moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2024.46.3.026 1638 Технологии искусственного интеллекта в реабилитации инвалидов: анализ публикационного потока Artificial intelligence technologies in the rehabilitation of people with disabilities: analysis of the publication flow 0000-0001-5672-7290 Суфэльфа Алиса Родионовна Sufelfa Alisa Rodionovna sufelfick@gmail.com aff-1 0000-0002-3207-7243 Петрищева Кристина Николаевна Petrishcheva Kristina Nikolaevna rozhkokris@yandex.ru aff-2 0000-0001-7579-0113 Щербина Константин Константинович Shcherbina Konstantin Konstantinovich shcherbina180@mail.ru aff-3 0000-0001-7853-4473 Пономаренко Геннадий Николаевич Ponomarenko Gennadii Nikolaevich reabin@center-albreht.ru aff-4 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта Saint Petersburg Electrotechnical University “LETI” Albrecht Federal Scientific and Educational Centre of Medical and Social Expertise and Rehabilitation Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта Санкт-Петербургский государственный университет Albrecht Federal Scientific and Educational Centre of Medical and Social Expertise and Rehabilitation Saint Petersburg University Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта Albrecht Federal Scientific and Educational Centre of Medical and Social Expertise and Rehabilitation Федеральный научно-образовательный центр медико-социальной экспертизы и реабилитации им. Г.А. Альбрехта Северо-Западный государственный медицинский университет имени И.И. Мечникова Albrecht Federal Scientific and Educational Centre of Medical and Social Expertise and Rehabilitation North-Western State Medical University named after I.I. Mechnikov 01 01 2026 1 1 10.26102/2310-6018/2024.46.3.026 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Технологии искусственного интеллекта (ИИ) активно применяются в медицине, что значительно расширяет возможности профилактики, диагностики, лечения и мониторинга заболеваний. Реабилитация инвалидов, находящаяся на стыке медицины и социальной сферы, традиционно перенимает инновационные подходы развития из сферы здравоохранения. Вопросы применения технологий ИИ в реабилитации инвалидов с учетом особенностей реабилитационных мероприятий для различных пациентов требуют изучения. Цель работы – проанализировать публикационный поток зарубежных исследований по теме применения технологий ИИ в реабилитации инвалидов и выявить наиболее используемые методы ИИ для последующего внедрения в практику. Были проанализированы публикации из международной медицинской базы данных PubMed за последние 5 лет (с января 2019 года по май 2024 года). Среди методов технологий искусственного интеллекта в разбивке по способу обработки информации одними из основных, согласно проведенному анализу публикационного потока, оказались методы машинного обучения, глубокого обучения и нейронных сетей в различных сочетаниях. Чаще всего эти методы применяются для создания систем мониторинга показателей здоровья и предсказания (на основе машинного обучения) и систем поддержки принятия (врачебных) решений (на основе нейронных сетей). Они имеют высокий потенциал применения в реабилитации инвалидов в сферах медико-социальной экспертизы, составления индивидуальных реабилитационных программ и мониторинга эффективности реабилитационных мероприятий.

Artificial intelligence technologies are actively used in medicine, which significantly expands the possibilities of disease prevention, diagnosis, treatment and monitoring. Rehabilitation of the disabled, located at the intersection of medicine and the social sphere, traditionally adopts innovative development approaches from the healthcare sector. The issues of using artificial intelligence technologies in the rehabilitation of the disabled, taking into account the specifics of rehabilitation measures for different patients, require study. The purpose of the work is to analyze the foreign studies on the topic of using artificial intelligence technologies in the rehabilitation of the disabled and to identify the most used artificial intelligence methods for subsequent implementation in practice. Publications from the international medical database PubMed over the past 5 years (from January 2019 to May 2024) were analyzed. According to the analysis among artificial intelligence technologies broken down by information processing method, some of the main ones were machine learning, deep learning and neural networks, with different ways of combining all three methods. Most often, these methods are used to create health monitoring and prediction systems (based on machine learning) and (medical) decision support systems (based on neural networks). They have a high potential for use in the rehabilitation of people with disabilities in the areas of medical and social examination, developing individual rehabilitation programmes and monitoring the effectiveness of rehabilitation measures.

 искусственный интеллект методы обработки данных машинное обучение реабилитация инвалиды анализ публикаций системы поддержки принятия решений мониторинг показателей здоровья artificial intelligence data processing methods machine learning rehabilitation people with disabilities publication analysis decision support system health indicators monitoring Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Noorbakhsh-Sabet N., Zand R., Zhang Y., Abedi V. Artificial Intelligence Transforms the Future of Health Care. The American Journal of Medicine. 2019;132(7):795–801. https://doi.org/10.1016/j.amjmed.2019.01.017 Patel V.L., Shortliffe E.H., Stefanelli M., Szolovits P., Berthold M.R., Bellazzi R., Abu-Hanna A. The coming of age of artificial intelligence in medicine. Artificial Intelligence in Medicine. 2009;46(1):5–17. https://doi.org/10.1016/j.artmed.2008.07.017 Gómez-González E., Gómez E. Artificial Intelligence in Medicine and Healthcare: applications, availability and societal impact. Luxembourg: Publications Office of the European Union; 2020. 88 p. Ahuja A.S. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 2019;7. https://doi.org/10.7717/peerj.7702 Ramesh A.N., Kambhampati C., Monson J.R.T., Drew P.J. Artificial intelligence in medicine. Annals of The Royal College of Surgeons of England. 2004;86(5):334–338. De Freitas M.P., Piai V.A., Farias R.H., Fernandes A.M.R., De Moraes Rossetto A.G., Leithardt V.R.Q. Artificial Intelligence of Things Applied to Assistive Technology: A Systematic Literature Review. Sensors. 2022;22(21). https://doi.org/10.3390/s22218531 Barua P.D., Vicnesh J., Gururajan R., Oh S.L., Palmer E., Azizan M.M., Kadri N.A., Acharya U.R. Artificial Intelligence Enabled Personalised Assistive Tools to Enhance Education of Children with Neurodevelopmental Disorders–A Review. International Journal of Environmental Research and Public Health. 2022;19(3). https://doi.org/10.3390/ijerph19031192 Domingo M.C. An Overview of Machine Learning and 5G for People with Disabilities. Sensors. 2021;21(22). https://doi.org/10.3390/s21227572 Krasoulis A., Vijayakumar S., Nazarpour K. Multi-Grip Classification-Based Prosthesis Control With Two EMG-IMU Sensors. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2020;28(2):508–518. https://doi.org/10.1109/TNSRE.2019.2959243 Herbuela V.R.D.M., Karita T., Furukawa Y., Wada Y., Toya A., Senba S., Onishi E., Saeki T. Machine learning-based classification of the movements of children with profound or severe intellectual or multiple disabilities using environment data features. PLoS ONE. 2022;17(6). https://doi.org/10.1371/journal.pone.0269472 Soin A., Hirschbeck M., Verdon M., Manchikanti L. A Pilot Study Implementing a Machine Learning Algorithm to Use Artificial Intelligence to Diagnose Spinal Conditions. Pain Physician. 2022;25(2):171–178. Gupta C., Chandrashekar P., Jin T., He C., Khullar S., Chang Q., Wang D. Bringing machine learning to research on intellectual and developmental disabilities: taking inspiration from neurological diseases. Journal of Neurodevelopmental Disorders. 2022;14(1). https://doi.org/10.1186/s11689-022-09438-w Cheng A.S.K., Ng P.H.F., Sin Z.P.T., Lai S.H.S., Law S.W. Smart Work Injury Management (SWIM) System: Artificial Intelligence in Work Disability Management. Journal of Occupational Rehabilitation. 2020;30(3):354–361. https://doi.org/10.1007/s10926-020-09886-y Gross D.P., Steenstra I.A., Harrell Jr F.E., Bellinger C., Zaïane O. Machine Learning for Work Disability Prevention: Introduction to the Special Series. Journal of Occupational Rehabilitation. 2020;30(3):303–307. https://doi.org/10.1007/s10926-020-09910-1 Saarela M., Ryynänen O.-P., Äyrämö S. Predicting hospital associated disability from imbalanced data using supervised learning. Artificial Intelligence in Medicine. 2019;95:88–95. https://doi.org/10.1016/j.artmed.2018.09.004 Santilli V. Application of machine learning techniques to physical and rehabilitative medicine. Annali di Igiene. 2022;34(1):79–83. Devi A., Kavya G. Dysgraphia disorder forecasting and classification technique using intelligent deep learning approaches. Progress in Neuro-Psychopharmacology and Biological Psychiatry. 2023;120. https://doi.org/10.1016/j.pnpbp.2022.110647 Luvizutto G.J., Silva G.F., Nascimento M.R., Sousa Santos K.C., Appelt P.A., De Moura Neto E., De Souza J.T., Wincker F.C., Miranda L.A., Hamamoto Filho P.T., De Souza L.A.P.S., Simões R.P., De Oliveira Vidal E.I., Bazan R. Use of artificial intelligence as an instrument of evaluation after stroke: a scoping review based on international classification of functioning, disability and health concept. Topics in Stroke Rehabilitation. 2022;29(5):331–346. https://doi.org/10.1080/10749357.2021.1926149 D'Antoni F., Russo F., Ambrosio L., Vollero L., Vadalà G., Merone M., Papalia R., Denaro V. Artificial Intelligence and Computer Vision in Low Back Pain: A Systematic Review. International Journal of Environmental Research and Public Health. 2021;18(20). https://doi.org/10.3390/ijerph182010909 Roca P., Attye A., Colas L., Tucholka A., Rubini P., Cackowski S., Ding J., Budzik J. F., Renard F., Doyle S., Barbier E.L., Bousaid I., Casey R., Vukusic S., Lassau N., Verclytte S., Cotton F.; OFSEP Investigators; Steering Committee; Investigators; Imaging group. Artificial intelligence to predict clinical disability in patients with multiple sclerosis using FLAIR MRI. Diagnostic and Interventional Imaging. 2020;101(12):795–802. https://doi.org/10.1016/j.diii.2020.05.009 Sardari S., Sharifzadeh S., Daneshkhah A., Nakisa B., Loke S.W., Palade V., Duncan M.J. Artificial Intelligence for skeleton-based physical rehabilitation action evaluation: A systematic review. Computers in Biology and Medicine. 2023;158. https://doi.org/10.1016/j.compbiomed.2023.106835 Zdravkova K., Krasniqi V., Dalipi F., Ferati M. Cutting-edge communication and learning assistive technologies for disabled children: An artificial intelligence perspective. Frontiers in Artificial Intelligence. 2022;5. https://doi.org/10.3389/frai.2022.970430 Mulfari D., La Placa D., Rovito C., Celesti A., Villari M. Deep learning applications in telerehabilitation speech therapy scenarios. Computers in Biology and Medicine. 2022;148. https://doi.org/10.1016/j.compbiomed.2022.105864 Bublin M., Werner F., Kerschbaumer A., Korak G., Geyer S., Rettinger L., Schönthaler E., Schmid-Kietreiber M. Handwriting Evaluation Using Deep Learning with SensoGrip. Sensors. 2023;23(11). https://doi.org/10.3390/s23115215 Luu D.K., Nguyen A.T., Jiang M., Drealan M.W., Xu J., Wu T., Tam W.-K., Zhao W., Lim B.Z.H., Overstreet C.K., Zhao Q., Cheng J., Keefer E.W., Yang Z. Artificial Intelligence Enables Real-Time and Intuitive Control of Prostheses via Nerve Interface. IEEE Transactions on Biomedical Engineering. 2022;69(10):3051–3063. https://doi.org/10.1109/TBME.2022.3160618 Zhang F., Demiris Y. Learning garment manipulation policies toward robot-assisted dressing. Science Robotics. 2022;7(65). https://doi.org/10.1126/scirobotics.abm6010 Malcangi M. AI-Based Methods and Technologies to Develop Wearable Devices for Prosthetics and Predictions of Degenerative Diseases. In: Artificial Neural Networks. New York: Humana; 2021. pp. 337–354. https://doi.org/10.1007/978-1-0716-0826-5_17 Liu K., Yu Y., Liu Y., Tang J., Liang X., Chu X., Zhou Z. A novel brain-controlled wheelchair combined with computer vision and augmented reality. BioMedical Engineering OnLine. 2022;21(1). https://doi.org/10.1186/s12938-022-01020-8 Takahashi S., Nonomiya Y., Terai H., Hoshino M., Ohyama S., Shintani A., Nakamura H. Artificial intelligence model to identify elderly patients with locomotive syndrome: A cross-section study. Journal of Orthopaedic Science. 2023;28(3):656–661. https://doi.org/10.1016/j.jos.2022.01.010 Cingolani M., Scendoni R., Fedeli P., Cembrani F. Artificial intelligence and digital medicine for integrated home care services in Italy: Opportunities and limits. Frontiers in Public Health. 2023;10. https://doi.org/10.3389/fpubh.2022.1095001 Ran M., Banes D., Scherer M.J. Basic principles for the development of an AI-based tool for assistive technology decision making. Disability and Rehabilitation: Assistive Technology. 2022;17(7):778–781. https://doi.org/10.1080/17483107.2020.1817163 Щербина К.К., Буров Г.Н., Голубева Ю.Б., Головин М.А., Марусин Н.В. Об актуальности внедрения автоматизации технологий цифрового производства протезно-ортопедических изделий. В сборнике: Актуальные направления фундаментальных и прикладных исследований: Материалы XIV международной научно-практической конференции: Том 2, 19–20 декабря 2017 года, Норт Чарлстон, США. Норт-Чарлстон: CreateSpace; 2017. С. 73–75. Суфэльфа А.Р., Каплун Д.И. Исследование методов предварительной обработки электронно-геометрической модели культи нижней конечности. Известия СПбГЭТУ «ЛЭТИ». 2023;16(3):37–45. https://doi.org/10.32603/2071-8985-2023-16-3-37-45 Марусин Н.В., Головин М.А., Суфэльфа А.Р. Результаты испытания макетов приемных гильз протезов голени и бедра, изготовленных по инновационной технологии трехмерной печати для раннего протезирования пострадавших от травм и неотложных состояний. В сборнике: Четвёртый всероссийский конгресс с международным участием: Медицинская помощь при травмах и неотложных состояниях в мирное и военное время. Новое в организации и технологиях: Сборник тезисов, 15–16 февраля 2019 года, Санкт-Петербург, Россия. Санкт Петербург: Санкт Петербургская общественная организация «Человек и его здоровье»; 2019. С. 156–157.

The authors declare that there are no conflicts of interest present.