Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Суфэльфа А.Р.

ФГБУ «Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта» Минтруда России

Петрищева К.Н.

ФГБУ «Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта» Минтруда России;
ФГБОУ ВО «Санкт-Петербургский государственный университет»

Щербина К.К.

ФГБУ «Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта» Минтруда России

Пономаренко Г.Н.

ФГБУ «Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта» Минтруда России;
ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова»

Иванова Н.В.

ФГБУ «Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта» Минтруда России

Искусственный интеллект в комплексной реабилитации инвалидов. (Обзор литературы)

Авторы:

Суфэльфа А.Р., Петрищева К.Н., Щербина К.К., Пономаренко Г.Н., Иванова Н.В.

Подробнее об авторах

Прочитано: 1683 раза


Как цитировать:

Суфэльфа А.Р., Петрищева К.Н., Щербина К.К., Пономаренко Г.Н., Иванова Н.В. Искусственный интеллект в комплексной реабилитации инвалидов. (Обзор литературы). Вопросы курортологии, физиотерапии и лечебной физической культуры. 2025;102(3):54‑61.
Sufelfa AR, Petrishcheva KN, Shcherbina KK, Ponomarenko GN, Ivanova NV. Artificial intelligence in comprehensive rehabilitation of people with disabilities. (Literature review). Problems of Balneology, Physiotherapy and Exercise Therapy. 2025;102(3):54‑61. (In Russ.)
https://doi.org/10.17116/kurort202510203154

Рекомендуем статьи по данной теме:
Син­дром эмо­ци­ональ­но­го вы­го­ра­ния: про­фи­лак­ти­ка, ле­че­ние и ре­аби­ли­та­ция. Вос­ста­но­ви­тель­ные би­отех­но­ло­гии, про­фи­лак­ти­чес­кая, циф­ро­вая и пре­дик­тив­ная ме­ди­ци­на. 2025;(3):61-68
Эк­зос­ке­лет кис­ти в сов­ре­мен­ной аби­ли­та­ции и ре­аби­ли­та­ции (ана­ли­ти­чес­кий об­зор). Опе­ра­тив­ная хи­рур­гия и кли­ни­чес­кая ана­то­мия (Пи­ро­гов­ский на­уч­ный жур­нал). 2025;(3):53-61

Введение

По данным Федеральной службы государственной статистики (Росстат), на конец 2023 г. в Российской Федерации проживали более 11 млн инвалидов [1]. Эта многочисленная группа населения нуждается в качественной, всесторонней и своевременной реабилитации и социальной помощи. За последние годы система комплексной реабилитации и абилитации инвалидов и детей-инвалидов активно развивается в Российской Федерации. Для ее успешного внедрения и распространения необходимо использовать современные методы, появление которых часто обусловлено изменяющейся реальностью. Так, в период пандемии COVID-19 появилась необходимость в развитии телереабилитации, которая может улучшить доступность реабилитационных услуг, а цифровые технологии могут вывести на новый уровень качества соблюдение и мониторинг домашних упражнений [2]. Однако проблемы внедрения технологичных решений остаются. Недавно появилась возможность технологически усовершенствовать комплексную реабилитацию инвалидов с помощью технологий искусственного интеллекта (ИИ).

Применение технологий ИИ показало большие перспективы в медицине, особенно в областях профилактики, диагностики [2] и мониторинга заболеваний. Алгоритмы машинного обучения и нейронные сети позволяют анализировать огромные объемы данных пациентов, выявлять скрытые закономерности и прогнозировать развитие заболеваний [3—7]. Однако новые технологии часто недостаточно широко применяются из-за проблем с удобством использования, полезностью и стоимостью [2]. Важно проводить внедрение новых технологий корректно и уместно, оценив предполагаемую пользу от их применения заранее. В настоящее время вопросы использования технологий ИИ в комплексной реабилитации инвалидов с учетом особенностей реабилитационных мероприятий для разных групп пациентов недостаточно изучены. В ранней работе был проведен анализ зарубежных исследований по поводу применения ИИ в реабилитации с технической точки зрения распространения методов ИИ и областей их использования (профилактика инвалидизации населения, диагностика нарушений здоровья, сопровождение во время упражнений, применение игровых технологий в совокупности с ИИ) [8].

Цель исследования — определение применения технологий ИИ с медицинской точки зрения и их распределение по целевым реабилитационным группам (ЦРГ) и направлениям комплексной реабилитации инвалидов на основе обзора зарубежных исследований за 2019—2023 гг.

Материал и методы

Для проведения обзора литературы по теме применения технологий ИИ в реабилитации инвалидов была использована международная база данных (БД) PubMed. Выполнен поиск зарубежных исследований по комбинации ключевых слов artificial intelligence AND disability за 2019— 2023 гг. Отбор публикаций проходил в два этапа с учетом принципов доказательной медицины, описанных в руководстве PRISMA (https://www.prisma-statement.org/prisma-2020). На 1-м этапе предпочтение отдавали систематическим обзорам (Systematic Review), метаанализам (Meta-Analysis) и рандомизированным контролируемым исследованиям (РКИ). На 2-м этапе были отобраны публикации, полностью соответствующие тематике, на основе прочтения аннотаций и полноразмерных текстов статей.

Результаты

По запросу Artificial Intelligence AND disability в БД PubMed за последние 5 лет (2019—2023 гг.) было найдено 1636 публикаций (рис. 1).

Рис. 1. Количество публикаций по годам в базе данных PubMed по теме ИИ в реабилитации инвалидов.

На 1-м этапе отбора исследований по фильтрам «систематический обзор» и РКИ из 1636 публикаций оставили 300 публикаций, из которых на 2-м этапе, в ходе детального изучения, отобрали 52 публикации, соответствующих теме «использование ИИ в реабилитации инвалидов». Классификация 52 публикаций привела к выделению 4 основных групп применения технологий ИИ в реабилитации с их разбивкой: по реабилитационным группам; по методам обработки информации; по техническим решениям для задач реабилитации; по направлениям комплексной реабилитации инвалидов (рис. 2). Следует отметить, что такое разделение условное и было использовано для систематизации полученных результатов анализа и их визуализации.

Рис. 2. Схема распределения применяемых технологий искусственного интеллекта в реабилитации инвалидов в зарубежном опыте.

СППР — система поддержки принятия решений; ТСР — технические средства реабилитации; АДК — альтернативная и дополненная коммуникация; VR — virtual reality (технология виртуальной реальности); ЦРГ — целевая реабилитационная группа.

Распределение технологий ИИ по методам обработки информации и задачам реабилитации, для которых они применяются, были рассмотрены в предыдущей работе [8]. Основной задачей настоящей работы являлся анализ распределения технологий ИИ по ЦРГ и направлениям комплексной реабилитации инвалидов. Для этого было проанализировано 52 зарубежных исследования с дальнейшим их распределением по направлениям комплексной реабилитации и ЦРГ, для которых разработанные технологии ИИ могут быть применены. Из всех направлений комплексной реабилитации инвалидов, указанных в Федеральном законе №651-ФЗ от 25.12.2023 «О внесении изменений в отдельные законодательные акты Российской Федерации» (ФЗ 651)1, 5 направлений были упомянуты в исследованиях: медицинская реабилитация, социальная реабилитация, профессиональная реабилитация, протезно-ортопедическая помощь, обеспечение инвалидов техническими средствами реабилитации (ТСР) (рис. 3). Поскольку некоторые из исследований являются обширными систематическими обзорами и описывают не одну разработку в сфере ИИ, а несколько, применяемых в разных направлениях и для разных ЦРГ, они были учтены в нескольких направлениях комплексной реабилитации одновременно.

Рис. 3. Распределение зарубежных исследований по упоминанию направлений комплексной реабилитации.

Технологии ИИ для решения задач медицинской реабилитации были описаны в 6 исследованиях [9—14]. Первое исследование является систематическим обзором на тему применения технологий ИИ в физической и реабилитационной медицине (ФРМ) [9]. Авторы сообщили о том, что проанализированные ими технологии ИИ можно разделить на 5 категорий: системы на основе приложений; роботизированные устройства, заменяющие функции; роботизированные устройства, восстанавливающие функции; игровые системы и носимые устройства. Авторы отметили, что оценка результатов применения технологий ИИ, касающаяся физической функции, активности, боли и качества жизни, связанного со здоровьем, проводилась в небольшом количестве исследований. Клинические эффекты применения технологий ИИ были непоследовательными и неоднозначными [9], что указывает на необходимость дальнейшего изучения эффективности технологий ИИ для ФРМ. Еще в одном исследовании, посвященном технологиям ИИ в ФРМ, была описана система поддержки принятия решений с элементами прогнозирования возможных результатов проводимого курса ФРМ [11].

Три исследования были направлены на медицинскую реабилитацию для пациентов, перенесших инсульт [10, 13]. Авторы исследований предложили осуществлять реабилитацию пациентов после инсульта с применением элементов игровых технологий, телереабилитации [13] и систему поддержки принятия решений с элементом оценки состояния после инсульта [10]. Также было предложено использование чат-бота для управления информацией о медицинских и реабилитационных назначениях и кодов Международной классификации функционирования, ограничений жизнедеятельности и здоровья (МКФ) [14].

По направлению «Протезно-ортопедическая помощь» ряд авторов предлагают использовать роботизированные или электронные протезы и ортезы с управлением на основе ИИ [15—18].

Согласно Федеральному закону от 25.12.2023 №651-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации»2, в направление профессиональной реабилитации входит в том числе содействие в получении общего и профессионального образования. Большинство исследований, относящихся к направлению профессиональной реабилитации, связаны с использованием технологий ИИ в образовательной деятельности инвалидов [19—23]. Одно из исследований посвящено профилактике инвалидизирующих происшествий на рабочем месте [24]. И еще одно исследование затрагивает систему управления большими данными, связанными со случаями инвалидизации на рабочем месте [25].

Социальная реабилитация делится на социально-средовую, социально-педагогическую, социально-психологическую, социально-бытовую реабилитацию и абилитацию и социальную занятость. Отобранные исследования в основном описывают применение технологий ИИ (поддержки в виде чат-бота, Интернет вещей) в социально-бытовой реабилитации и направлены на улучшение жизненных условий инвалидов с нарушениями зрительных функций [26], с деменцией [27] и другими нарушениями когнитивных функций [28].

Направление комплексной реабилитации инвалидов «Обеспечение инвалидов техническими средствами реабилитации» упоминается в зарубежных исследованиях чаще других. В разных работах предлагаются разнообразные программные решения (в том числе в виде приложений для гаджетов) [16, 21—23, 28—32], умные кресла-коляски [33] и умные устройства [20] для мониторинга и диагностики состояния инвалида. Большинство из этих ассистивных технологий и устройств можно расценивать в качестве ТСР для инвалидов.

В настоящем исследовании были использованы ЦРГ, представленные в Приказе Министерства труда и социальной защиты Российской Федерации от 26.07.2024 №374н «Об утверждении классификаций и критериев, используемых при осуществлении медико-социальной экспертизы граждан федеральными учреждениями медико-социальной экспертизы»3. Следует отметить, что понятие ЦРГ является новеллой в Российской практике реабилитации инвалидов и не имеет аналогов за рубежом. Использование в анализе ЦРГ позволяет систематизировать сведения о технологиях ИИ с точки зрения прикладных задач реабилитации инвалидов. На рис. 2 указаны только ЦРГ, которые упоминались в зарубежных исследованиях. Распределение доли применения технологий ИИ по ЦРГ продемонстрировано на рис. 4. Одни и те же исследования были учтены в разных ЦРГ, если они одновременно имеют отношение сразу к нескольким видам нарушений.

Рис. 4. Распределение применения технологий ИИ по целевым реабилитационным группам.

В соответствии с Приказом, к нарушениям психических функций (ЦРГ-1) относятся нарушения интеллектуального развития, расстройства аутистического спектра (РАС) и экзогенно-органические расстройства, а также эпизодические и пароксизмальные расстройства. Инновационные технологии с применением ИИ для этой целевой группы условно можно поделить на 3 категории: ИИ для возрастной категории людей с деменцией, болезнью Паркинсона, Альцгеймера и другими когнитивными нарушениями; ИИ для детей с РАС; ИИ в качестве инструмента альтернативной и дополненной коммуникации для детей с нарушениями психических функций.

Технологии ИИ предлагается использовать для раннего предсказания развития таких заболеваний, как боковой амиотрофический склероз, болезнь Паркинсона, болезнь Альцгеймера, и других более редких заболеваний [18]. Для реабилитации людей с деменцией были проведены исследования по применению ИИ в мониторинге, роботах-помощниках и других приложениях с целью тренировок функций головного мозга, психологического воздействия, коммуникации и повседневной помощи [27]. Также для людей с деменцией, болезнью Паркинсона, когнитивными нарушениями и возрастной группы населения был разработан агент для общения — поддержка в виде чат-бота в рамках сопровождаемого проживания [28].

Также имеются разработки по применению ИИ (на основе машинного обучения) для ранней диагностики и скрининга детей с нарушениями психических функций, в частности детей с РАС и синдромом Ретта [34]. Эти же разработки применялись при диагностике синдрома Дауна (ЦРГ-10) с целью совершенствования понимания сложности сопутствующих заболеваний и ускорения идентификации биомаркеров [34].

В некоторых исследованиях были отдельно рассмотрены технологии ИИ для детей с РАС. Акцент был сделан на разработку системы прогнозирования нарушений здоровья [35], различных вспомогательных технологий и устройств (в том числе ТСР) для обучения детей с ментальными нарушениями в школе [19]. Авторы отметили необходимость индивидуального подхода к обучению детей с РАС. Анализ эмоций, поведения, жестов, мимики и речи детей с помощью технологий ИИ позволяет наладить взаимопонимание между учеником и учителем и скорректировать имеющийся индивидуальный план обучения. В качестве вспомогательного элемента предлагается использование умных роботов для проведения анализа и налаживания коммуникации. Роботы помогают детям с аутизмом социализироваться и развивать социальные навыки. Результаты исследований показывают, что роботы могут быть эффективными в долгосрочной терапии аутизма. Приложения помогают детям с аутизмом развивать языковые навыки и социальные взаимодействия [19].

Большая часть исследований была посвящена различным инструментам альтернативной и дополненной коммуникации на основе ИИ как для предоставления информации детям с нарушениями психических функций (упрощение текстов или преобразование их в картинки с применением принципов гибкости и персонализации простых текстов и учетом местного контекста, культуры и коммуны [23]; разработка ассистивных технологий в образовательном процессе [22]), так и для распознавания и интерпретации движений, эмоций и поведения детей с нарушениями психических функций [30, 32].

Для детей с дисграфией и нарушениями психических функций были разработаны технологии оценки письма с помощью интеллектуальной ручки SensoGrip, оснащенной датчиками для фиксации динамики почерка (для проведения оценки письма в более реалистичных сценариях) [20]; оценки и выявления нарушения по изображениям, сделанным от руки [21].

Некоторые разработки по применению технологий ИИ, описанные выше, также относятся к реабилитации инвалидов с нарушениями языковых и речевых функций (ЦРГ-2) путем оценки письма [20], выявления нарушений по изображениям [21], использования специализированных приложений и других ассистивных технологий для развития языковых навыков [19, 22]. В рамках речевой терапии была разработана технология распознавания речи с помощью ИИ при дизартрии [31] и других нарушениях [36].

В рамках создания технологий ИИ для инвалидов с преимущественными нарушениями сенсорных функций (слуха и зрения) (ЦРГ-3) были разработаны инструменты для восстановления зрения. Одно исследование было посвящено скринингу нарушений зрения у детей [37]. Другое обширное исследование описывает различные ассистивные технологии по распознаванию лиц в реальном времени, активности людей, эмоций и движений рта [38]. С помощью ассистивных технологий были достигнуты большие успехи в интеграции с устройствами вещей на основе ИИ, который обрабатывает и анализирует большой объем данных, генерируемых устройствами Интернета вещей, и применяет модели, в частности машинное обучение, для обнаружения закономерностей с целью генерации идей и осуществления поддержки принятия решений [26].

В рамках статьи под понятием «нарушения двигательных функций» были обобщены все нарушения, указанные в Приказе для ЦРГ-4, которая включает в себя нарушения нейромышечных, скелетных и связанных с движением (статодинамических) функций [39]. Технологии ИИ интегрированы в инструмент скрининга для выявления лиц с нарушениями опорно-двигательного аппарата.

Четыре исследования были направлены на реабилитацию пациентов, получивших нарушения двигательных функций в результате острых цереброваскулярных болезней. В одной из разработок чат GPT-4 используется для ведения истории пациента путем создания всесторонней информации о его назначениях и кодах МКФ, относящихся к инсульту [14]. Также была разработана система поддержки принятия решений для оценки состояния после инсульта, которая предназначена помочь специалисту получить более полное представление о нарушениях здоровья, уровне активности и участии лиц, перенесших инсульт, в период реабилитации [10]. Предлагается персонифицировать подход к игровой терапии в рамках телереабилитации с помощью технологий ИИ [13]. Еще одна система на основе ИИ под названием MAIA разрабатывается для интерпретации намерений пользователей и их перевод в действия, выполняемые ассистивными устройствами [40].

В трех исследованиях авторы предлагают использовать технологии ИИ для реабилитации пациентов с хронической болью в спине и болью в поясничном отделе. На основе технологий ИИ были разработаны системы диагностики боли в спине [12, 41] и приложение для самоконтроля и оценки [42].

Большой блок исследований посвящен нарушениям, связанным с утратой одной или обеих верхних или нижних конечностей. Разработки на основе технологий ИИ применяются для систем контроля протезов [15—17, 36]. Такие системы контроля могут повысить точность и скорость движений протеза, помогают кодировать и декодировать сигналы управления моторикой [43]. Одна из систем управления виртуальным протезом на основе технологий ИИ применялась для снижения фантомной боли в конечности в рамках зеркальной терапии. Реабилитация пациента предполагается с использованием игры вместе с дополненной и виртуальной реальностью в качестве дополнительного метода лечения, если зеркальная терапия не дает необходимого эффекта [36].

В других исследованиях технологии ИИ были применены для реабилитации пациентов:

— с ревматоидным артритом (применение ИИ для скрининга) [44];

— с болезнью Паркинсона (мониторинг показателей здоровья во время выполнения упражнений на дому в рамках телереабилитации) [45];

— с рассеянным склерозом (предсказание показателей расширенной шкалы оценки степени инвалидизации EDSS) [46];

— с детским церебральным параличом (ДЦП) — прогностическая модель обучения для выявления факторов, связанных с РАС у подростков с ДЦП. Двигательные навыки, способность к питанию, тип спастичности, умственная отсталость и коммуникативные расстройства были связаны с РАС. Прогностическая модель позволила адекватно идентифицировать подростков, подверженных риску РАС [47].

Заключение

Технологии ИИ являются универсальным инновационным международным инструментом при решении прикладных задач, в частности реабилитации.

Количество исследований и разработок интеллектуальных систем в реабилитации за последние 5 лет значительно увеличилось, о чем свидетельствуют результаты проведенного исследования.

Активно развивается направление разработки различных устройств с применением технологий ИИ для реабилитации инвалидов и содействия им в социально-бытовой сфере, что можно расценивать как разработку новых ТСР, а также новых технических устройств, направленных на понимание лиц с нарушениями коммуникации, на обучение письму и в целом на помощь при обучении.

Результаты распределения применения технологий ИИ в реабилитации по ЦРГ в зарубежных исследованиях с 2019 по 2023 г. показали преимущественное распространение решений с использованием технологий ИИ для ЦРГ-4. Преобладание применения технологий ИИ в области восстановления двигательных функций связано с высоким потенциалом составления индивидуальных реабилитационных программ и мониторинга эффективности реабилитационных мероприятий средствами ИИ.

Проведенный анализ публикационного потока позволяет оценить перспективы и выявить области реабилитации и ЦРГ, где применение технологий ИИ исследовано в значительно меньшей степени. Дальнейшие исследования целесообразно развивать в направлении оценки потребности применения технологий ИИ в сфере реабилитации инвалидов и внедрения в нормативное правовое поле для дальнейшего применения на базе государственных бюджетных предприятий.

Исследование проведено в рамках выполнения государственного задания.

Участие авторов: сбор и обработка материалов, анализ полученных данных — Петрищева К.Н.; написание текста — Суфэльфа А.Р., Петрищева К.Н.; редактирование — Суфэльфа А.Р., Щербина К.К., Иванова Н.В., Пономаренко Г.Н.

Авторы заявляют об отсутствии конфликта интересов.


1Вступил в силу 1 марта 2025 года.

2Вступил в силу 1 марта 2025 года.

3Вступил в силу 1 марта 2025 года.

Литература / References:

  1. Положение инвалидов. Федеральная служба государственной статистики. Ссылка активна на 14.05.2025. https://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/disabilities/
  2. Sumner J, Lim HW, Chong LS, Bundele A, Mukhopadhyay A, Kayambu G. Artificial intelligence in physical rehabilitation: A systematic review. Artificial intelligence in medicine. 2023;146:102693. https://doi.org/10.1016/j.artmed.2023.102693
  3. Noorbakhsh-Sabet N, Zand R, Zhang Y, Abedi V. Artificial intelligence transforms the future of health care. The American journal of medicine. 2019;132(7):795-801.  https://doi.org/10.1016/j.amjmed.2019.01.017
  4. Patel VL, Shortliffe EH, Stefanelli M, Szolovits P, Berthold MR, Bellazzi R, Abu-Hanna A. The coming of age of artificial intelligence in medicine. Artificial intelligence in medicine. 2009;46(1):5-17.  https://doi.org/10.1016/j.artmed.2008.07.017
  5. Gómez-González E. Artificial Intelligence in Medicine and Healthcare: applications, availability and societal impact. Luxembourg: Publications Office of the European Union; 2020.
  6. Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. Peer J. 2019;7:e7702. https://doi.org/10.7717/peerj.7702
  7. Ramesh AN, Kambhampati C, Monson JR, Drew PJ. Artificial intelligence in medicine. Annals of The Royal College of Surgeons of England. 2004;86(5):334-338. 
  8. Суфэльфа А.Р., Петрищева К.Н., Щербина К.К., Пономаренко Г.Н. Технологии искусственного интеллекта в реабилитации инвалидов: анализ публикационного потока. Моделирование, оптимизация и информационные технологии. 2024;12(3).
  9. Sumner J, Lim HW, Chong LS, Bundele A, Mukhopadhyay A, Kayambu G. Artificial intelligence in physical rehabilitation: A systematic review. Artif Intell Med. 2023 Dec;146:102693. https://doi.org/10.1016/j.artmed.2023.102693
  10. Luvizutto GJ, Silva GF, Nascimento MR, Sousa Santos KC, Appelt PA, de Moura Neto E, de Souza JT, Wincker FC, Miranda LA, Hamamoto Filho PT, de Souza LAPS, Simões RP, de Oliveira Vidal EI, Bazan R. Use of artificial intelligence as an instrument of evaluation after stroke: a scoping review based on international classification of functioning, disability and health concept. Topics in Stroke Rehabilitation. 2022;29(5):331-346.  https://doi.org/10.1080/10749357.2021.1926149
  11. Santilli V. Application of machine learning techniques to physical and rehabilitative medicine. Annali di Igiene. 2022;34(1):79-83. 
  12. D’Antoni F, Russo F, Ambrosio L, Vollero L, Vadalà G, Merone M, Papalia R, Denaro V. Artificial Intelligence and Computer Vision in Low Back Pain: A Systematic Review. International Journal of Environmental Research and Public Health. 2021;18(20):10909. https://doi.org/10.3390/ijerph182010909
  13. Burdea G, Kim N, Polistico K, Kadaru A, Grampurohit N, Roll D, Damiani F. Assistive game controller for artificial intelligence-enhanced telerehabilitation post-stroke. Assist Technol. 2021 May 4;33(3):117-128.  https://doi.org/10.1080/10400435.2019.1593260
  14. Zhang L, Tashiro S, Mukaino M, Yamada S. Use of artificial intelligence large language models as a clinical tool in rehabilitation medicine: a comparative test case. J Rehabil Med. 2023 Sep 11;55:jrm13373. https://doi.org/10.2340/jrm.v55.13373
  15. Luu DK, Nguyen AT, Jiang M, Drealan MW, Xu J, Wu T, Tam WK, Zhao W, Lim BZH, Overstreet CK, Zhao Q, Cheng J, Keefer EW, Yang Z. Artificial Intelligence Enables Real-Time and Intuitive Control of Prostheses via Nerve Interface. IEEE Transactions on Biomedical Engineering. 2022;69(10):3051-3063. https://doi.org/10.1109/TBME.2022.3160618
  16. Olsen S, Zhang J, Liang KF, Lam M, Riaz U, Kao JC. An artificial intelligence that increases simulated brain-computer interface performance. J Neural Eng. 2021 May;18(4). https://doi.org/10.1088/1741-2552/abfaaa
  17. Krasoulis A, Vijayakumar S, Nazarpour K. Multi-Grip Classification-Based Prosthesis Control With Two EMG-IMU Sensors. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2020;28(2):508-518.  https://doi.org/10.1109/TNSRE.2019.2959243
  18. Malcangi M. AI-Based Methods and Technologies to Develop Wearable Devices for Prosthetics and Predictions of Degenerative Diseases. Methods in Molecular Biology. 2021;2190:337-354.  https://doi.org/10.1007/978-1-0716-0826-5_17
  19. Barua PD, Vicnesh J, Gururajan R, Oh SL, Palmer E, Azizan MM, Kadri NA, Acharya UR. Artificial Intelligence Enabled Personalised Assistive Tools to Enhance Education of Children with Neurodevelopmental Disorders-A Review. International Journal of Environmental Research and Public Health. 2022;19(3):1192. https://doi.org/10.3390/ijerph19031192
  20. Bublin M, Werner F, Kerschbaumer A, Korak G, Geyer S, Rettinger L, Schönthaler E, Schmid-Kietreiber M. Handwriting Evaluation Using Deep Learning with SensoGrip. Sensors (Basel). 2023;23(11):5215. https://doi.org/10.3390/s23115215
  21. Devi A, Kavya G. Dysgraphia disorder forecasting and classification technique using intelligent deep learning approaches. Progress in Neuro-Psychopharmacology and Biological Psychiatry. 2023;120:110647. https://doi.org/10.1016/j.pnpbp.2022.110647
  22. Zdravkova K, Krasniqi V, Dalipi F, Ferati M. Cutting-edge communication and learning assistive technologies for disabled children: An artificial intelligence perspective. Frontiers in Artificial Intelligence. 2022;5:970430. https://doi.org/10.3389/frai.2022.970430
  23. Draffan EA, Wald M, Ding C, Yin Y. AI Supporting AAC Pictographic Symbol Adaptations. Stud Health Technol Inform. 2023;306:215-221.  https://doi.org/10.3233/SHTI230622
  24. Gross DP, Steenstra IA, Harrell FE Jr, Bellinger C, Zaïane O. Machine Learning for Work Disability Prevention: Introduction to the Special Series. Journal of Occupational Rehabilitation. 2020;30(3):303-307.  https://doi.org/10.1007/s10926-020-09910-1
  25. Cheng ASK, Ng PHF, Sin ZPT, Lai SHS, Law SW. Smart Work Injury Management (SWIM) System: Artificial Intelligence in Work Disability Management. Journal of Occupational Rehabilitation. 2020;30(3):354-361.  https://doi.org/10.1007/s10926-020-09886-y
  26. de Freitas MP, Piai VA, Farias RH, Fernandes AMR, de Moraes Rossetto AG, Leithardt VRQ. Artificial Intelligence of Things Applied to Assistive Technology: A Systematic Literature Review. Sensors (Basel). 2022;22(21):8531. https://doi.org/10.3390/s22218531
  27. Qi J, Wu C, Yang L, Ni C, Liu Y. Artificial intelligence (AI) for home support interventions in dementia: a scoping review protocol. BMJ Open. 2022;12(9):e062604. https://doi.org/10.1136/bmjopen-2022-062604
  28. Huq SM, Maskeliūnas R, Damaševičius R. Dialogue agents for artificial intelligence-based conversational systems for cognitively disabled: a systematic review. Disabil Rehabil Assist Technol. 2024 Apr;19(3):1059-1078. https://doi.org/10.1080/17483107.2022.2146768
  29. Pousada García T, Groba Gonzalez B, Nieto-Riveiro L, Canosa Domínguez N, Maldonado-Bascón S, López-Sastre RJ, Pacheco DaCosta S, González-Gómez I, Molina-Cantero AJ, Pereira Loureiro J. Assessment and counseling to get the best efficiency and effectiveness of the assistive technology (MATCH): Study protocol. PLoS One. 2022 Mar 16;17(3):e0265466. https://doi.org/10.1371/journal.pone.0265466
  30. Herbuela VRDM, Karita T, Furukawa Y, Wada Y, Toya A, Senba S, Onishi E, Saeki T. Machine learning-based classification of the movements of children with profound or severe intellectual or multiple disabilities using environment data features. PLoS One. 2022;17(6):e0269472. https://doi.org/10.1371/journal.pone.0269472
  31. Mulfari D, La Placa D, Rovito C, Celesti A, Villari M. Deep learning applications in telerehabilitation speech therapy scenarios. Computers in Biology and Medicine. 2022 Sep;148:105864. https://doi.org/10.1016/j.compbiomed.2022.105864
  32. Tanabe H, Shiraishi T, Sato H, Nihei M, Inoue T, Kuwabara C. A concept for emotion recognition systems for children with profound intellectual and multiple disabilities based on artificial intelligence using physiological and motion signals. Disabil Rehabil Assist Technol. 2024 May;19(4):1319-1326. https://doi.org/10.1080/17483107.2023.2170478
  33. Liu K, Yu Y, Liu Y, Tang J, Liang X, Chu X, Zhou Z. A novel brain-controlled wheelchair combined with computer vision and augmented reality. BioMedical Engineering OnLine. 2022;21(1):50.  https://doi.org/10.1186/s12938-022-01020-8
  34. Gupta C, Chandrashekar P, Jin T, He C, Khullar S, Chang Q, Wang D. Bringing machine learning to research on intellectual and developmental disabilities: taking inspiration from neurological diseases. Journal of Neurodevelopmental Disorders. 2022;14(1):28.  https://doi.org/10.1186/s11689-022-09438-w
  35. Bertoncelli CM, Altamura P, Vieira ER, Bertoncelli D, Solla F. Using Artificial Intelligence to Identify Factors Associated with Autism Spectrum Disorder in Adolescents with Cerebral Palsy. Neuropediatrics. 2019 Jun;50(3):178-187.  https://doi.org/10.1055/s-0039-1685525
  36. Triantafyllidis AK, Tsanas A. Applications of Machine learning in Real-Life Digital Health Interventions: Review of the Literature. J Med Internet Res. 2019 Apr;21(4):e12286. https://doi.org/10.2196/12286
  37. Pueyo V, Pérez-Roche T, Prieto E, Castillo O, Gonzalez I, Alejandre A, Pan X, Fanlo-Zarazaga A, Pinilla J, Echevarria JI, Gutierrez D, Altemir I, Romero-Sanz M, Cipres M, Ortin M, Masia B. Development of a system based on artificial intelligence to identify visual problems in children: study protocol of the TrackAI project. BMJ Open. 2020 Feb;10(2):e033139. https://doi.org/10.1136/bmjopen-2019-033139
  38. Domingo MC. An Overview of Machine Learning and 5G for People with Disabilities. Sensors (Basel). 2021;21(22):7572. https://doi.org/10.3390/s21227572
  39. Takahashi S, Nonomiya Y, Terai H, Hoshino M, Ohyama S, Shintani A, Nakamura H. Artificial intelligence model to identify elderly patients with locomotive syndrome: A cross-section study. Journal of Orthopaedic Science. 2023;28(3):656-661.  https://doi.org/10.1016/j.jos.2022.01.010
  40. Ventura S, Ottoboni G, Lullini G, Chattat R, Simoncini L, Magni E, Piperno R, La Porta F, Tessari A. Co-designing an interactive artificial intelligent system with post-stroke patients and caregivers to augment the lost abilities and improve their quality of life: a human-centric approach. Front Public Health. 2023 Sep;11:1227748. https://doi.org/10.3389/fpubh.2023.1227748
  41. Soin A, Hirschbeck M, Verdon M, Manchikanti L. A Pilot Study Implementing a Machine Learning Algorithm to Use Artificial Intelligence to Diagnose Spinal Conditions. Pain Physician. 2022;25(2):171-178. 
  42. Rughani G, Nilsen TIL, Wood K, Mair FS, Hartvigsen J, Mork PJ, Nicholl BI. The selfBACK artificial intelligence-based smartphone app can improve low back pain outcome even in patients with high levels of depression or stress. Eur J Pain. 2023 May;27(5):568-579.  https://doi.org/10.1002/ejp.2080
  43. Nguyen AT, Xu J, Jiang M, Luu DK, Wu T, Tam WK, Zhao W, Drealan MW, Overstreet CK, Zhao Q, Cheng J, Keefer EW, Yang Z. A bioelectric neural interface towards intuitive prosthetic control for amputees. J Neural Eng. 2020 Nov;17(6). https://doi.org/10.1088/1741-2552/abc3d3
  44. Alarcón-Paredes A, Guzmán-Guzmán IP, Hernández-Rosales DE, Navarro-Zarza JE, Cantillo-Negrete J, Cuevas-Valencia RE, Alonso GA. Computer-aided diagnosis based on hand thermal, RGB images, and grip force using artificial intelligence as screening tool for rheumatoid arthritis in women. Med Biol Eng Comput. 2021 Feb;59(2):287-300.  https://doi.org/10.1007/s11517-020-02294-7
  45. Capecci M, Cima R, Barbini FA, Mantoan A, Sernissi F, Lai S, Fava R, Tagliapietra L, Ascari L, Izzo RN, Leombruni ME, Casoli P, Hibel M, Ceravolo MG. Telerehabilitation with ARC Intellicare to Cope with Motor and Respiratory Disabilities: Results about the Process, Usability, and Clinical Effect of the «Ricominciare» Pilot Study. Sensors (Basel). 2023 Aug;23(16):7238. https://doi.org/10.3390/s23167238
  46. Roca P, Attye A, Colas L, Tucholka A, Rubini P, Cackowski S, Ding J, Budzik JF, Renard F, Doyle S, Barbier EL, Bousaid I, Casey R, Vukusic S, Lassau N, Verclytte S, Cotton F; OFSEP Investigators. Artificial intelligence to predict clinical disability in patients with multiple sclerosis using FLAIR MRI. Diagnostic and Interventional Imaging. 2020;101(12):795-802.  https://doi.org/10.1016/j.diii.2020.05.009
  47. Bertoncelli CM, Altamura P, Vieira ER, Bertoncelli D, Solla F. Using Artificial Intelligence to Identify Factors Associated with Autism Spectrum Disorder in Adolescents with Cerebral Palsy. Neuropediatrics. 2019 Jun;50(3):178-187.  https://doi.org/10.1055/s-0039-1685525

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.