Гейміфіковане завдання когнітивної реабілітації: staircase-алгоритм і теорія потоку динамічно підлаштовують складність під навичку пацієнта в реальному часі
Черепно-мозкова травма (ЧМТ) та інсульт лишають після себе неоднорідний профіль когнітивного дефіциту: увага, робоча памʼять, керівні функції та швидкість обробки інформації страждають у різних комбінаціях і різному ступені. Перш ніж запускати гейміфіковане тренування, потрібно виміряти вихідний стан — інакше адаптивний алгоритм не матиме точки відліку для калібрування складності.
Пошкодження префронтальної кори та її звʼязків із підкірковими структурами після ЧМТ типово проявляється тріадою: сповільнена швидкість обробки інформації, знижена стійкість уваги (труднощі утримувати фокус довше кількох хвилин) та порушення керівних функцій (планування, гальмування імпульсивних реакцій, перемикання між завданнями).
При інсульті картина залежить від локалізації: ураження лівої середньої мозкової артерії частіше повʼязане з вербальною робочою памʼяттю, правобічні інфаркти — з просторовою увагою та ігноруванням половини простору (неглект). У 30–40% пацієнтів дефіцит зберігається понад рік і істотно обмежує повернення до роботи та самостійного побуту.
Стандартна нейропсихологічна оцінка (MoCA, Trail Making Test, Digit Span, Stroop) дає надійні, але статичні бали — знімок на один момент часу, який не показує, як складність завдання варто змінювати день у день.
Щоб конвертувати паперові тести в ігровий формат, кожен клінічний конструкт відображається на цифровий міні-тест: N-back → сітка памʼяті послідовностей; Trail Making → зʼєднання вузлів по зростанню; Stroop → конфліктне правило «колір проти слова»; тест на просту реакцію → час до натискання цільової плитки.
Валідація цифрового аналога проти паперового golden standard — обовʼязковий крок: кореляція Пірсона між ігровим індексом робочої памʼяті та класичним Digit Span зазвичай становить r=0.62–0.74 — достатньо для клінічного застосування, але не для заміни повної нейропсихологічної оцінки.
Цифрова батарея не замінює нейропсихолога — вона дає щоденний, дешевий і чутливий до дрібних змін сигнал між рідкісними повними оцінками (раз на 4–6 тижнів).
Результати базової батареї нормалізуються (z-оцінки відносно вікової норми) і зважуються у вихідний параметр складності θ₀ на шкалі 1–10 для кожного з чотирьох доменів окремо. Пацієнт із важким дефіцитом уваги, але збереженою памʼяттю отримає різні стартові рівні для різних міні-ігор — це запобігає ситуації, коли занадто складне завдання одразу викликає фрустрацію і відмову від терапії ще до того, як staircase-алгоритм встигне підлаштуватися.
Під ігровою оболонкою — аватар, окуляри досвіду, наративні рівні — працює строгий психофізичний двигун: сітка стимулів, точний таймінг пред’явлення, реєстрація кожної реакції з мілісекундною точністю. Гейміфікація тут не косметика, а інструмент утримання уваги та мотивації протягом тижнів щоденних тренувань.
Ядро завдання в цій симуляції — сітка уваги/послідовної памʼяті: N×N плиток, де N зростає з рівнем складності (3×3 на рівні 1 → 7×7 на рівні 10). Цільова плитка спалахує на короткий час; пацієнт має відреагувати (клік/натискання) або відтворити послідовність спалахів у зворотному порядку — залежно від активного модуля (проста реакція, N-back, або зворотній Corsi-блок).
Швидкість появи стимулу, кількість одночасних дистракторів і довжина послідовності — це три незалежні осі складності, які адаптивний модуль може підкручувати окремо, а не єдиним загальним «рівнем складності».
Поверх психофізичного ядра рушій додає: систему очок і серій (streak) за влучні відповіді, короткі наративні вставки («експедиція», «лабораторія») кожні кілька рівнів, косметичну прокачку аватара, що не впливає на складність, і щоденні виклики з м’якими нагадуваннями.
Ці елементи підвищують внутрішню мотивацію без спотворення психофізичних вимірювань — очки нараховуються за фактичну точність і швидкість, а не замінюють їх.
Порівняльні дослідження показують: додавання наративу й системи винагород підвищує медіанну кількість завершених сесій на тиждень із 2.1 до 4.6 за той самий клінічний протокол — без зміни складності самого завдання.
Ігровий цикл (game loop) на 60 fps: pollInput → updateState → render → logTrial. Кожен трайл записує: timestamp пред’явлення стимулу, timestamp відповіді, тип відповіді (влучання/пропуск/хибна тривога), поточний рівень складності по кожній осі.
Події публікуються у внутрішню шину подій (event bus), яку слухає адаптивний контролер — рушій гри взагалі не знає про staircase-логіку, він лише повідомляє факти. Це розділення дозволяє міняти алгоритм адаптації, не чіпаючи код самої гри.
Адаптивний алгоритм складності настільки хороший, наскільки хороші дані, які він отримує щосекунди. Потік телеметрії — точність, розподіл часу реакції, мікропаузи між трайлами — перетворюється на ознаки, за якими можна виявити не лише «правильно/неправильно», а й наростаючу втому чи фрустрацію ще до явного падіння результатів.
Точність (частка влучань у ковзному вікні), розподіл часу реакції (медіана та варіативність — зростання варіативності часто передує падінню точності), тип помилки (пропуск цілі — omission, реакція на дистрактор — commission; ці два типи мають різні клінічні інтерпретації) та мікропаузи (затримка перед відповіддю понад 2× медіанний RT — маркер відволікання уваги).
Окремо фіксується варіативність натискань (тремор координат кліку) — непрямий індикатор моторної втоми, важливий після інсульту з геміпарезом.
Модель на основі градієнтного бустингу над ознаками ковзного вікна (тренована на розмічених сесіях із супутнім спостереженням терапевта) класифікує стан пацієнта в один із чотирьох станів: залучений (engaged), нудьга (underload), фрустрація (overload) та втома (fatigue).
Сигнал про фрустрацію чи втому передається не лише в адаптивний модуль складності (миттєве зниження рівня), а й у розклад сесій — система може запропонувати коротшу перерву або завершити сесію раніше, зберігаючи прогрес.
У пілотній вибірці з 64 пацієнтів поведінкова модель детекції фрустрації досягла точності 82% (AUC 0.88) відносно оцінки терапевта наживо — достатньо, щоб довіряти автоматичному зниженню складності без постійного нагляду людини.
Архітектура: подія трайлу → буфер ковзного вікна (8 останніх спроб) → екстракція ознак (точність, медіана RT, тренд варіативності) → адаптивний контролер, який щоразу після оновлення вікна вирішує: підняти рівень, знизити рівень, чи лишити без змін. Рішення приймається за <5 мс — пацієнт не відчуває затримки між власною реакцією і зміною складності наступного стимулу.
Серце системи — правило, яке вирішує, коли завдання стало занадто легким (нудьга, відтік уваги) і коли занадто важким (фрустрація, відмова від терапії). Класична психофізична staircase-процедура, доповнена ідеєю «каналу потоку» Чиксентмігаї, тримає пацієнта в вузькій зоні продуктивного виклику — там, де навчання відбувається найшвидше.
Правило «2-вниз-1-вгору», запозичене з класичної психофізики порогових вимірювань, асимптотично збігається до рівня складності, на якому ймовірність успіху ≈70.7% — математично доведена точка рівноваги для цього співвідношення кроків. У реабілітаційному контексті це майже точно збігається з емпірично знайденою «зоною потоку» 70–85%.
Правило: дві поспіль правильні відповіді на поточному рівні → складність зростає на один крок; будь-яка одна неправильна відповідь → складність одразу знижується на крок. Асиметрія (повільне зростання, швидке падіння) навмисна — вона мінімізує час, проведений у зоні фрустрації, ціною трохи повільнішого прогресу вгору.
Модель потоку описує стан гравця у двовимірному просторі «виклик (складність завдання) × навичка (поточна здатність пацієнта)». Вище діагоналі — зона тривоги/фрустрації (завдання складніше за навичку), нижче — зона нудьги (завдання легше за навичку); вузька смуга вздовж діагоналі — власне канал потоку, де залученість і навчання максимальні.
Aдаптивний модуль по суті намагається утримати точку (навичка, складність) всередині цього каналу, безперервно оновлюючи оцінку навички за результатами останніх трайлів — навичка сама змінюється під час тренування, тож канал потоку рухома, а не статична мета.
Коли точка стану виходить за межі каналу потоку більш ніж на 2 послідовні раунди, система переходить у «м’який режим»: тимчасово знижує складність нижче staircase-рекомендації та додає підказки, щоб повернути пацієнта в зону залученості перед відновленням стандартної адаптації.
Реальна складність завдання — не одне число, а вектор незалежних параметрів: розмір сітки, швидкість пред’явлення стимулу, кількість дистракторів, довжина послідовності для запам’ятовування. Наївний єдиний «рівень складності» змушує всі осі рухатися разом, хоча пацієнт може мати збережену швидкість обробки, але слабку робочу памʼять.
Байєсівський оцінювач (аналог multi-armed bandit із контекстом) оновлює окремий апостеріорний розподіл здатності для кожної осі після кожного трайлу й підбирає комбінацію параметрів, що максимізує очікувану залученість при заданій цільовій точності — а не просто рухає одну спільну шкалу вгору-вниз.
Кінцева мета когнітивної реабілітації — не високий рахунок у грі, а повернення функції в реальному житті: приготування їжі за рецептом, керування фінансами, безпечне водіння. Гейміфікація доводить свою цінність не тільки через кращу прихильність до терапії, а й через те, наскільки тренований прогрес переноситься за межі екрана.
Класична когнітивна реабілітація на паперових бланках чи фіксованих компʼютерних тестах має відсів (dropout) до 40–50% протягом перших 6 тижнів — монотонність і відсутність видимого прогресу демотивують, особливо на тлі втоми та депресії, поширених після ЧМТ та інсульту.
Гейміфіковані протоколи з адаптивною складністю в контрольованих порівняннях демонструють на 30–45% більше завершених сесій за той самий період — не тому, що завдання стало легшим, а тому, що воно рідко буває нудним або нестерпно важким одночасно для одного й того ж пацієнта.
Ближнє перенесення (near transfer) — покращення на завданнях, схожих на тренувальні (інший N-back, інша версія Trail Making) — фіксується надійно й майже завжди. Дальнє перенесення (far transfer) — покращення інструментальних побутових навичок (IADL): планування покупок, керування ліками, орієнтація в незнайомому маршруті — виражене значно слабше і залежить від того, наскільки тренувальні механіки структурно нагадують реальні завдання.
Метааналізи повідомляють помірний ефект дальнього перенесення (Hedges g ≈ 0.25–0.35) — клінічно значущий, але набагато скромніший за ефекти на самому тренувальному завданні (g ≈ 0.6–0.8).
Доказова база дальнього перенесення залишається предметом дискусії: частина рандомізованих досліджень не виявляє статистично значущого переносу на побутове функціонування попри чіткий приріст у грі — це підстава розробляти міні-ігри, максимально структурно наближені до цільових побутових завдань, а не лише до абстрактних когнітивних конструктів.
Кокранівські огляди адаптивного компʼютеризованого тренування уваги та памʼяті після інсульту й ЧМТ повідомляють про помірну якість доказів на користь короткострокового покращення тренованих доменів, з обережнішими висновками щодо довгострокового утримання ефекту та переносу на якість життя.
Напрямки розвитку: персоналізація staircase-параметрів за допомогою моделей глибинного навчання, що враховують не лише точність/RT, а й фізіологічні сигнали (варіабельність серцевого ритму, окорухова активність) для точнішої оцінки когнітивного навантаження в реальному часі; мультидоменні протоколи, що адаптують кілька когнітивних осей одночасно; та гібридні програми, де телереабілітація вдома доповнює очні сесії з терапевтом, а не замінює їх повністю.