《The Journals of Gerontology: Series B》：Leveraging human–robot interaction and virtual reality for digital biomarkers in diagnostics and rehabilitation: a review from the Age-It Research Program
编辑推荐：
本文针对人口老龄化带来的认知与运动功能衰退挑战，系统综述了人机交互技术（HRI）在数字生物标志物挖掘中的应用。研究人员通过分析471篇文献发现，虚拟现实（VR）和社交辅助机器人（SARs）可有效提取行为动力学指标（如手部运动速度、眼动轨迹），用于轻度认知障碍（MCI）筛查和康复评估。该研究为开发无创、连续的老年健康监测技术提供了重要理论支撑，推动了Gerontechnology（老年技术）的临床转化。
随着全球65岁以上人口到2050年预计增长16%，老龄化社会正面临阿尔茨海默病、帕金森病等慢性疾病带来的严峻挑战。这些疾病不仅导致认知与运动功能逐渐衰退，还加剧了跌倒、中风等风险。然而，护理人员短缺与医疗资源紧张的矛盾日益突出，传统医疗模式难以实现持续性的健康监测。在这一背景下，意大利Age-It研究计划的Spoke 9课题组将目光投向了数字医疗技术的前沿领域。
为破解老年健康监测的难题，研究人员开展了一项系统性综述研究，聚焦于虚拟现实（VR）、社交辅助机器人（SARs）和热成像技术如何通过人机交互过程提取数字生物标志物（Digital Biomarkers）。这些标志物被定义为通过数字设备收集的生理和行为过程指标，能够实时反映健康状况与疾病进展。该研究创新性地将技术应用场景划分为认知评估、认知康复、运动功能评估和运动康复四大领域，并对19项核心研究进行了深度剖析。
在技术方法层面，研究团队采用Scopus数据库对截至2025年3月25日的文献进行系统检索，筛选标准涵盖技术类型（VR/SARs/热成像）、应用场景（评估/康复）和标志物提取方式。最终纳入的研究中，9项聚焦VR技术，7项涉及SARs，4项探讨热力学模型分析。研究人员通过机器学习算法（如支持向量机SVM、随机森林）对运动学参数、眼动数据、语言特征等多模态数据进行分析验证。
数字生物标志物在VR认知评估中的应用
研究发现VR技术通过模拟日常生活任务（如虚拟点餐测试），可有效捕捉与认知功能相关的行为指标。Kim等（2023）开发虚拟售货亭测试，通过分析手部运动速度、注视时长等特征，对轻度认知障碍（MCI）的识别准确率达93.3%。Park等（2024）进一步结合MRI生物标志物，将识别准确率提升至94.4%。值得注意的是，Xu等（2024）开发的便携式VR认知评估工具，仅通过5分钟眼动数据即可预测蒙特利尔认知评估（MoCA）分数（相关性r=0.90），展现了技术的临床实用性。
机器人辅助认知评估的数字标志物
社交辅助机器人（如NAO、Kompa?）通过非接触式传感器（热成像、RGB-D相机）提取生理行为指标。Agrigoroaie和Tapus（2017）研究发现眨眼频率、呼吸速率可反映任务难度和应激状态。Pou-Prom等（2020）通过语言特征分析（如平均介词短语长度、词汇歧义度）有效区分不同认知水平患者，为认知衰退监测提供了新思路。
VR认知康复中的标志物挖掘
Manenti等（2020）比较VR康复系统（VRRS）与传统认知训练的效果，发现VR组在记忆、执行功能等任务完成时间和准确性上表现更优。Pedroli等（2019）设计的虚拟城市探索任务中，路径选择效率和线索使用频率成为评估空间记忆的关键指标。这些研究证实沉浸式环境能提升康复依从性和训练转移效果。
机器人辅助运动功能评估
在运动领域，Mahdi等（2025）利用机器人步行器SkyWalker提取14项运动学特征，对起立-行走动作的相位识别准确率达89%。Fiorini等（2023）通过ASTRO机器人同步采集步态参数、躯干角度和握力数据，实现了用户运动能力的无创评估。
热力学模型在运动功能监测中的创新
热成像技术通过核心-皮肤温度梯度（ΔT）、昼夜节律等热力学参数反映机体代谢效率。Amson等（2020）发现脓毒症休克患者指尖温度梯度>7°C可预测8天死亡率（p<0.05）。Martinez-Nicolas等（2018）基于皮肤温度节律开发的算法，能准确区分青年与老年群体（准确率>85%），为衰老评估提供了物理学生物标志物。
讨论部分指出，当前研究仍面临三大挑战：样本量不足（如De Gaspari等（2024）仅纳入20名受试者）、标志物提取依赖预设聚合特征、技术成熟度（TRL）差异显著。VR设备因医疗认证和低成本优势更具临床可行性，而SARs和热成像技术受环境敏感性制约仍需突破。未来研究需通过原始时间序列数据挖掘、多中心验证和情感维度整合，提升标志物的生态效度和临床价值。
该研究的重要意义在于构建了人机交互技术提取数字生物标志物的方法论框架，为Age-It计划实现“主动健康老龄化”目标提供了技术路线。通过将行为动力学、热力学等跨学科指标引入老年健康评估，不仅推动了Gerontechnology（老年技术）的创新发展，也为应对全球老龄化挑战提供了新的解决方案。
