一、文章主要内容总结该研究提出一种新的数字健康干预范式，核心是利用大型语言模型（LLMs）将临床医生的个性化运动处方自动转化为可执行的干预软件，应用于物理康复中的上肢训练。研究通过20名持证物理治疗师和职业治疗师与标准化患者的前瞻性单臂可行性试验，验证了该范式的有效性：试验设计：每位治疗师针对标准化患者（右侧上肢无力）设计2套个性化运动方案，共生成40个程序、398条指令，LLM将这些处方实时转化为干预软件，通过增强现实设备（Meta Quest 3）指导患者训练并监测表现。核心结果：个性化适配性：相比传统模板化软件（仅能实现55%个性化处方），新范式实现100%个性化转化，提升45个百分点，支持程序变异、新设备整合、条件逻辑等传统范式无法覆盖的个性化需求；准确性：软件指令交付正确率达99.78%（397/398），运动监测准确率为88.4%；临床接受度：100%治疗师认可其易用性，90%认为对患者安全，75%愿意在临床中采用。现存局限：监测准确性受LLM生成逻辑幻觉和计算机视觉模型限制，未纳入真实患者反馈，缺乏长期临床效果验证。二、文章创新点范式革新：打破传统“临床前预编程软件库”模式，提出“临床后医生主导+LLM实时生成”范式，使软件完全贴合患者诊疗中发现的个体需求（如运动限制、家庭环境、个人目标
