头颈部肿瘤是指肿瘤侵袭口鼻腔、鼻窦、咽部、喉部、唾液腺和甲状腺等部位，其发病率和病死率约占所有肿瘤的4.6%，是国内乃至世界范围内常见的恶性肿瘤之一[1-2]。吞咽功能障碍是头颈部肿瘤患者接受治疗后普遍存在的并发症，严重影响患者营养状况，延缓整体康复进程[3]。因此，科学且具有延续性的吞咽康复训练至关重要。随着人工智能（artificial intelligence，AI）技术的发展及其在医疗护理领域的广泛应用，为延续性康复提供技术支撑[4]。通过互联网与AI深度融合，可实现对患者吞咽功能的远程、实时评估与精准指导[5]。本文所探讨的AI范畴侧重于集成智能算法的干预模式，仅依托微信等社交平台进行的基础远程沟通不在此列[6-7]。尽管AI在吞咽康复中的应用已初见成效，但仍存在一定的不足：①缺乏对不同技术路径下干预效果与患者依从性等方面的综合评价；②未能深入探讨现有技术在临床转化中面临的共同挑战与未来发展方向。鉴于此，本文通过检索中国知网、万方数据知识服务平台、维普网、Cochrane Library、Embase、PubMed、Web of Science核心合集数据库等国内外数据库，全面梳理AI在头颈部肿瘤患者吞咽康复训练中的应用现状和具体效果，分析其优势和局限性，为构建智能化、精准化的康复管理体系提供参考。

1 AI在头颈部肿瘤患者吞咽康复训练中应用现状

1.1 核心应用群体与AI介入方向

目前，鼻咽癌、口腔癌、喉癌等头颈部肿瘤患者在接受放射治疗或外科手术后，常出现吞咽疼痛、进食困难、呛咳等吞咽功能障碍[8-9]。研究显示，在接受放疗的头颈部肿瘤患者中，约72.4%存在固体食物吞咽功能障碍，17.2%存在液体食物吞咽功能障碍，严重影响患者营养状况和日常生活质量[3，9]。尽管吞咽功能训练能有效预防和改善上述问题，但传统康复模式在临床应用中仍存在一定的局限性：①传统康复模式面临医疗资源短缺、患者往返医院导致医疗费用高昂的问题，且居家训练缺乏专业监督[5，10-15]；②由于训练枯燥、缺乏反馈、疼痛等原因，患者的训练依从性普遍较差，长期依从率不足40%[8，16-20]；③心理层面的负性影响（如焦虑、缺乏信心、社交回避）常被忽视，传统康复难以提供持续的心理干预。这些未被满足的临床需求正是当前AI技术介入的主要着力点，针对上述局限性，近年来以智能算法和多模态数据融合为核心的AI技术通过数据融合与智能算法的介入，不仅是替代人工，而且为解决这类患者吞咽难题提供了康复新路径，通过远程传感解决时空限制和监督缺失、利用实时动作反馈与增加训练趣味性突破依从性瓶颈，并通过交互技术提供情感支持，切实改善患者的康复效果。因此，借助AI技术打造个性化康复训练体系，可切实解决这类功能障碍问题。

1.2 吞咽康复训练的全过程应用

1.2.1 智能化评估 在康复训练启动前及阶段性复查中，精准评估是制订干预方案的基础。AI技术突破传统床旁评估的主观性与地域限制，主要通过多模态数据融合与传感技术从而实现远程、实时量化评估。一方面，结合表面肌电信号处理技术，可穿戴设备能通过电极片实时采集患者吞咽时的生物电信号，将肌肉收缩强度、持续时间及协调性指标转化为可视化信号，为判断功能损伤程度提供客观依据[8]；另一方面，具有集成语音特征识别模块的移动终端应用，如体感智能康复系统，可通过C语言编程实现实时语音识别和测评功能，在训练过程中，通过传感器采集声音数据，利用电磁动作记录仪记录舌、唇、下颌运动形态[21]。此外，系统具备录音与分析能力，可针对性地分析患者的发声特征，通过声学分析算法自动检测患者的发音清晰度、音强及频率抖动，以此间接评估口腔及咽喉部肌肉的运动功能状态[21]。这种数智评估模式，不仅提高医疗资源的使用效率，还为后续个性化训练方案的制订提供精确数据。

1.2.2 精准化方案 传统康复方案的调整常滞后于患者的功能变化，基于机器算法，智能系统可通过分析患者功能训练短板，进行针对性指导[21]。在训练过程中，系统依托内置决策逻辑，持续监测患者完成质量与体征数据（如肌肉疲劳度、发音准确率等），动态调整训练难度与负荷。这种闭环式数据驱动机制，在确保训练安全性和有效性的同时，最大程度地适配患者的个体差异，体现AI在支持复杂康复决策中的精准性与灵活性[20]。

1.2.3 互动化干预 在居家康复场景中，缺乏专业指导常导致患者动作变形，影响疗效甚至引发误吸。生物反馈技术与计算机视觉是解决这一问题的关键[8，21]。系统通过蓝牙连接移动终端的表面肌电可穿戴设备或摄像头，实时采集患者的吞咽肌群动作，利用信号处理与模式识别算法，将不可见的生理信号转化为屏幕上的波形，并与预存的标准吞咽运动模式库进行比对，当肌肉收缩强度与协调性达到阈值时，方可触发正向反馈（如游戏通关等）[8]。这种机制提供精准的视觉或游戏反馈，实现从“凭感觉练”到“看着练”地转变，有效规避无效训练与误吸风险。

1.2.4 系统化管理 针对康复周期长、动作枯燥导致的依从性下降问题，AI通过游戏化设计与行为干预算法，重构患者的训练体验。如移动应用将吞咽动作映射为游戏任务，患者完成特定强度的肌肉收缩即可在虚拟环境中通关或获取积分奖励，这种机制利用即时奖励激发患者的主动性[8，21]。同时，训练应用具有提醒功能，可有效督促患者按时完成吞咽康复练习，避免患者遗忘[8]。AI技术与医院平台相结合，进一步实现数据的全流程打通，形成“制订计划-执行监测-数据上传-效果反馈-方案修正”的闭环管理，显著提升患者的训练依从性[5]。

2 AI在头颈部肿瘤患者吞咽康复训练中的效果评价

目前，AI在驱动康复模式向精准化、延续化转型方面具有明确价值，主要体现在以下4个方面：①AI技术在提升头颈部肿瘤患者吞咽康复训练干预效能与改善预后方面展现出显著优势[8，21-22]。②在优化资源配置和改善患者就医体验上，既往研究肯定远程康复技术的经济可行性和用户接受度，远程康复技术能减少患者往返医院的时间和精力，显著降低患者就医成本[10-12]。③在提高训练依从性和改善吞咽功能上，AI结合游戏化激励、实时生物反馈及自动提醒机制，显著提高患者的客观依从率与训练任务完成度[8]。AI技术还有助于患者建立康复自我效能感，让其对康复训练成功更有信心，也更主动[21]。这种高依从性直接转化为临床获益，表现为洼田饮水试验和功能性经口摄食量表评分的显著改善，以及重度吞咽功能障碍发生率的降低。④在提升生活质量和改善负性情绪方面，AI技术可提升吞咽功能障碍患者的生活质量，能有效减轻患者头颈部疼痛、进食困难、口干等吞咽相关症状的困扰，支持患者养成更合理的饮食结构，保持良好的营养状况，从而整体提高生活质量[22]；针对传统康复中易被忽视的心理社交诉求，智能交互系统通过症状自我管理与即时反馈，能有效缓解患者的焦虑、抑郁情绪，提升其社交参与能力[8]。

综上所述，AI在驱动康复模式向精准化、延续化转型方面具有明确价值。

3 AI在头颈部肿瘤患者吞咽康复训练中的不足

3.1 技术稳健性与经济普适性尚需优化

目前针对头颈部肿瘤患者吞咽康复训练的AI技术应用较少，现存的AI技术在头颈部肿瘤吞咽康复领域的临床转化仍面临硬件效能与经济成本的双重挑战。如生理信号采集的稳健性不足，现有的硬件设备在复杂临床环境下的表现尚不稳定，以表面肌电监测为例，其采集的信号质量高度依赖于患者皮肤生理状态、电极片粘贴位置等因素，这些因素可降低生理信号采集的稳健性，进而影响评估数据的准确性与可重复性[23]。硬件设备价格昂贵，这在一定程度上限制技术在基层医疗机构和低收入患者群体中的可及性[24]。此外，现有的语音识别与评估算法在应对头颈部肿瘤患者特有的构音障碍时，仍存在灵敏度与特异度不足的问题，算法模型需针对复杂的吞咽障碍模式进行深度优化，以实现更精准的病理特征提取与功能判定[24]。

3.2 用户适配性与应用普及性尚需改进

AI技术作为数智化医疗的核心，其应用对使用者的认知水平和技术接受能力存在要求。这使老年患者或教育背景有限的患者，在使用移动信息平台或操作可穿戴设备时可能遇到困难，进而影响技术的广泛普及和应用效果的一致性[15]。

3.3 远期疗效的循证依据尚不充分

AI在头颈部肿瘤患者吞咽康复训练中的应用尚处于初期阶段，缺乏长期效果的高质量证据。现有研究的干预及观察周期大多较短，集中在3～12周，缺乏对AI技术远期效果的持续追踪评估[8，21]。如应用Mobili-T系统的游戏化平台，效果观察期分别为6周和12周，无法体现AI干预对患者远期吞咽功能结局的影响[8]。因此，AI辅助吞咽康复训练对患者长期维持吞咽功能、改善生活质量的具体影响，还有待进一步研究确认。

为了更直观地对比当前AI应用的现状，本文从技术场景、功能效果、患者体验、经济性及研究质量5个维度进行系统总结。见表1。

表1 AI在头颈部肿瘤患者吞咽康复应用中的综合评价

综述维度当前AI应用的优势当前AI应用的不足技术场景智能化评估、精准化方案、互动化干预、系统化管理、数据闭环生理信号采集的稳健性不足、算法模型尚不完善、对使用者认知水平有要求功能效果客观量化评估、吞咽功能改善（如洼田饮水试验评分提升）、评估工具和算法对复杂吞咽模式识别有限、缺乏长期效果证据降低重度吞咽功能障碍发生率患者体验训练趣味性提升、实时反馈增强自我效能感、提醒功能减少遗忘、交互设计对老年人或低学历患者不友好、操作复杂、可能存在数情感支持减轻心理负担字鸿沟经济性减少往返医院成本、节省时间与精力、远程康复具备经济可行性设备昂贵、技术普及受限、基层医疗机构难以覆盖、可能加剧医疗资源不平等研究质量已有初步积极证据支持、短期效果明确、用户接受度较高缺乏长期随访研究、样本量小、多中心高质量随机对照试验不足、评价体系尚未标准化

注 AI：人工智能。

4 AI在头颈部肿瘤患者吞咽康复训练中的未来展望

4.1 突破核心技术瓶颈，研发完善的监测设备

技术的稳定性与经济性是AI在临床康复领域普及的前提：①可通过改进电极设计，减少电极对皮肤的刺激与粘贴位置对信号采集的影响，以降低电极片的更换成本，同时实现稳定性的提升。②优化抗干扰算法，通过提升肌电信号、语音信号的识别率，有效过滤环境噪声等干扰信号，以提高整体评估效率。③建立针对头颈部肿瘤放疗后构音障碍患者的语音特征数据库，纳入不同损伤程度、不同发音部位的语音样本，通过深度学习算法总结并提取其普遍相似的语音特征，保证在复杂场景下也可有较高的语音识别准确率。④整合多模态数据如结合肌电信号、语音信号、吞咽动作视频等，构建多维度评估模型，不仅能判断吞咽功能障碍的严重程度，还能精准识别吞咽分期中的异常环节，为个性化康复训练方案的制订提供技术支持。⑤可探索与医疗设备企业的产学研合作，通过规模化生产降低核心设备的制造成本，开发性价比高的便携式监测设备，降低基层医疗机构设备的采购成本，提升技术的可及性。

4.2 优化用户适配性，提升技术可接受性

AI技术的临床价值最终需要通过患者的有效使用得以体现，因此优化用户适配性至关重要。未来的AI康复应用应秉持“以患者为中心”和“医患共同决策”的理念，建立由护理人员、康复治疗师、老年医学专家、患者及其家属共同参与设计的团队，充分调研不同患者群体的使用需求与操作障碍。设计使用界面应尽量简化操作流程，如采用“一键式”设计，分别设置一键启动训练、一键上传数据等按键，避免复杂的菜单跳转与参数设置；同时优化交互界面，采用大字体、高对比度的视觉设计，搭配语音导航、动画演示等多媒体指导方式，替代传统的文字说明，帮助患者快速理解操作步骤；开发个性化的指导模块，根据患者的年龄、认知水平、操作熟练度制订分层培训方案。对操作能力较弱的患者，可通过一对一护理指导、家属协同培训的方式，帮助其掌握基本操作；对具备一定数字技能的患者，可提供在线答疑、视频教程等自主学习资源。通过上述优化措施，减轻患者操作设备的难度，减少因操作障碍导致的训练中断，确保康复训练的完成度。

4.3 加强研究设计，完善证据体系建设

高质量的临床研究证据是AI技术临床推广的关键。未来应开展多中心、大样本量、长期随访的随机对照试验，明确研究设计的核心要素：①延长干预观察周期，建议将随访时间延长，不仅评估3个月内的短期吞咽功能的改善情况，而且要关注6个月、1年、3年及以上的远期吞咽功能、营养状况、生活质量和并发症发生率等结局指标，全面揭示AI干预的长期临床价值。②需要扩大样本量，通过多中心合作，联合三甲医院、基层医疗机构、康复专科医院等，确保样本具有代表性，同时进行分层随机分组，考虑年龄、病情严重程度、认知水平等混杂因素的影响。③建立标准化的效果评价体系，采用国际公认的吞咽功能评估工具、营养评估工具及生活质量量表，结合客观指标，全面、科学地评价干预效果。此外，通过纳入临床实践中不同特征的患者群体，观察AI技术在常规护理场景下的应用效果与安全性，使技术的临床转化更贴近实际，并提供相应的证据支持。同时，积极开展卫生经济学相关研究，评估AI康复干预与传统康复训练相比的经济效益，为制订医保政策、采购医疗机构设备提供决策依据。

5 小结

AI技术为头颈部肿瘤患者术后吞咽康复带来革命性突破，其核心价值在于通过创新服务模式，使更多患者，尤其是资源匮乏群体，能获得高效、便捷、个性化的康复支持。然而，技术的真正落地仍需兼顾“工具好用”与“患者舒适”，既要通过算法优化与硬件升级解决适配性问题，又应在临床实践中融入必要的人文关怀。未来研究应秉持“以患者为中心”的设计理念，推动数字化技术从单一辅助工具向整合型康复生态演进。当前，该领域整体尚处于起步阶段：国内研究近乎空白，仅有少量短期小样本量探索；国外虽在远程康复、多中心试验方面有所积累，但仍在起步阶段，同样面临成本高、算法识别能力有限及长期证据缺乏等共性挑战。因此，未来需推动国内外协同创新，突破核心技术瓶颈，完善证据体系建设，推动该领域真正从技术探索迈向临床普惠。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 陈衍，张红梅，黑悦，等. MDT和互联网可视化平台在头颈部恶性肿瘤临床教学中的应用[J]. 实用口腔医学杂志，2024，40（2）：285-288.

[2] Chinese Society of Clinical Oncology （CSCO） diagnosis and treatment guidelines for head and neck cancer 2018 （English version） [J]. Chin J Cancer Res，2019，31（1）：84-98.

[3] 卢楠，冯凤，刘福乐，等. 头颈癌病人吞咽障碍管理的研究进展[J]. 护理研究，2024，38（13）：2355-2359.

[4] 罗媚尹，肖芒. 人工智能在头颈部肿瘤诊疗中的革命性进展：临床实践应用与未来展望[J].中国肿瘤外科杂志，2025，17（4）：325-334.

[5] 陶淘，姚丽丽，刘玲. 远程康复技术在吞咽障碍病人康复中应用的研究进展[J]. 护理研究，2024，38（20）：3644-3649.

[6] 孙莹，张曼，张云. 基于“互联网+”延续性护理干预在喉癌术后带管出院患者中的应用效果[J]. 中西医结合护理（中英文），2022，8（9）：175-177.

[7] 黄晓艳，夏辉，傅桂芬，等. 基于微信平台的延续护理在中晚期鼻咽癌患者中的应用效果[J]. 广西医学，2019，41（18）：2392-2397.

[8] 朱吉喆. 基于游戏化移动平台的头颈部肿瘤放疗患者吞咽功能训练干预方案构建[D]. 郑州：郑州大学，2023.

[9] MENGQING Z，CHAO L，FANG Z，et al. Prevalence of dysphagia in China：an epidemiological survey of 5943 participants [J]. Dysphagia，2021，36（3）：339-350.

[10] COLLINS A，BURNS C L，WARD E C，et al. Home-based telehealth service for swallowing and nutrition management following head and neck cancer treatment [J]. J Telemed Telecare，2017，23（10）：866-872.

[11] BURNS C L，WARD E C，HILL A J，et al. Randomized controlled trial of a multisite speech pathology telepractice service providing swallowing and communication intervention to patients with head and neck cancer：evaluation of service outcomes [J]. Head Neck，2017，39（5）：932-939.

[12] WALL L R，WARD E C，CARTMILL B，et al. Prophylactic swallowing therapy for patients with head and neck cancer：a three-arm randomized parallel-group trial [J].Head Neck，2020，42（5）：873-885.

[13] BAUDELET M，DUPREZ F，VAN DEN STEEN L，et al.Increasing adherence to prophylactic swallowing exercises during head and neck radiotherapy：the multicenter，randomized controlled PRESTO-trial [J]. Dysphagia，2023，38（3）：886-895.

[14] STARMER H M，ABRAMS R，WEBSTER K，et al. Feasibility of a mobile application to enhance swallowing therapy for patients undergoing radiation-based treatment for head and neck cancer [J]. Dysphagia，2018，33（2）：227-233.

[15] SHINN E H，JENSEN K，MCLAUGHLIN J，et al. Interactive website for head and neck cancer patients：adherence and coping program to prevent dysphagia after radiation [J]. Internet Interv，2019，18：100289.

[16] VAN DER MOLEN L，VAN ROSSUM M A，BURKHEAD L M，et al. A randomized preventive rehabilitation trial in advanced head and neck cancer patients treated with chemoradiotherapy：feasibility，compliance，and shortterm effects [J]. Dysphagia，2011，26（2）：155-170.

[17] BAUDELET M，VAN DEN STEEN L，DUPREZ F. Study protocol for a randomized controlled trial：prophylactic swallowing exercises in head-and-neck cancer patients treated with （chemo） radiotherapy （PRESTO trial） [J].Trials，2020，21（1）：237.

[18] EERENSTEIN S E J，VERDONCK-DE LEEUW I M，LEEMANS C R. Swallowing and voice outcomes following treatment of hypopharyngeal cancer：the need for supervised rehabilitation [J]. Adv Otorhinolaryngol，2019，83：118-125.

[19] CNOSSEN I C，VAN UDEN-KRAAN C F，WITTE B I，et al. Prophylactic exercises among head and neck cancer patients during and after swallowing sparing intensity modulated radiation：adherence and exercise performance levels of a 12-week guided home-based program [J]. Eur Arch Otorhinolaryngol，2017，274（2）：1129-1138.

[20] WANG H L，MCMILLAN S C，VIJAYAKUMAR N，et al. A behavioral physical activity intervention to manage moderate and severe fatigue among head and neck cancer patients-pre-efficacy study in the national institutes of health ORBIT model [J]. Cancer Nurs，2019，42（1）：E1-E14.

[21] 谢静，朱红霞，汤静，等. 认知行为疗法在舌癌术后病人体感智能功能康复方案中的介入可行性分析[J]. 循证护理，2024，10（23）：4343-4347.

[22] VAN DER HOUT A，HOLTMAAT K，JANSEN F，et al.The eHealth self-management application ‘Oncokompas’ that supports cancer survivors to improve health-related quality of life and reduce symptoms：which groups benefit most？ [J]. Acta Oncol，2021，60（4）：403-411.

[23] NAKATA Y，UEDA H M，KATO M，et al. Changes in stomatognathic function induced by orthognathic surgery in patients with mandibular prognathism [J]. J Oral Maxillofac Surg，2007，65（3）：444-451.

[24] 李文博，王勇，赵一姣. 浅谈口腔表面肌电技术的研究进展[J]. 口腔颌面修复学杂志，2025，26（5）：321-331.

Application status and prospects of artificial intelligence in swallowing rehabilitation training for patients with head and neck tumors

LIU Yu1 REN Xiaobo1 WEI Changyun1 TIAN Zirong2

1.Department of Otolaryngology, Head and Neck Surgery, Beijing Tongren Hospital, Capital Medical University, Beijing 100730, China; 2.Department of Nursing, Beijing Tongren Hospital, Capital Medical University, Beijing 100730, China

[Abstract] Dysphagia is a common complication for patients with head and neck tumors after treatment, seriously affecting their nutritional status and quality of life. In recent years, artificial intelligence (AI) has demonstrated great application potential in optimizing swallowing rehabilitation plans and enhancing rehabilitation efficacy through its advantages in multimodal data integration and intelligent algorithms. However, current research lacks in-depth analysis of complex requirements in clinical practical applications, and insufficient integration of actual intervention effects and real challenges of different AI application model. This article comprehensively analyze application population, technical paths, and current status of AI in swallowing rehabilitation training for patients with head and neck tumors, deeply explore its advantages and limitations in clinical applications, and aim to provide ideas for the future construction of an intelligent and precise swallowing rehabilitation management system.

[Key words] Head and neck tumor; Head and neck cancer; Swallowing training; Swallowing rehabilitation; Artificial intelligence

[中图分类号] R762

[文献标识码] A

[文章编号] 1673-7210（2026）06（b）-0006-05

DOI：10.20047/j.issn1673-7210.25111158

[基金项目] 北京市医院管理中心“培育计划”项目（PX2021009）。

[通讯作者] 田梓蓉（1980.1-），女，硕士，主任护师，首都医科大学附属北京同仁医院护理部主任，硕士生导师；研究方向：护理管理，耳鼻咽喉头颈外科护理。

（收稿日期：2025-11-13）

（修回日期：2026-03-21）