Носимые системы на базе искусственного интеллекта для персонализированного мониторинга в процессе реабилитации
DOI:
https://doi.org/10.52889/1684-9280-2025-76-4-jto010Ключевые слова:
анализ походки, дистанционный мониторинг, искусственный интеллект, машинное обучение, носимые устройства, персонализированная реабилитация, телемедицина, умное здоровьеАннотация
Растущий спрос на персонализированные и эффективные реабилитационные подходы стимулирует разработку интеллектуальных носимых систем с элементами искусственного интеллекта. Эти устройства позволяют в режиме реального времени отслеживать состояние здоровья пациентов, прогнозировать возможные отклонения и предоставлять адаптивную обратную связь, что способствует улучшению клинических результатов при нейро-мышечной и послеоперационной реабилитации. Настоящий обзор охватывает 14 рецензируемых публикаций, вышедших в период с 2018 по 2025 годы, включая клинические исследования, когортные наблюдения и инженерные разработки. Отобранные работы найдены с помощью структурированного поиска в базах IEEE, MDPI и других авторитетных научных ресурсах и посвящены носимым устройствам для реабилитации с поддержкой искусственного интеллекта (ИИ). Наиболее часто используемые алгоритмы включают машины опорных векторов (МОВ), сверточные нейронные сети (СНС) и методы обучения с подкреплением. Эти технологии обеспечивают такие функции, как анализ походки, распознавание движений суставов, отслеживание активности мышц и контроль осанки. Кроме того, широко описана интеграция с IoT-сетями сенсоров, облачными платформами и телемедицинскими сервисами. Результаты обзора показывают, что носимые системы с поддержкой ИИ значительно повышают приверженность пациентов к терапии, точность мониторинга и индивидуализацию лечебных мероприятий. Тем не менее сохраняются проблемы безопасности данных, калибровки сенсоров, совместимости с другими системами и долгосрочного удержания пользователей. В целом доказано, что интеллектуальные носимые технологии играют важную роль в поддержке персонализированной, основанной на данных реабилитации.
Библиографические ссылки
1. Deng, Z., Guo, L., Chen, X., & Wu, W. (2023). Smart wearable systems for health monitoring. Sensors, 23(5), 2479. https://doi.org/10.3390/s23052479
2. O’Brien, M. K., Shin, S. Y., Khazanchi, R., Fanton, M., Lieber, R. L., & Ghaffari, R. (2022). Wearable sensors improve prediction of post-stroke walking function following inpatient rehabilitation. IEEE Journal of Translational Engineering in Health and Medicine, 10, 1–10. https://doi.org/10.1109/JTEHM.2022.3208585
3. Shajari, S., Kuruvinashetti, K., Komeili, A., & Sundararaj, U. (2023). The emergence of AI-based wearable sensors for digital health technology: A review. Sensors, 23(23), 9498. https://doi.org/10.3390/s23239498
4. Mehek, A. (2025). The Evolution of AI in Rehabilitation: Enhancing Recovery with Intelligent Systems. JOIREM, 5(6). Available at: https://www.researchgate.net/publication/392841593
5. Ma, Z., Fang, L., Fang, C., Chai, B., Zheng, Z., & Wang, S. J. (2025). Intelligent wearable system design for personalized knee motion and swelling monitoring in osteoarthritis care. Cell Reports Physical Science, 6(3), 102438. https://doi.org/10.1016/j.xcrp.2025.102438
6. Dave, Y., Natarajan, D. R., Jani, H., Khant, A., Adwani, P., & Mehta, J. (2025). AI Driven Personalized Rehabilitation System Using Wearable Sensors for Real Time Physiotherapy Monitoring. Proceedings of the 2025 IEEE Conference on Emerging Engineering Technologies (CE2CT), Article No. 10939054. IEEE. https://doi.org/10.1109/CE2CT64011.2025.10939054
7. Kajornkasirat, S., Sawangwong, C., Puangsuwan, K., Chanapai, N., Phutthamongkhon, W., & Puttinaovarat, S. (2025). Integrating AI-Driven Predictive Analytics in Wearable IoT for Real-Time Health Monitoring in Smart Healthcare Systems. Applied Sciences, 15(8), 4400. https://doi.org/10.3390/app15084400
8. Monge, J., Ribeiro, G., Raimundo, A., Postolache, O., & Santos, J. (2023). AI-Based Smart Sensing and AR for Gait Rehabilitation Assessment. Information, 14(7), 355. https://doi.org/10.3390/info14070355
9. Chen, S., Fan, S., Qiao, Z., Wu, Z., Lin, B., Li, Z., Riegler, M. A., Wong, M. Y. H., Opheim, A., Korostynska, O., & Nielsen, K. M. (2025). Transforming Healthcare: Intelligent Wearable Sensors Empowered by Smart Materials and Artificial Intelligence. Advanced Materials, https://doi.org/10.1002/adma.202500412
10. Wu, B. (2024). Real Time Monitoring Research on Rehabilitation Effect of Artificial Intelligence Wearable Equipment on Track and Field Athletes. EAI Endorsed Transactions on Pervasive Health and Technology, 10, 5150. https://doi.org/10.4108/eetpht.10.5150
11. Secara, I.-A., & Hordiiuk, D. (2024). Personalized Health Monitoring Systems: Integrating Wearable and AI. Journal of Intelligent Learning Systems and Applications, 16(2), Article 162004. https://doi.org/10.4236/jilsa.2024.162004
12. Thirumangai, S., Thilagan, P., & Anitha, N. (2024). Smart Remote Physical Therapy: Deep Learning-Based Patient Monitoring. In 2024 IEEE 1st International Conference on Green Intelligent and Energy-Sustainable Technologies (GIEST) (pp. 1–6). IEEE. https://doi.org/10.1109/GIEST62955.2024.10959779
13. Qin, X., & Wen, Q. (2025). Application progress and future prospects of smart wearable devices in postoperative rehabilitation of lower limb fractures: A mini review. Current Problems in Surgery, 67, 101755. https://doi.org/10.1016/j.cpsurg.2025.101755
14. Nairn, B., Tsakanikas, V., Gordon, B., Karapintzou, E., Kaski, D., Fotiadis, D. I., & Bamiou, D. E. (2025). Smart wearable technologies for balance rehabilitation in older adults at risk of falls: Scoping review and comparative analysis. JMIR Rehabilitation and Assistive Technologies, 12, e69589. https://doi.org/10.2196/69589
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
