步态，能反映人体健康状况。一次不经意的崴脚、走路时的轻微摇晃，可能隐藏着足弓塌陷、神经肌肉病变甚至帕金森病的早期信号。然而，步态信息难以被精准、连续、无感地捕捉，许多患者因此错过了最佳干预时机。如今，中国科学院院士、西安

　　临床上，一个常见的难题是：患者因走路“有点不对劲”就诊，但常规影像学和步态评估却显示“正常”。等到症状明确，往往已错过康复黄金期。对于普通家庭而言，一次全面的步态评估往往需要多次挂号、预约专业实验室，耗时耗力且费PP电子用不低。而这款鞋垫有望将专业级步态分析融入日常穿戴，让患者在熟悉的家居环境中完成长期监测。

　　郝跃团队成员、西安科技大学信息交叉学部准聘副教授李迎春对记者说，传统可穿戴设备在步态分析领域长期受制于“三座大山”：传感器灵敏度与量程难以兼顾、电池续航不足、海量数据缺乏有效分析手段。

　　螳螂给了郝跃团队启发。“螳螂捕食时，腿部既要感知猎物微弱的动静，又要承受自身快速移动带来的强大冲击——这种看似矛盾却同时存在的分级机械传感结构，给了我们启发。”郝跃团队成员、西安科技大学集成电路学部教授常晶晶说。

　　基于此，该团队设计出双微结构电容，实现了高灵敏与宽量程的统一：检测下限低至0.10帕斯卡（相当于羽毛轻触脚底的力度），最大量程高达1.4兆帕（足以承受剧烈起跳的冲击）。“这相当于为患者配备了一位24小时不知疲倦的触觉专家。”西安电子科技大学机电工程学院副教授李向宁说。

　　另一个要解决的难题是如何摆脱频繁充电的烦恼。常晶晶对记者说，很多患者起初愿意配合使用鞋垫，但一听说每天要给鞋垫充电或背着外接电源，依从性就大打折扣。为此，该团队成员将纳米钙钛矿太阳能与高容量锂硫整合进鞋垫，平均光电转换效率达11.21%，储能效率达72.15%。在户外或有光环境下，鞋垫可以通过自充电；无光时，内置电池也能保证8小时以上连续供电。

　　硬件采集的足底压力数据只是原始信息，只有将这些原始数据进行分析，才能发挥其价值。鞋垫通过16通道无线模块实时传输数据，嵌入的人工智能算法则扮演“解码者”。经过训练，系统对足弓异常的识别准确率达96%，对12种病理步态（包括帕金森病慌张步PP电子态、脑卒中偏瘫步态等）的综合分类准确率高达97.6%。