综述：基于人工智能的数字康复如何改善终端用户依从性：快速回顾

这篇综述系统评估了人工智能（AI）在数字康复（DR）中的应用对患者依从性的改善作用，涵盖6项研究（包括3项RCT），重点探讨AI通过个性化方案、实时反馈和远程监测（如可穿戴设备）提升康复参与度的机制，为优化慢性病管理提供了循证依据。

　　

背景

人工智能（AI）正在重塑传统康复模式，尤其在应对全球人口老龄化和慢性病负担加重的背景下。数字康复（DR）通过整合可穿戴传感器、移动应用和机器学习（ML）算法，解决了传统康复服务的地理限制和高成本问题。COVID-19大流行进一步加速了远程康复技术的应用，而AI的核心价值在于其能分析海量数据并生成个性化康复方案。

方法

本快速综述（RR）遵循Cochrane指南，检索PubMed数据库筛选出6项关键研究（2012-2024年），涵盖卒中、骨关节炎和心血管疾病等康复领域。AI技术包括卷积神经网络（如智能手表动作识别）、实时ML算法（如Well-Beat平台的个性化短信系统）和惯性传感器数据分析（如Apple Watch监测肩部运动）。

AI提升依从性的六大机制

1. 1.

   动机激励：4项研究证实，AI通过运动追踪、进度可视化和游戏化设计（如ARC Intellicare系统的实时反馈）增强患者参与度。

2. 2.

   医患协同：4项研究显示，AI平台（如Well-Beat）能自动生成患者行为画像，指导医护人员调整沟通策略，改善治疗联盟。

3. 3.

   个性化定制：3项研究利用决策树算法（如Love-Your-Knee应用）根据膝关节炎分期推荐差异化训练计划。

4. 4.

   操作便捷性：2项研究强调，智能手机兼容的AI工具（如TKR膝关节监测套件）显著降低老年用户的使用门槛。

5. 5.

   智能提醒：2项研究采用ML驱动的推送通知（如术后康复每日提醒），将患者脱落率降低15%-20%。

6. 6.

   客观评估：1项概念验证研究证明，AI可替代主观自述，通过传感器数据量化家庭运动时长和频率（准确率达92%）。

临床意义与局限

尽管AI-DR显示出提升功能恢复（如卒中患者肩关节活动度增加30%）和生活质量的潜力，但现有研究存在样本量小（n=6-500）、偏倚风险高（3项RCT未设盲）等问题。值得注意的是，AI的客观监测能力可能颠覆传统依从性评估范式，但其在精神康复领域的适用性仍需验证。

未来展望

建议开展多中心RCT比较AI与传统康复的长期效益，同时探索生成式AI在动态调整康复方案中的应用。政策制定者需关注技术普惠性，确保弱势群体也能受益于这些创新解决方案。