Od opieki biernej do rehabilitacji precyzyjnej: trendy w gerontechnologii Hong Kongu i inteligentnym starzeniu się w domu na lata 2026-2027

Starzejąca się populacja Hongkongu na nowo kształtuje rehabilitację

Hongkong stoi przed wyzwaniem szybkiego starzenia się populacji. Gerontechnologia odnosi się do innowacyjnych produktów i usług, które łączą nowoczesną technologię z potrzebami opiekuńczymi osób starszych. W przeszłości rehabilitacja w dużej mierze opierała się na stacjonarnych domach opieki i klinikach oraz była ograniczana przez braki kadrowe personelu medycznego pierwszej linii. Wkraczając w 2026 rok, rozwój gerontechnologii szybko przechodzi od prostego wsparcia za pomocą urządzeń pomocniczych do inteligentnego ekosystemu rehabilitacji opartego na AI, XR i analizie dużych zbiorów danych. Przyszłość oznacza pełne przejście od „opieki biernej” do „aktywnej i spersonalizowanej rehabilitacji” opartej na praktyce opartej na dowodach.

Trend 1: Spersonalizowana przez AI rehabilitacja i dynamiczne dostosowywanie poziomu trudności (DDA)

W miarę dojrzewania sztucznej inteligencji fizjoterapia z wykorzystaniem AI i terapia zajęciowa z wykorzystaniem AI szybko wkraczają do codziennej praktyki klinicznej i usług społecznych. Tradycyjne ćwiczenia rehabilitacyjne często zniechęcają osoby starsze lub stają się nudne, ponieważ poziomy trudności są zbyt sztywne.

• Treści treningowe generowane przez AI i DDA: W ostatnich latach środowisko akademickie szeroko stosuje dynamiczne dostosowywanie poziomu trudności (Dynamic Difficulty Adjustment, DDA) w systemach rehabilitacyjnych. Miarodajne przeglądy systematyczne wskazują, że algorytmy DDA łączące dane fizjologiczne z danymi dotyczącymi wyników mogą utrzymywać użytkowników w „strefie optymalnego wyzwania”, znacząco zwiększając motywację i zaangażowanie osób starszych.

• Praktyka lokalna i międzynarodowa: Na rynku są już dostępne dojrzałe rozwiązania. Na przykład system ćwiczeń dla osób starszych Alpha Pro firmy MOTIVE FORCE został zaprezentowany podczas seminarium Harvard Medical School w maju 2026 roku, pokazując, jak widzenie komputerowe może rejestrować ruchy pacjenta w czasie rzeczywistym i natychmiast precyzyjnie dostosowywać trudność treningu za pomocą algorytmów DDA.

• Spersonalizowane plany zajęć i analiza postępów: W przypadku pacjentów po udarze lub osób z demencją AI może wykorzystywać uczenie maszynowe do identyfikowania kompensacyjnych ruchów mięśni, przekazywać głosowe informacje zwrotne w czasie rzeczywistym oraz generować dostosowane, progresywne programy rehabilitacji.

Trend 2: Rehabilitacja domowa staje się powszechna dzięki najwyższej jakości dowodom klinicznym

Możliwość starzenia się w domu jest kluczowym celem polityki opieki nad osobami starszymi w Hongkongu. Aby pomóc osobom starszym bezpiecznie pozostać w domu, niezbędne są innowacyjne urządzenia technologiczne i wsparcie telemedyczne.

• Dowody na niegorszą skuteczność telerehabilitacji: Przegląd systematyczny i metaanaliza opublikowane w czasopiśmie gerontologicznym z kwartylu Q1 Age and Ageing w 2023 roku (Wicks et al., 2023) jasno wykazały, że prowadzona przez terapeutę telerehabilitacja osób starszych nie jest gorsza od tradycyjnego leczenia twarzą w twarz w poprawie zakresu ruchu stawów i siły mięśni, a jednocześnie zmniejsza koszty usług opieki zdrowotnej.

• Rehabilitacja hybrydowa: Połączenie leczenia stacjonarnego w klinice z internetowym treningiem w domu może zwiększyć częstotliwość ćwiczeń w najbardziej opłacalny sposób.

• Ćwiczenia w domu: Interaktywne systemy zapobiegania upadkom i treningu siłowego w domu sprawiają, że samodzielne ćwiczenia są bardziej angażujące i łatwiejsze do regularnego utrzymywania.

Trend 3: Rehabilitacja XR i VR zmierza ku szerszemu zastosowaniu i neuroplastyczności

Immersyjna rehabilitacja w rzeczywistości wirtualnej (XR/VR) nie jest już technologiczną sztuczką. Najnowsze przeglądy systematyczne i badania kliniczne potwierdziły, że rehabilitacja VR ma dużą wartość kliniczną.

• Trening IADL i funkcji poznawczych: Zgodnie z przeglądami akademickimi opublikowanymi w czasopismach neurobiologicznych z kwartylu Q1, takich jak Frontiers in Aging Neuroscience (Buele & Palacios-Navarro, 2024), trening VR oparty na instrumentalnych czynnościach życia codziennego (IADL), takich jak symulowane gotowanie, zarządzanie finansami, korzystanie z transportu publicznego i przechodzenie przez jezdnię, może aktywować określone obszary mózgu oraz znacząco poprawiać funkcje wykonawcze i pamięć osób starszych.

• Wysoka trafność ekologiczna: Literatura dodatkowo podkreśla, że trening wielozadaniowy w VR może pomóc osobom starszym z zaburzeniami poznawczymi płynnie przenosić umiejętności nabyte w środowiskach wirtualnych do prawdziwego życia i odzyskiwać niezależność.

• Trening społecznościowy: VR umożliwia osobom starszym o ograniczonej sprawności ruchowej wirtualne odwiedzanie znanych im społeczności, zachęcając do interakcji społecznych i zmniejszając poczucie samotności.

Trend 4: Rehabilitacja oparta na danych

Tradycyjna ocena rehabilitacji często opiera się na subiektywnych skalach ocen terapeutów. Przyszła rehabilitacja będzie zmierzać ku zarządzaniu w pełni opartemu na danych.

• Automatyczne raporty: Systemy automatycznie generują obiektywną analizę danych po każdej sesji treningowej, taką jak czas reakcji z dokładnością do milisekund i zakres ruchu stawów.

• Śledzenie wyników: Długoterminowe krzywe rehabilitacji wspierają zespoły multidyscyplinarne, w tym OTs, PTs i lekarzy, we wspólnym dostosowywaniu planów leczenia.

• ROI: Organizacje i rodziny mogą wyraźnie dostrzec fizyczne i psychologiczne korzyści z inwestycji w rehabilitację, a także przyszłe oszczędności na potencjalnych wydatkach medycznych.

Perspektywa terapeuty zajęciowego: Czy AI zastąpi terapeutów?

Przyszłość nie będzie polegać na zastąpieniu terapeutów przez AI, lecz na wzmacnianiu ich możliwości przez AI.

W obliczu fali technologicznej ludzie często pytają: „Czy AI zastąpi terapeutów zajęciowych?”. Przełomowy artykuł opublikowany w 2025 roku w czasopiśmie terapii zajęciowej z kwartylu Q1 American Journal of Occupational Therapy (AJOT) (Jozkowski, 2025) udziela jasnej odpowiedzi: AI stała się niezbędna w praktyce klinicznej i polityce oraz może skutecznie obsługiwać dane na dużą skalę, monitorować ruch i dostosowywać poziom trudności. Jednak empatia terapeutów, interakcje międzyludzkie, zaawansowane rozumowanie kliniczne i głębokie rozumienie kontekstu życia pacjentów nigdy nie zostaną zastąpione przez technologię. Technologia jest potężnym narzędziem wspierającym, które daje terapeutom więcej czasu na zapewnianie profesjonalnej interwencji nacechowanej ludzkim ciepłem.

O autorze:

Pan Vic Wong

Zarejestrowany terapeuta zajęciowy | Zarejestrowany pracownik socjalny | Ekspert ds. gerontechnologii

Pan Wong posiada podwójne uznanie zawodowe jako zarejestrowany terapeuta zajęciowy i zarejestrowany pracownik socjalny, a wcześniej pełnił funkcję starszego terapeuty zajęciowego w dużej organizacji opieki społecznej. Dzięki głębokiemu zrozumieniu potrzeb branży i zastosowań technologii pomaga praktykom, z profesjonalnej perspektywy klinicznej, zrozumieć kluczowe kryteria wyboru narzędzi AI oraz kompleksowo poprawiać wyniki i jakość usług.

Bibliografia

1. Wicks, M., Dennett, A. M., & Peiris, C. L. (2023). Telerehabilitacja prowadzona przez fizjoterapeutę i oparta na ćwiczeniach poprawia wyniki pacjentów oraz usług zdrowotnych u osób starszych: przegląd systematyczny i metaanaliza. Age and Ageing, 52(11), afad207. https://doi.org/10.1093/ageing/afad207

2. Jozkowski, A. C. (2025). Kwestia sztucznej inteligencji i terapii zajęciowej: od wyłaniającej się profesji do imperatywu edukacyjnego, praktycznego i politycznego. American Journal of Occupational Therapy, 79(6), 7906347100. https://doi.org/10.5014/ajot.2025.051283

3. Buele, J., & Palacios-Navarro, G. (2024). Zastosowania rzeczywistości wirtualnej oparte na instrumentalnych czynnościach życia codziennego (iADL) do interwencji poznawczej u osób starszych: przegląd systematyczny. Frontiers in Aging Neuroscience.

4. Andrade, A., et al. (2021). Doświadczenia użytkowników z metodami dynamicznego dostosowywania poziomu trudności w afektywnej grze ruchowej: porównawcze badanie laboratoryjne. JMIR Serious Games, 9(2), e25771. https://doi.org/10.2196/25771