復健外骨骼於骨折術後部分負重訓練之應用

連偉志、楊育昇

前言
台灣已於 2025 年底正式邁入超高齡社會，65 歲以上人口占總人口 20.06%(內政部，2026)。隨著人口老化，跌倒與骨折已成為高齡者的重要健康威脅：國民健康訪問調查顯示，每 6 位 65 歲以上長者即有 1 位在過去一年內曾跌倒 (衛生福利部國民健康署, 2019)。加上台灣屬骨質疏鬆的高盛行地區(Taiwanese Osteoporosis Association, 2023)，輕微跌倒即可能導致骨折(Marshall et al., 1996)
骨折後的活動受限不僅影響患者的日常生活，長期臥床更可能增加靜脈栓塞、肺炎、肌肉萎縮與整體功能退化的風險(Kenyon-Smith et al., 2019)。因此，如何在骨骼癒合與傷口恢復的不同階段，透過適當的物理治療與輔具介入，協助患者維持關節活動度、肌肉力量與步行能力，是骨折術後復健的核心課題。
在傳統復健流程中，患者通常依骨折類型、手術方式、固定穩定度與癒合進程，逐步由關節活動訓練、肌力訓練，進展至部分負重（partial weight-bearing）與步行訓練(Kubiak et al., 2013; Min et al., 2021)。然而，高齡或肌力不足的患者往往難以準確控制患肢的負重量：負重不足可能延緩功能恢復，過早或過度負重則可能增加骨折移位或內固定失敗的風險。近年來，復健外骨骼（rehabilitation exoskeleton）結合機械支撐、感測控制與即時回饋，逐漸成為骨科與復健醫學領域值得關注的輔助技術(Shi et al., 2019)。

復健外骨骼簡介
復健外骨骼是一種主動式可穿戴支撐裝置，整合機械結構、感測器、控制系統、人體動力學與臨床復健理論，用以協助行動受限者進行站立、步行或功能性活動訓練。相較於拐杖、助行器等傳統被動式輔具，外骨骼可依循人體自然運動軌跡，在髖、膝、踝等關節提供助力、阻力或穩定支撐(Shi et al., 2019)。
在臨床應用上，外骨骼不僅能協助患者完成特定動作，更可透過感測器蒐集步態、關節角度、支撐時間與負重量等資訊，作為物理治療師調整訓練強度的客觀依據(Caby et al., 2011; Lien et al., 2025)。因此，外骨骼的價值不僅止於「協助患者完成步行與功能性移動訓練」，更在於提供一個可監測、可調整、可重複的復健訓練平台。

應用優勢
復健外骨骼應用於骨折術後部分負重訓練，主要可從以下五個面向發揮作用：
1. 漸進式負重控制：術後部分負重是患者從無法承重逐步恢復至正常步行的關鍵階段。外骨骼可透過機械支撐與控制策略，協助患者在不同復原階段進行穩定的負重訓練，降低自行控制負重量時的誤差(Bril et al., 2016; Kubiak et al., 2013)。
2. 步態穩定與安全性：骨折術後患者常因疼痛、肌力不足或懼怕跌倒而影響步態表現。外骨骼在站立與步行過程中提供適當支撐，可提升訓練安全性，並增強患者參與復健的信心。
3. 即時回饋與訓練量化：傳統復健訓練多依賴治療師觀察與患者主觀感受判斷負重程度。若外骨骼整合壓力感測器、慣性感測器（IMU）或關節角度感測器，便能提供客觀的負重與步態資訊，協助醫師與物理治療師制定個別化訓練計畫(Bril et al., 2016; Caby et al., 2011; Lien et al., 2025)。
4. 維持肌力與活動能力：負重限制可能使患者長時間未進行適當負重，對肌肉力量與行動能力造成不利影響，甚至延續至術後一年以上(Pfeufer et al., 2019)。適當的部分負重訓練有助於維持肌肉與關節功能，並促進後續的功能恢復。
5. 提升高齡患者復健可行性：高齡患者常同時面臨骨質疏鬆、平衡能力下降與肌力不足等問題(Min et al., 2021)。外骨骼若能提供穩定支撐與負重調節，將可提高高齡患者執行復健訓練的安全性與可控性。

應用案例
骨折術後的負重訓練須依患者個別情況調整，尤應考量骨折位置、內固定方式、癒合階段與整體身體功能。在此臨床需求下，外骨骼可作為骨科醫師、復健科醫師與物理治療師之間的共同輔助工具，協助建立更可量化的復健流程。
以髖部或下肢骨折患者為例，術後早期多以傷口照護與疼痛控制為主，接著逐步進入關節活動度維持、肌力訓練與部分負重行走(Kenyon-Smith et al., 2019; Min et al., 2021)。若患者能在安全條件下進行適度的軸向負荷（axial loading），骨骼組織可依所承受的機械力調整結構，有助於骨折癒合與功能恢復(Kubiak et al., 2013)。
另一方面，部分患者即使醫囑允許部分負重，仍可能因擔心疼痛或跌倒而不敢施力，導致實際活動量偏低(Pfeufer et al., 2019)。此時，若外骨骼能提供支撐、步態導引與負重量提醒，便可協助患者更穩定地完成訓練，進而提高日常活動的獨立性(Bril et al., 2016)。

未來發展
復健外骨骼在骨折術後照護中的推廣，仍須面對臨床實證、設備成本、穿戴舒適度、操作便利性與法規定位等挑戰。特別是在法規層面，輔具是否被歸類為醫療器材，往往取決於產品宣稱的功能與用途；因此，外骨骼產品在臨床導入前，亦須審慎評估其法規分類與適用情境。
未來若能將外骨骼與壓力感測、步態分析、遠距復健平台或人工智慧控制演算法整合，復健訓練將可從單純的輔助行走，進一步發展為「評估—訓練—回饋—調整」的智慧化閉環流程(Lien et al., 2025; Shi et al., 2019)。對高齡骨折患者而言，此類技術有機會在提升安全性的同時，降低臥床與功能退化風險，並促進其恢復日常生活能力。

結語
復健外骨骼結合機械支撐、感測控制與臨床復健策略，可望協助骨折術後患者在更安全、可控且可量化的條件下進行部分負重訓練。雖然其臨床應用仍有待更多實證研究與產品驗證支持，但在高齡化社會與智慧醫療的發展趨勢下，外骨骼有潛力成為骨科術後復健與長期功能恢復的重要輔助科技。

圖一、復健外骨骼於下肢步行訓練之應用示意圖

資料來源：Shi D, et al. Chin J Mech Eng. 2019;32:74

圖二、結合感測器之部分負重訓練即時回饋系統

資料來源：Tkachenko Bril A, et al. Procedia Eng. 2016;147:157-162.

競品分析

參考文獻

1. Marshall, D., Johnell, O., & Wedel, H. (1996). Meta-analysis of how well measures of bone mineral density predict occurrence of osteoporotic fractures. BMJ : British Medical Journal, 312(7041), 1254–1259. https://doi.org/10.1136/bmj.312.7041.1254
2. Kenyon-Smith, T., Nguyen, E., Oberai, T., & Jarsma, R. (2019). Early Mobilization Post–Hip Fracture Surgery. Geriatric Orthopaedic Surgery & Rehabilitation, 10, 2151459319826431. https://doi.org/10.1177/2151459319826431
3. Kubiak, E. N., Beebe, M. J., North, K., Hitchcock, R., & Potter, M. Q. (2013). Early weight bearing after lower extremity fractures in adults. The Journal of the American Academy of Orthopaedic Surgeons, 21(12), 727–738. https://doi.org/10.5435/JAAOS-21-12-727
4. Min, K., Beom, J., Kim, B. R., Lee, S. Y., Lee, G. J., Lee, J. H., Lee, S. Y., Won, S. J., Ahn, S., Bang, H. J., Cha, Y., Chang, M. C., Choi, J.-Y., Do, J. G., Do, K. H., Han, J.-Y., Jang, I.-Y., Jin, Y., Kim, D. H., … Lim, J.-Y. (2021). Clinical Practice Guideline for Postoperative Rehabilitation in Older Patients With Hip Fractures. Annals of Rehabilitation Medicine, 45(3), 225–259. https://doi.org/10.5535/arm.21110
5. Shi, D., Zhang, W., Zhang, W., & Ding, X. (2019). A Review on Lower Limb Rehabilitation Exoskeleton Robots. Chinese Journal of Mechanical Engineering, 32(1), 74. https://doi.org/10.1186/s10033-019-0389-8
6. Caby, B., Kieffer, S., De Saint Hubert, M., Cremer, G., & Macq, B. (2011). Feature extraction and selection for objective gait analysis and fall risk assessment by accelerometry. BioMedical Engineering OnLine, 10(1), 1. https://doi.org/10.1186/1475-925X-10-1
7. Lien, W.-C., Wang, W.-F., Chang, C.-H., Liu, B., Yang, Y.-C., Yang, T.-H., Kuan, T.-S., Wang, W.-M., Huang, W., Shahmirzadi, D., & Lin, Y.-C. (2025). Inertial sensor-based gait classification for frailty status in older adults: A cross-sectional study. Computational and Structural Biotechnology Journal, 28, 199–210. https://doi.org/10.1016/j.csbj.2025.05.011
8. Bril, A. T., David, V., Scherer, M., Jagos, H., Kafka, P., & Sabo, A. (2016). Development of a Wearable Live-feedback System to Support Partial Weight-bearing While Recovering From Lower Extremity Injuries. Procedia Engineering, The Engineering of SPORT 11, 147, 157–162. https://doi.org/10.1016/j.proeng.2016.06.206
9. Pfeufer, D., Zeller, A., Mehaffey, S., Böcker, W., Kammerlander, C., & Neuerburg, C. (2019). Weight-bearing restrictions reduce postoperative mobility in elderly hip fracture patients. Archives of Orthopaedic and Trauma Surgery, 139(9), 1253–1259. https://doi.org/10.1007/s00402-019-03193-9

作者資訊