fa تمرین‌درمانی هوشمند در مدیریت بیماری‌های مزمن: مروری بر سازوکارهای فیزیولوژیکی و مداخلات شخصی‌سازی‌شده مبتنی بر هوش مصنوعی پزشکی ورزشی Sports Medicine مروری Review <div style="text-align: justify;"><span style="font-size:11px;"><span style="font-family:Tahoma;"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">زمینه و هدف:</span></b> <span lang="FA">بیماری‌های مزمن همچنان یکی از چالش‌های اصلی نظام‌های سلامت جهانی محسوب می‌شوند و رویکردهای سنتی درمانی، به‌ویژه در حوزه تمرین‌درمانی، در پاسخ به نیازهای پیچیده و متغیر بیماران کفایت ندارند. در سال‌های اخیر، ادغام دانش فیزیولوژی تمرین با فناوری‌های هوشمند و الگوریتم‌های هوش مصنوعی، افق تازه‌ای را برای طراحی مداخلات ورزشی دقیق و شخصی‌سازی‌شده گشوده است. هدف این مرور روایتی تحلیلی با رویکرد یکپارچه، تبیین سازوکارهای فیزیولوژیکی تمرین‌درمانی و بررسی نقش هوش مصنوعی در بهینه‌سازی و شخصی‌سازی این فرایند است.</span><span lang="AR-SA"><span style="font-family:"B Mitra""></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">روش تحقیق:</span></b> <span lang="FA">جستجوی نظام‌مند در پایگاه‌های معتبر انجام شد و در نهایت، از میان بیش از ۵۰۰ مقاله بررسی‌شده، ۱۱۲ مقاله واجد شرایط وارد تحلیل نهایی شدند. داده‌ها با استفاده از رویکرد تحلیل تماتیک و یکپارچه‌سازی مفهومی در سه محور اصلی طبقه‌بندی و تحلیل شدند.</span><span lang="AR-SA"><span style="font-family:"B Mitra""></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">یافته‌ها:</span></b> <span lang="FA">تمرینات ورزشی از طریق مسیرهای متابولیک، قلبی</span><span lang="FA">&ndash;</span><span lang="FA">عروقی و عصبی</span><span lang="FA">&ndash;</span><span lang="FA">هورمونی، موجب بهبود سازگاری‌های فیزیولوژیکی در بیماران مزمن می‌شوند و فناوری‌های پوشیدنی، حسگرهای فیزیولوژیکی و سیستم‌های بازخوردی، امکان پایش لحظه‌ای این تغییرات را فراهم کرده‌اند. به‌علاوه، الگوریتم‌های یادگیری ماشین و مدل‌های پیش‌بینی مبتنی بر داده‌های بزرگ، قابلیت تحلیل الگوهای پاسخ تمرینی و طراحی برنامه‌های تطبیقی با شرایط واقعی بیمار را دارند.</span><span lang="AR-SA"><span style="font-family:"B Mitra""></span></span></span></span><br> <b><span dir="RTL" lang="AR-SA">نتیجه‌گیری:</span></b> <span dir="RTL" lang="FA">مرور حاضر نشان می‌دهد که ادغام تمرین‌درمانی با هوش مصنوعی، مرز جدیدی در پزشکی دقیق گشوده است. آینده تمرین‌درمانی در عصر هوش مصنوعی بر محور شخصی‌سازی مداخلات و هم‌افزایی میان داده‌های زیستی، رفتاری و محیطی استوار است. این تحول نوظهور می‌تواند فیزیولوژی تمرین را از سطح یک ابزار بازتوانی به سطح یک علم تصمیم‌یار در پزشکی دقیق ارتقا دهد.</span></span></span></div> <div style="text-align: justify;"><span style="font-size:12px;"><span new="" roman="" style="font-family:" times=""><a name="_Hlk200355634"><b>Background and Aims:</b></a> <span style="background:white"><span style="color:black">Chronic diseases remain a major challenge for global health systems, and conventional therapeutic approaches, particularly exercise therapy, are often insufficient to address the complex and evolving needs of patients. In recent years, the integration of exercise physiology with smart technologies and artificial intelligence (AI) algorithms has opened new horizons for designing precise and personalized exercise interventions. This analytical narrative review, adopting an integrative approach, aimed to elucidate the physiological mechanisms underlying exercise therapy and examine the role of AI in optimizing and personalizing this process.</span></span></span><br> <span new="" roman="" style="font-family:" times=""><b>Methods:</b> A systematic search of major scientific databases was conducted. Of more than 500 screened articles, 112 eligible studies were included in the final analysis. Data were categorized and synthesized into three major themes using thematic analysis and conceptual integration.</span><br> <span new="" roman="" style="font-family:" times=""><b>Results:</b> Exercise training improves physiological adaptations in patients with chronic diseases through metabolic, cardiovascular, and neurohormonal pathways. Wearable technologies, physiological sensors, and real-time feedback systems enable continuous monitoring of these adaptations. Furthermore, machine learning algorithms and big data&ndash;driven predictive models can identify individual exercise response patterns and facilitate the development of adaptive exercise programs tailored to patients&#39; real-world conditions.<span dir="RTL" lang="AR-SA"></span></span><br> <span new="" roman="" style="font-family:" times=""><b>Conclusion:</b> This review demonstrates that integrating exercise therapy with AI opens a new frontier in precision medicine. The future of exercise therapy in the AI era lies in personalized interventions and the integration of biological, behavioral, and environmental data. This emerging paradigm has the potential to transform exercise physiology from a rehabilitation tool into a decision-support discipline within precision medicine.</span></span></div> بیماری‌های مزمن, فیزیولوژی تمرین, یادگیری ماشین, سازوکارهای متابولیک و عصبی-هورمونی, شخصی‌سازی مداخلات, تمرین‌درمانی هوشمند, فناوری‌های پوشیدنی Chronic diseases, Exercise physiology, Machine learning, Metabolic and neuro-hormonal mechanisms, Personalized interventions, Smart exercise therapy, Wearable technologies 25 47 http://journal.bums.ac.ir/browse.php?a_code=A-10-3800-1&slc_lang=fa&sid=1 Babak Hooshmand-Moghadam بابک هوشمند مقدم b.hooshmand@um.ac.ir 8700319475328460052169 8700319475328460052169 Yes Department of Exercise Physiology, Faculty of Sport Sciences, Ferdowsi University of Mashhad, Mashhad, Iran گروه فیزیولوژی ورزشی، دانشکده علوم ورزشی، دانشگاه فردوسی مشهد، مشهد، ایران Abbas Ali Gaeini عباسعلی گائینی gaeini@ut.ac.ir 8700319475328460052170 8700319475328460052170 No Department of Exercise Physiology, Faculty of Sports and Health Sciences, University of Tehran, Tehran, Iran گروه فیزیولوژی ورزشی، دانشکده‌ علوم ورزشی و تندرستی، دانشگاه تهران، تهران، ایران