从虚拟训练到现实功能：数字神经康复中的迁移问题

《Frontiers in Neurology》：From virtual practice to real-world function the transfer problem in digital neurorehabilitation

　　

摘要 数字技术通过实现高强度、交互式且可适应的运动训练，拓展了神经康复的途径。然而，在虚拟环境、康复游戏或基于技术的评估中取得的改善，并不必然转化为日常生活中具有意义的功能变化。本迷你综述（Mini Review）考察了数字神经康复中的迁移问题（transfer problem），并探讨了可能限制训练相关收益泛化至真实世界表现的关键因素。研究人员综合了关于任务特异性（task specificity）、数字环境与物理环境之间的感觉及知觉-行动差异、认知与情境需求、练习变异性（practice variability）以及影响迁移的患者特异性约束等方面的证据。基于上述机制，研究人员提出了一个以迁移为导向的框架（transfer-oriented framework），该框架由五个相互关联的阶段组成：技能习得（skill acquisition）、适应性变异（adaptive variability）、认知-运动整合（cognitive-motor integration）、情境化真实世界练习（contextualized real-world practice）以及生态学评估（ecological evaluation）。该框架强调，迁移应被明确地作为靶向目标，而非假定为成功数字训练的必然结果。研究人员进一步讨论了虚拟现实（virtual reality, VR）、增强现实（augmented reality, AR）、可穿戴传感（wearable sensing）及混合康复模型（hybrid rehabilitation models）如何在适应性和个性化方法中整合以支持这一过程的不同阶段。未来的数字康复研究应超越对训练任务内表现的评估，纳入功能性和生态学迁移指标，包括真实世界活动能力（mobility）、活动水平（activity）及参与度（participation）。从以技术为中心的康复向以迁移为导向的设计转变，可能增强数字干预的临床影响力，并支持日常生活中具有意义的改善。

1 引言

神经系统疾病是长期残疾的主要原因，常导致运动功能持续受损，包括步态、平衡、协调及上肢控制方面的缺陷。这些损伤会显著限制独立性、参与度和生活质量，使有效运动康复成为神经科治疗的核心组成部分。传统康复主要基于重复性和任务特异性练习，这些原则促进运动学习和经验依赖性神经可塑性。然而，传统治疗的强度、持续时间和可及性常受限于临床资源不足、行动受限以及难以维持长期参与。数字技术拓展了运动康复的实施途径。虚拟现实（VR）、增强现实（AR）、运动游戏（exergaming）、可穿戴传感器及远程康复平台能够提供高强度、重复性和交互式练习，同时允许根据个体表现调整任务难度和反馈。这些技术还可通过游戏化提高参与度，并提供实时视觉、听觉或触觉反馈以支持错误检测和运动学习。在各类神经科人群中，数字干预已被用于上肢功能、步态、平衡、活动能力及日常生活活动的康复研究。尽管数字训练环境应用日益广泛，但其无法完全复现真实世界条件，训练期间获得的改善可能无法泛化至日常活动。迁移在一定程度上取决于训练任务与目标活动的感觉、运动、认知和情境需求之间的对应性。例如，Mendes等人发现，帕金森病患者从VR训练到未训练功能任务的迁移取决于游戏的运动和认知需求。社区活动能力等日常活动还需要适应不断变化的环境和竞争性认知需求。临床测量可能反映个体在结构化条件下能够做什么，而非其在日常生活中实际做了什么，而可穿戴技术可能有助于评估这一区别。关于迁移的证据因结局指标而异。一项研究发现VR可减少卒中后的活动受限，但未证实自由生活表现或参与度的改善。因此，缺乏真实世界迁移的证据不应被解释为迁移失败的证明。本综述考察了可能促进或限制迁移的因素，包括任务特异性、感觉和情境需求、认知-运动复杂性、练习变异性、个体特征及生态学结局评估。

2 方法

研究人员检索了PubMed、Scopus和Web of Science数据库，检索时间从建库至2026年8月，使用与数字神经康复、技术辅助康复、运动学习、迁移和真实世界功能相关的术语组合。检索词包括数字神经康复、虚拟现实、增强现实、运动游戏、远程康复、可穿戴技术、运动学习、迁移、泛化、任务特异性、双任务、生态效度和真实世界功能。未施加语言限制。检索策略根据各数据库进行了调整。示例检索式为：（“虚拟现实”或“运动游戏”或“数字康复”）且（“运动学习”或“迁移”或“泛化”）且（神经科或卒中或帕金森*）。两名评审员通过标题和摘要筛选记录，并对可能相关的文章进行全文评估。纳入标准为：同行评审的研究和综述，研究对象为神经科人群的数字康复，并涉及超越训练任务或受控环境的迁移或泛化问题。仅关注非神经科人群或仅涉及技术性能而无相关运动、功能或真实世界结局的研究被排除。文献选择基于与综述主题的相关性并进行叙述性综合。鉴于迷你综述的格式，未进行正式偏倚风险评估或荟萃分析。叙述性文献选择方法和缺乏正式质量评估可能引入选择偏倚，并限制综述的全面性和可重复性。

3 理解迁移问题：从任务表现到真实世界功能

迁移是数字神经康复中的基本概念，因为康复旨在使个体能够将习得的技能应用于有意义的日常活动。然而，虚拟任务或标准化评估中的改善并不必然表明真实世界功能增益。近迁移（near transfer）指泛化至相似任务，而远迁移（far transfer）涉及具有显著不同运动、认知或情境需求的任务。在本综述中，迁移还包括日常活动的功能变化和真实世界环境中的生态学表现。数字干预可能改善训练任务表现，但未必产生日常活动能力、参与度或独立性方面的同等增益。这可能反映了受控数字环境与日常活动的感觉、环境和认知需求之间的差异。同样，训练性双任务活动的改善可能无法泛化至未训练情境。因此，迁移应直接评估而非从训练增益中推断。可穿戴传感器和移动技术可能支持自然环境中活动能力和行为的评估，尽管其在评估迁移方面的应用仍然有限。迁移应因此跨越训练任务、未训练活动和真实世界表现进行评估，以确定学习是否泛化至有意义的日常功能。

4 影响数字神经康复中迁移的因素

数字神经康复可能改善训练任务表现和功能性结局，但泛化至真实世界活动的程度各不相同。因此，区分已证实的有限迁移与因评估不足导致的非结论性发现至关重要。本节考察可能限制或促进迁移的个体、任务相关、感觉、认知和环境因素。

4.1 特异性悖论：学习任务与学习适应

任务特异性练习是神经康复的基本原则，通过重复而有意义的练习促进运动学习。数字技术可通过构建重复练习、提供即时反馈和逐步调整任务难度来支持这一过程。然而，高度特异性练习也可能促进依赖于训练任务或情境的学习。这产生了特异性悖论：训练必须靶向相关运动行为，同时避免过度依赖狭窄且可预测的条件。个体可能在重复虚拟伸手、步态或避障任务中显著改善，但当运动、感觉或环境需求变化时却面临困难。因此，以迁移为导向的康复应将特异性定义为不仅重复单一动作，而是为个体可能遇到的各种功能需求做好准备。例如，社区活动能力训练应逐步纳入速度、方向、环境约束和注意力需求方面的变异性，而非仅依赖可预测的练习。

4.2 感觉与知觉-行动差距

迁移的另一障碍是数字环境与物理环境之间可用感觉信息的差异。成功运动依赖于视觉、本体感觉、前庭觉、触觉和听觉信息的整合，而数字系统可能无法完全复现这些信息。这些差异可能改变知觉-行动耦合。虚拟障碍物与物理障碍物在深度线索、触觉信息、物理后果和感知可供性方面可能存在差异。因此，虚拟练习期间发展的运动策略可能无法完全迁移至类似的真实世界情境。关于从虚拟到物理避障的步态适应性迁移和保持有限的证据支持了这一担忧。通过物理交互、触觉反馈或真实世界运动约束提高感觉保真度可能有助于缩小这一差距。然而，更高的技术真实感并不必然保证改善迁移，需要直接评估。

4.3 认知-情境复杂性

真实世界活动需要持续注意力、对意外事件的适应以及管理多重认知和环境需求。例如，社区步行可能涉及在监控交通、交谈或应对干扰的同时进行避障。相比之下，康复任务通常在可预测和受控条件下进行。虽然这可能有利于安全地习得任务，但在简化环境中长期练习可能无法为日常复杂性提供充分准备。认知-运动和双任务训练可以增加生态相关性，但改善可能仍局限于训练任务。因此，认知需求应逐步变化以反映真实世界挑战。数字技术可通过在受控和安全环境中操纵干扰、任务复杂性、反应需求和不确定性来支持这一过程。

4.4 无变异性的重复

数字康复可提供高容量的练习，但仅靠重复并不能保证可迁移的学习。高度重复且可预测的练习可能改善训练情境内的表现，同时限制对变化任务或环境需求的适应。变异性和随机练习可能通过使个体接触更广泛的运动解决方案来更好地促进保持和迁移。数字技术可通过在重复练习中改变运动、感觉、环境或认知需求来方便地操纵这种变异性。重要的是，增加难度并不等同于增加适应性。以迁移为导向的干预应因此使用系统性练习变异性来为个体应对真实世界功能的变化需求做准备，而非简单增加任务挑战。

4.5 患者特异性迁移约束

迁移受个体特征影响，包括运动控制、感觉处理、认知、疲劳和适应性。损伤严重程度和技术熟悉度的差异也可能影响训练环境之外的泛化。因此，数字干预可能不会在个体间产生等效迁移，特别是当认知或感觉障碍和波动性症状限制适应时。环境和社会因素，包括照护者支持、家庭无障碍性、日常活动机会、信心、数字可及性和依从性，可能进一步影响真实世界表现。因此，日常活动改善有限可能反映环境障碍或机会受限，而非迁移失败。总体而言，迁移不应从成功的数字训练中假定。任务特异性、感觉和情境需求、认知复杂性、练习变异性、个体特征和环境因素可能影响学习是否泛化至真实世界功能。这些考虑支撑了所提出的框架，该框架从受控技能习得进展至适应性变异、认知-运动整合、情境化练习和生态学评估。

5 走向以迁移为导向的数字神经康复

上述局限性表明，迁移应作为明确治疗目标而非数字训练的自动结果。数字技术因此可以支持从受控技能习得向日益变异、认知要求更高和生态学相关表现的进展。研究人员提出了一个由五个相互关联阶段组成的数字神经康复迁移导向框架：（1）技能习得；（2）适应性变异；（3）认知-运动整合；（4）情境化真实世界练习；（5）生态学评估。这些阶段可能根据个体状况、功能能力和康复目标而重叠，但共同提供了从在受控环境中学习技能到在日常生活中展示其有用性的概念性进展。

5.1 阶段1：受控环境中的技能习得

第一阶段侧重于在受控条件下习得或恢复特定运动技能。数字技术可支持高重复性、即时反馈、个体化任务难度和安全练习。受控环境对于有显著损伤的个体可能特别有价值，通过简化任务需求同时保留有意义的练习。VR、交互系统和运动游戏可调整运动复杂性、提供增强反馈和支持参与。主要目标是成功习得目标技能：个体能否在受控条件下成功执行运动？然而，成功表现仅是起点。一旦基本技能习得建立，康复应逐步超越可预测和重复的练习。

5.2 阶段2：通过变异性促进适应性

第二阶段通过系统性引入变异性来减少对单一任务配置的依赖。由于日常活动在速度、时间、空间需求和环境条件方面各不相同，数字系统可在练习试验中修改这些因素。重要的是，增加变异性并非简单增加难度。以迁移为导向的训练应使个体接触不同任务和环境约束，鼓励适应性运动策略。主要问题是：当任务条件变化时，个体能否适应习得的技能？这一进展在神经康复中可能尤为重要，因为在可预测环境中有效的策略在环境需求变化时可能不再有效。

5.3 阶段3：整合认知与运动需求

随着康复进展，运动技能应越来越多地在与日常生活相似的认知需求下练习。日常活动通常需要运动伴随注意力、计划、决策、记忆和对意外事件的反应。数字环境可通过引入干扰、竞争性刺激、记忆任务、决策或变化的环境线索来逐步整合认知和运动需求。这些需求应与功能目标相关，而非简单增加以提升任务复杂性。主要问题是：当认知需求增加时，个体能否维持或适应运动表现？由于认知-运动训练的改善可能仍具有任务特异性，认知需求也应在练习中变化。

5.4 阶段4：情境化和真实世界练习

下一阶段旨在缩小数字练习与真实世界功能之间的差距。由于即使是沉浸式虚拟环境也无法完全复现日常感觉和物理需求，练习应逐步纳入真实或部分真实环境。AR可通过将数字线索与实际物理世界运动相结合来支持这一过渡，而可穿戴技术可将监测和反馈扩展到家庭和社区环境。主要问题是：个体能否在需要该技能的环境中应用习得的技能？这一阶段代表了从模拟功能到执行功能的关键转变。

5.5 阶段5：迁移的生态学评估

以迁移为导向的方法还要求评估超越游戏或标准化临床测试表现的结果。评估应包括真实世界活动能力、活动水平、参与度和独立性。可穿戴传感器和移动技术可通过监测自然环境中的行为来支持生态学评估，并区分能力（capacity，指个体在结构化条件下能够做什么）和表现（performance，指其在日常生活中实际做了什么）。主要问题是：干预是否在真实世界行为和功能中产生了有意义的改变？生态学评估还应指导后续康复，通过识别迁移仍然有限的情境并为数字训练的进一步个性化提供信息。

5.6 从线性路径到适应性康复循环

尽管五个阶段提供了概念性进展，但康复不太可能遵循严格线性序列。迁移可能在某些领域发生，而在其他领域仍然有限。更有用的方法是适应性康复循环，其中情境化练习和生态学评估识别表现恶化的情境。这些挑战随后可被重新引入受控或数字环境进行靶向再训练。因此，数字康复可被视为动态循环：受控练习→适应性变异→认知-运动整合→真实世界应用→生态学反馈→个性化再训练。这种方法将技术定位为不仅作为提供练习的工具，而且作为支持跨情境持续评估、适应和学习进展的系统的一部分。

6 将框架转化为技术支持的康复

数字技术应被视为支持迁移过程不同阶段的补充工具，而非独立的康复解决方案。VR、AR、可穿戴传感和混合康复模型的有效性不仅取决于其提供高强度训练的能力，还取决于其有效促进从受控技能习得向有意义真实世界功能进展的程度。在该迁移导向框架内，VR可提供受控环境用于重复练习、反馈和任务需求的渐进操纵。AR可通过将数字线索与实际有意义物理情境中的运动相结合来支持从数字练习到真实世界活动的过渡。可穿戴技术可通过捕获真实世界行为并识别训练期间取得的改善是否反映在日常表现中，将评估和反馈扩展到临床环境之外。因此，最大的潜力可能来自结合数字训练、生态学监测和个体化康复策略的整合性和适应性方法。技术不应取代传统康复，而应通过允许跨情境的持续评估、个性化和进展来扩展治疗机会。未来的发展不应仅聚焦于创建日益复杂的数字环境，而应设计技术支持性干预以促进泛化、长期保持和日常功能的有意义改善。

7 未来研究重点

解读本综述时应考虑若干局限性。叙述性文献选择可能引入选择偏倚，而神经科人群、干预措施和结局指标的异质性限制研究间比较。关于真实世界迁移的证据有时是间接的，限制了关于超越训练任务泛化的结论。此外，所提出的框架仍是概念性的且未经验证。未来研究应直接评估向未训练活动和真实世界功能的迁移，使用区分训练任务表现、近和远迁移、功能性结局和日常生活活动的结局框架。研究应调查影响迁移的因素，包括练习变异性、认知-运动需求、感觉特征以及数字和真实世界练习的整合。将临床评估与可穿戴和移动监测相结合可能阐明功能能力改善是否转化为日常表现的有意义变化。未来干预还应考虑个体和环境因素，并调查适应性方法是否改善泛化。最后，所提出的框架应就其可行性、临床效用和促进真实世界迁移的有效性进行实证评估。

8 结论

数字神经康复可改善运动学习和选定的功能性结局，但这些益处泛化至日常活动的程度各不相同。所提出的迁移导向框架整合了适应性练习、认知-运动需求、真实世界应用和生态学评估，以指导干预设计和评估。未来研究应直接评估跨功能性结局和自然环境中的迁移，并确立该框架的可行性和有效性。