人工智能在残疾人社会支持中的应用图谱：一项系统性范围综述

该综述绘制了AI在残疾人社会支持中的应用版图，将其归纳为五大领域，并给出各领域的文献数量与占比。 相对于以往零散的单点研究，本文以系统性范围综述的方式整合了72项研究，首次以参与、自主与环境适配为分析视角对应用领域进行结构化归类。 依据PRISMA-ScR指南在PubMed与Web of Science两个数据库中进行系统检索，纳入72项研究，并报告了各领域的样本量与百分比，方法学框架明确。

综述识别出该领域存在结构性失衡：面向功能支持的应用远多于面向心理社会参与的应用。 这一发现将“心理社会参与领域研究极少”这一模式显性化，并指出其限制了研究结论的可推广性，为后续研究方向提供了依据。 基于各领域文献数量的分布对比，其中心理健康支持与社会融入仅3项（6.3%），而移动与导航辅助达20项（41.7%），数量差异明显。

综述归纳出该领域面临的关键挑战，包括数据隐私伦理关切、训练数据不足、实施成本高、算法偏见以及真实世界获益证据有限。 相对于聚焦单一技术或单一应用的研究，本文以综述层面汇总了跨研究的共性障碍，并给出各挑战在纳入研究中的出现比例。 挑战比例来自对72项纳入研究的汇总统计，其中数据隐私关切占58.3%，训练数据不足与实施成本高各占25.0%，算法偏见与真实世界证据有限各占20.8%。

综述指出AI开发总体上呈现医学模型取向，且智力残疾与心理社会残疾群体被系统性低估。 该判断将技术开发取向与特定残疾群体的代表性不足联系起来，提示需要社会模型取向、真实世界验证与包容性共同设计。 结论基于对纳入研究整体取向与覆盖人群的归纳，属于综述层面的模式识别，原文将其表述为需要回应的领域性需求。

该综述的结论适用于对AI在残疾人社会支持中应用现状的整体把握，主要面向研究者、技术开发者与相关政策实践者，用于识别研究分布、共性挑战与空白领域；其分析框架为参与、自主与环境适配，检索范围限于PubMed与Web of Science。

原文指出，涉及心理社会参与的领域研究数量极少，这限制了相关结论的可推广性；此外，真实世界获益证据有限（20.8%）也提示，AI应用在实际场景中的效果仍有待进一步验证。读者在参考各领域占比与挑战比例时，宜结合自身关注的具体残疾类型与应用场景加以判断。