近日，软件所人机交互团队论文From Preference to Performance: Patient-Centered Design of Multimodal Cueing in Parkinson’s Disease Gait Training荣获人机交互领域国际顶级会议ACM CHI 2026最佳论文奖。论文聚焦人工智能辅助医疗，研发出一套轻量化的帕金森步态康复训练系统，能够提供康复训练指导，缩短康复时长并节约康复成本。第一作者为人机交互技术与智能信息处理实验室博士生李信金，通讯作者为孙伟副研究员和田丰研究员。

帕金森病是一类高发的神经系统疾病，步态障碍是其最典型的运动症状之一，影响患者的独立生活能力并显著增加跌倒受伤风险。患者借助康复训练能够缓解运动症状、改善日常活动能力，但现有训练方式往往依赖专业临床指导，患者需频繁往返医院或康复中心，存在成本高、耗时长等现实负担。

为减少患者对临床医生的依赖，使其在日常环境中也能获得持续、个性化的康复指导，研究团队提出了面向帕金森病步态训练的CARES框架，并在此基础上研发了一套轻量化的步态康复训练系统。该系统利用惯性测量单元实时感知、计算患者步态参数，并能够根据计算结果持续、动态生成个性化多通道提示（视觉、听觉、触觉）以引导训练。

面向步态障碍的多通道提示训练系统

研究团队通过两项用户研究，比较了不同提示类型与模态对训练效果的影响。实验发现，在视觉和听觉通道中，过程性提示对步态调整更为有效；在触觉通道中，周期性提示表现更佳。从客观步态改善效果来看，听觉提示总体表现最为突出（患侧步速平均提升17.39%，稳定性提升7.88%）；在主观评价中，患者更偏好视觉提示，认为其认知负荷更低。

面向视听触的多通道提示训练方法

该成果展现出人机交互技术面向真实医疗健康场景的应用潜力。软件所人机交互团队将在人工智能辅助医疗方向持续探索，围绕神经系统疾病的居家评估与康复干预开展研究，推动多通道智能交互技术在更长期、更真实、更个体化的健康场景中落地应用。

论文链接：https://doi.org/10.1145/3772318.3791182