طول عمر 3 پیاپی 8 1404 06 30 The Application of Artificial Intelligence in Analyzing Central and Peripheral Mechanisms in Gait Adaptation During Aging کاربرد هوش مصنوعی در تحلیل مکانیسم‌های مرکزی و محیطی در سازگاری راه رفتن در فرآیند سالمندی 1 20 10.61838/kman.longevity.57 FA رویا خسروپور گروه تربیت بدنی و علوم ورزشی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران ساسان بهره مند گروه تربیت بدنی و علوم ورزشی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران Journal Article 1404 01 03 <p>To investigate the role of artificial intelligence in analyzing central and peripheral mechanisms involved in gait adaptation among the elderly. This study employed a narrative review design using descriptive analysis. A systematic search was conducted across international databases from 2015 to 2025 to identify relevant studies on the use of AI in gait analysis in older adults. Extracted data were categorized based on data types (motion, neural, muscular, wearable) and the AI algorithms applied. The results indicate that AI algorithms have effectively identified abnormal gait patterns in older adults and modeled interactions between brain activity, muscle coordination, and joint dynamics. The use of multimodal data, such as EEG, EMG, fNIRS imaging, and wearable sensors, has enabled early prediction of pathological gait changes. Algorithms such as neural networks, Random Forest, and SVM demonstrated high performance in processing these datasets. Artificial intelligence, through its capacity to process complex data and detect hidden patterns, serves as a powerful tool in the analysis of gait mechanisms in aging. Despite challenges such as data quality dependency and interpretability issues, AI can play a vital role in early diagnosis, personalized rehabilitation planning, and enhancing mobility independence in older adults.</p> <p>بررسی نقش هوش مصنوعی در تحلیل مکانیسم‌های مرکزی و محیطی مرتبط با سازگاری راه رفتن در سالمندان. این پژوهش به‌صورت مروری روایی با رویکرد تحلیل توصیفی انجام شده و با مرور نظام‌مند منابع علمی بین‌المللی بین سال‌های ۲۰۱۵ تا ۲۰۲۵، مطالعات مرتبط با به‌کارگیری هوش مصنوعی در تحلیل راه رفتن سالمندان بررسی شده است. داده‌ها از پایگاه‌های علمی معتبر استخراج و بر اساس نوع داده (حرکتی، عصبی، عضلانی، پوشیدنی) و الگوریتم‌های مورد استفاده طبقه‌بندی و تحلیل شده‌اند. یافته‌های این مطالعه نشان می‌دهد که الگوریتم‌های هوش مصنوعی توانسته‌اند الگوهای اختلالی راه رفتن سالمندان را با دقت بالا شناسایی کرده و ارتباط بین فعالیت مغزی، عضلانی و دینامیک مفاصل را مدل‌سازی کنند. همچنین استفاده از داده‌های چندمنبعی مانند EEG، EMG، تصویربرداری fNIRS و حسگرهای پوشیدنی امکان پیش‌بینی تغییرات پاتولوژیک را در مراحل اولیه فراهم کرده است. الگوریتم‌هایی مانند شبکه‌های عصبی، Random Forest و SVM عملکرد مطلوبی در تحلیل این داده‌ها نشان داده‌اند. هوش مصنوعی با توانایی پردازش داده‌های پیچیده و استخراج الگوهای پنهان، ابزار مؤثری برای تحلیل مکانیسم‌های راه رفتن در سالمندان محسوب می‌شود. علی‌رغم چالش‌هایی مانند وابستگی به داده‌های با کیفیت و مسائل تفسیرپذیری، این فناوری می‌تواند در تشخیص زودهنگام، برنامه‌ریزی توانبخشی شخصی‌سازی‌شده، و ارتقاء استقلال حرکتی سالمندان نقشی کلیدی ایفا کند.</p> https://www.quarterlylongevity.com/index.php/longevity/article/download/57/46