用于失语症康复的具身数字治疗师与 LLM 个性化：界定人机协作边界

全球数百万人受中风后失语症影响，但康复治疗仍然严重受限于语言治疗师短缺。现有数字系统依赖静态视频演示、单模态评估和基于规则的反馈，无法满足真实临床需求。通过与五名治疗师、三名患者及其护理人员进行形成性调查，我们确定了具体的临床挑战：治疗师花费30-40%时间在重复演示上，现有工具仅提供语音评分而缺乏发音评估，患者难以使用复杂界面且内容单调。为解决这些挑战，我们开发了一个集成康复系统，结合用于动作观察治疗的具身数字治疗师、协调语音质量、唇部动作准确性和语义理解的三维评估，以及用于内容生成和自适应训练的大语言模型驱动个性化。我们在两家医院进行了六名患者、六名护理人员和三名治疗师参与的概念验证评估。结果显示显著效率提升，治疗师每位患者时间减少69-78%。患者接受度在疗程间提升42.6%，低数字素养患者增幅最大（+69.0%）。然而，人类干预仍需占用24-30%的疗程时间提供情感支持。这些发现实证表征了临床康复中人机协作边界，揭示了自动化提升效率和弥补数字鸿沟的潜力，以及人类治疗存在的持续必要性——为负责任部署 AI 辅助医疗系统提供了证据。