Applications and Limitations of Artificial Intelligence Methods in Personalized Rehabilitation Therapy / Zastosowania i ograniczenia metod sztucznej inteligencji w spersonalizowanej terapii rehabilitacyjnej

Abstract

This chapter aims to provide a literature review on the applications of artificial intelligence (AI) in personalized rehabilitation, covering the full therapeutic process from diagnostics and planning to monitoring and therapy support. A systematic review of the literature was conducted, focusing on six key domains: patient diagnostics and clinical assessment, personalization of rehabilitation plans, monitoring and support of therapies, virtual and robotic rehabilitation, predictive models for estimating recovery trajectories, and AI support for physicians and therapists. The analysis indicates that AI can improve diagnostic precision, predictive accuracy, and dynamic adaptation of rehabilitation programs to individual patient needs. At the same time, the chapter highlights significant limitations, including high implementation costs, lack of standardized protocols, data privacy challenges, and the potential exclusion of underrepresented patient groups. Identifying these limitations provides a foundation for further research and the development of strategies to enable more effective, safe, and equitable integration of AI into clinical personalized rehabilitation.

Celem rozdziału jest przegląd literatury dotyczącej zastosowań sztucznej inteligencji (AI) w spersonalizowanej rehabilitacji, obejmującej wszystkie etapy procesu terapeutycznego – od diagnozy, przez planowanie i monitorowanie, aż po wspieranie terapii. Przeprowadzono systematyczny przegląd literatury naukowej koncentrującej się na sześciu kluczowych obszarach: diagnostyce i ocenie stanu pacjenta, personalizacji planów rehabilitacyjnych, monitorowaniu i wspieraniu terapii, rehabilitacji wirtualnej i robotycznej, modelach predykcyjnych prognozujących tempo powrotu do zdrowia oraz wsparciu dla lekarzy i terapeutów. Analiza literatury wskazuje, że AI może zwiększać precyzję diagnozy, poprawiać trafność prognoz oraz umożliwiać dynamiczne dostosowanie terapii do indywidualnych potrzeb pacjentów. Jednocześnie artykuł podkreśla istotne ograniczenia, takie jak wysokie koszty wdrożeń, brak standaryzacji protokołów, problemy z ochroną danych oraz ryzyko wykluczenia niektórych grup pacjentów. Wskazanie tych ograniczeń umożliwia wytyczenie kierunków dalszych badań i poszukiwania rozwiązań, które pozwolą na skuteczniejszą i bezpieczniejszą integrację AI w procesie spersonalizowanej rehabilitacji klinicznej.