance à long terme ; troisièmement, les données de pression spatio-temporelles à grande échelle collectées manquent d’analyse intelligente efficace et de retour d’information en temps réel, ce qui limite leur application dans le dépistage des maladies et la prise de décision clinique. Par conséquent, le développement d’un système portable de surveillance de la marche intégrant une détection de haute précision, une alimentation autonome et un diagnostic intelligent revêt une grande importance scientifique et une grande valeur clinique.
2. Avancement de la recherche：
Cette étude rapporte un système de semelle intérieure intelligente biomimétique qui, grâce à une conception collaborative multidisciplinaire, permet une détection de pression plantaire haute résolution, une autosuffisance énergétique et un diagnostic intelligent de la marche assisté par intelligence artificielle. Inspirée par la structure mécanosensorielle hiérarchique de la patte de la mante, l'équipe de recherche a conçu un capteur de pression capacitif à double microstructure, combinant du PDMS microstructuré avec une mousse élastique compressible. Cela permet d'atteindre une limite de détection ultra-basse de 0,10 Pa, une large plage de détection jusqu'à 1,4 MPa et de maintenir une excellente stabilité mécanique sur 12 000 cycles de charge, surpassant considérablement les capteurs de pression flexibles existants et répondant pleinement aux exigences des applications de semelles intérieures.
En termes de système énergétique, la semelle intérieure intelligente intègre une cellule solaire en pérovskite et une nanobatterie lithium-soufre à haute densité énergétique, créant ainsi un système d'alimentation en énergie adaptatif en boucle fermée. Il peut fonctionner de manière stable dans diverses conditions d'éclairage intérieur et extérieur, avec une efficacité moyenne de charge de la lumière de 11,21 % et une efficacité de stockage d'énergie de 72,15 %, résolvant efficacement le goulot d'étranglement énergétique pour le fonctionnement continu à long terme des appareils portables.
Au niveau du traitement des données, le système collecte la répartition de la pression spatio-temporelle plantaire via un module sans fil à 16 canaux et intègre des algorithmes d'intelligence artificielle pour une analyse en temps réel. Basé sur un modèle de forêt aléatoire, le système peut atteindre une précision de 96,0 % dans l'identification des anomalies de la voûte ; basé sur un réseau neuronal convolutif unidimensionnel (1D-CNN), il peut classer 12 modèles de démarche pathologique avec une précision de 97,6 %. L'application mobile qui l'accompagne présente intuitivement la répartition dynamique du champ de force via des cartes en couleurs, fournissant ainsi une aide à la décision interprétable et en temps réel pour les cliniciens et le personnel de réadaptation.
3. Perspectives d'avenir
En intégrant profondément la détection biomimétique de haute précision, les interfaces énergétiques durables et les diagnostics mécaniques intelligents, cette recherche a construit une plate-forme portable en boucle fermée cliniquement validée, offrant une nouvelle voie technologique pour le dépistage précoce des maladies des membres inférieurs, une formation de rééducation personnalisée et une surveillance médicale à distance. Cela démontre les vastes perspectives de transformation des appareils portables intelligents en outils de diagnostic de qualité clinique.
