Artificial Intelligence-enabled Adaptation in Rehabilitation Games: A Systematic Review

在康复游戏中，识别患者状态与实际调整游戏并不是同一件事。这项综述追问的是：参与者和任务数据如何经过 AI 方法，最终转化为患者实际体验到的自适应变化？现有评估设计又能否单独检验这种自适应的价值？这一差别决定了我们需要提取和比较哪些证据。

团队从六个数据库与信息来源识别出 29,777 条记录，最终纳入 2016 年至 2026 年 5 月的 32 项研究。作为第三作者，我参与完整 PRISMA 流程，完成分配给我的筛选任务，并制作用于证据综合的结构化分类表。检索总量是团队数据，不是我的个人筛选数量。

我的贡献包括数据整理、验证和初稿撰写，以及 conceptualisation 与 investigation。我帮助区分仅进行状态分类或预测的系统，以及 AI 输出确实改变干预的系统。贯穿检索逻辑、纳入标准、证据提取、分类与综合的工作，也为后续独立承担更多综述设计任务打下了基础。

研究能力：将技术路径各异的研究整理为结构清晰、可追溯的证据综合。

AI 驱动的自适应具有多种实现路径，但能够单独检验其独特作用的受控临床证据仍有限。综述已完成、论文已投稿，现有资料未提供确定的投稿期刊或审稿结果。因此这里呈现的是一项已投稿的研究贡献，而不是已录用论文，也不是临床有效性的宣称。