Экзергейм на базе ИИ и недорогой аппаратуры как лёгкая платформа для оценки после инсульта

Преобразование игры в повседневное восстановление

Инсульт часто отнимает лёгкие, автоматические движения, которыми мы пользуемся при еде, одевании или при объятиях. Возвращение этих навыков обычно требует лет повторной терапии и регулярных приёмов у специалистов — времени и денег, которых у многих просто нет. В этом исследовании изучается иной путь: простая видеоигра, позволяющая пережившим инсульт упражнения для рук дома, в то время как обычная камера незаметно измеряет, насколько хорошо они двигаются, оценивая те же клинические показатели, что и терапевты в клинике.

Игра, которая одновременно служит обследованием

Исследователи создали «экзергейм» — видеоигру, предназначенную для упражнений — в которой игрок управляет птицей, летящей по красочному ландшафту и собирающей фрукты. Игрок двигает только рукой и кистью; обычная камера отслеживает эти движения и в реальном времени направляет птицу. За кадром программное обеспечение с применением ИИ из набора инструментов Google MediaPipe отслеживает положение запястья, локтя, плеча и пальцев покадрово, без специальных датчиков или носимых устройств. Та же игровая сессия, которая развлекает и мотивирует, одновременно превращается в подробную запись того, насколько далеко рука достигает, насколько плавно она движется и насколько широко может распахиваться кисть.

Простые подсказки в движении, раскрывающие способности

Двенадцать взрослых с длительными последствиями инсульта играли в игру обеими руками, что дало команде 24 набора данных по рукам. Каждая рука также была оценена с помощью теста Фугла–Майера — широко используемой, но времязатратной клинической шкалы функции верхней конечности. Из игровых записей исследователи извлекли шестнадцать простых показателей, таких как площадь, покрываемая запястьем на экране, общая пройденная кистью дистанция, насколько широко могут раздвигаться пальцы и насколько скоординировано работают плечо и локоть. Когда руки сгруппировали по степени поражения — тяжёлая, умеренная, лёгкая и почти нормальная функция — несколько этих игровых мер хорошо соответствовали клиническим категориям: люди с лучшим использованием руки исследовали большую область, более плавно координировали суставы и лучше раскрывали кисть.

От движений к значимому баллу

Далее команда проверила, могут ли эти признаки движения заменить формальный клинический балл. Используя линейную регрессию — прозрачный тип статистического уравнения — они объединили небольшой набор признаков, включая раскрытие кисти, пространство, исследованное на экране, общую длину траектории и координацию суставов. Полученная формула с высокой точностью предсказывала клинический балл каждой руки, тесно совпадая с оценками терапевтов (ранговая корреляция 0,92 и ошибка примерно 4 балла по шкале до 66). Когда исследователи перевели предсказанные баллы в знакомые категории лёгкой, умеренной и тяжёлой утраты функции, система правильно классифицировала руки в 86–93% случаев, а ошибки случались только между соседними категориями, но не между крайними состояниями.

Почему лёгкий ИИ может оказаться лучше

Чтобы проверить, поможет ли более тяжёлая технология, авторы также опробовали более сложные модели машинного обучения, включая случайные леса и глубокие нейронные сети, которые учатся напрямую по необработанным данным о движениях. Несмотря на свою сложность, эти подходы не превзошли простую регрессионную формулу и были сложнее для интерпретации и запуска в режиме реального времени на типичном мобильном устройстве. В отличие от них лёгкая модель использует всего несколько понятных признаков движения, может работать на том же устройстве, что и игра, и требует лишь встроенной камеры. Это делает её пригодной для домашнего использования, дистанционного мониторинга и загруженных клиник, где терапевты не могут тратить по полчаса на формальные тесты при каждом приёме.

Что это может означать для жизни после инсульта

Для переживших инсульт такая платформа намекает на будущее, в котором повседневные сеансы реабилитации одновременно служат обследованиями, превращая приятную игру в непрерывный, мало энергозатратный мониторинг восстановления. Исследование пока остаётся демонстрацией концепции, проведённой на небольшой группе добровольцев, и авторы планируют более крупные испытания для подтверждения и уточнения подхода. Тем не менее посыл ясен: объединяя увлекательную игру с доступным камерным трекингом и прозрачной, умеренной моделью ИИ, возможно обеспечить частые, объективные оценки на дому — поддерживая более персонализированную терапию и снижая нагрузку на уже перегруженные службы реабилитации.

Цитирование: Tannús, J., Valentini, C. & Naves, E. AI-driven low-cost rehabilitation exergame as a lightweight framework for stroke assessment. npj Digit. Med. 9, 196 (2026). https://doi.org/10.1038/s41746-026-02383-1

Ключевые слова: реабилитация после инсульта, экзергеймы, цифровые биомаркеры, телереабилитация, ИИ для отслеживания движений