EconPapers    
Economics at your fingertips  
 

Smarte Systeme in Rehabilitation und Prävention. Wie künstliche Intelligenz und Gamification das Bewegungstraining individualisieren

Oliver Korn () and Steffen Willwacher ()
Additional contact information
Oliver Korn: Hochschule Offenburg
Steffen Willwacher: Hochschule Offenburg

Chapter Kapitel 42 in Künstliche Intelligenz im Gesundheitswesen, 2022, pp 867-879 from Springer

Abstract: Zusammenfassung Rehabilitationsmaßnahmen nach Unfällen oder Krankheiten sind oft langwierig und häufig mit Schmerzen sowie Frustration verbunden – und Ähnliches gilt für Präventionstraining. Die spielerische Anreicherung des Trainings (im Folgenden: Gamification) kann dieser Entwicklung durch die Steigerung des Spaßfaktors entgegenwirken. Im Gegensatz zu regulären Spielen kann es durch die höhere Motivation und Immersion im Training allerdings zu einer verminderten Schmerzwahrnehmung und damit einer Verschlechterung des Gesundheitszustands bis hin zu einer erneuten Verletzung kommen. Daher war es bislang erforderlich, solche Ansätze kontinuierlich therapeutisch zu begleiten. Für eine autonome Intervention, zur Entlastung von Therapeuten, aber auch im Heimbereich ist eine automatisierte Anpassung des Schwierigkeitsgrads des Bewegungstrainings und eine individualisierte Zielsetzung und -kontrolle von zentraler Bedeutung. Diese Herausforderung ist in bestehenden Ansätzen zu wenig adressiert bzw. beschrieben worden. Der Einsatz künstlicher Intelligenz kann hier einen entscheidenden Beitrag zu leisten – insbesondere hybride Ansätze, die expertenbasierte Entscheidungsbäume mit Verfahren des maschinellen Lernens kombinieren, könnten in der Zukunft einen wichtigen Beitrag zu einer erfolgreichen Rehabilitation und Prävention liefern.

Date: 2022
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-33597-7_42

Ordering information: This item can be ordered from
http://www.springer.com/9783658335977

DOI: 10.1007/978-3-658-33597-7_42

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().

 
Page updated 2025-04-02
Handle: RePEc:spr:sprchp:978-3-658-33597-7_42