هوش مصنوعی بهعنوان فناوری که قادر است دادههای گسترده را تحلیل و الگوهای پیچیده را استخراج کند، جایگاه تازهای در توانبخشی شخصیسازیشده یافته است. طبق یافتههای پژوهشگران، این فناوری میتواند برنامههای درمانی را متناسب با ویژگیهای فردی بیماران تنظیم کند و به حوزههایی چون بازتوانی بیماران فلج مغزی (CP) یا بیماران پس از سکته ورود کند. ابزارهای زبانی در بسیاری از مطالعات نقش اصلی را داشتهاند و توانستهاند برای بیماران برنامه تمرینی تولید کنند، اطلاعات آموزشی ارائه دهند یا در حین جلسات، بر اساس دادههای حسگرها، روند تمرین را تعدیل کنند.
کاربردهای فعلی و قابلیتهای موجود
در مطالعات، سه گروه کاربرد شامل ساخت برنامههای درمانی، مدیریت و پشتیبانی مستمر بیماران و امکان تطبیق لحظهای تمرینها بر اساس دادههای برخط، برجسته است. در برخی پژوهشها، عملکرد پیشنهادهای درمانی مدلهای زبانی با نظر متخصصان مقایسه شده و نتایج نشان داده است که این مدلها قادرند برنامههایی کلی و کمخطر ارائه دهند، هرچند در جزئیات تخصصی هنوز دقت کامل ندارند. همچنین استفاده از حسگرهای حرکتی و الگوریتمهای یادگیری ماشینی امکان تنظیم دقیق شدت و نوع تمرینها را بر اساس عملکرد لحظهای بیمار فراهم کرده است.
چالشها و محدودیتها
در کنار این قابلیتها، مقالات بر مجموعهای از محدودیتها تأکید میکنند: دشواری پذیرش فناوری از سوی درمانگران و بیماران، هزینههای اولیه پیادهسازی، نیاز به آموزش تخصصی، نبود هماهنگی بین ابزارهای مختلف و احتمال بروز خطا به دلیل دادههای ناکافی یا سوگیری الگوریتمها.
این مسائل میتوانند موجب توصیههای نادرست یا اجرای نامناسب تمرینها شوند؛ ازاینرو نظارت انسانی همچنان ضروری است.
فرصتها و مسیرهای آینده
پژوهشها اشاره میکنند که پیشرفت سریع مدلها، امکان اجرای آنها بر دستگاههای قابل حمل را فراهم میآورند و گسترش مدلهای متنباز میتواند دسترسی مراکز درمانی را به ابزارهای هوش مصنوعی آسانتر کند. بدین صورت، روند توانبخشی توانخواهان به ویژه بیماران فلج مغزی میتواند بهینهتر شده و روند موثرتری در پیش بگیرد. این فناوری همچنین میتواند به گسترش توانبخشی از راه دور و ارائه خدمات به مناطق کمبرخوردار کمک کند. ترکیب AI با فناوریهایی مانند واقعیت مجازی، بازیهای درمانی و رباتیک نیز زمینه توسعه مداخلات دقیقتر و سازگارتر با نیاز بیماران فلج مغزی را ایجاد خواهد کرد.
تهدیدهای پیش رو
در کنار این فرصتها، خطرهایی نیز همواره مطرح است. از جمله نگرانیهای جدی درباره حریم خصوصی و امنیت دادهها، احتمال تشدید نابرابریهای درمانی در صورت دسترسینداشتن برخی مراکز به فناوریهای نو و امکان بروز سوگیری الگوریتمی در صورت ناکافی بودن دادههای آموزشی میباشند. همچنین نگرانی دیگری نیز وجود دارد که اتکای بیش از حد به ابزارهای هوش مصنوعی جایگاه تصمیمگیری بالینی را تضعیف کند. مقالات تأکید دارند که موفقیت این فناوری وابسته به حفظ تعادل میان نوآوری، اخلاق و نظارت متخصصان است.
نویسنده: علی جانمحمدی | ورودی 1403 کارشناسی ارشد رشته مهندسی مکانیک دانشگاه صنعتی شریف در گرایش بیومکانیک
انجمن علمی حرکت
