Sammenligning af et kunstig intelligens-assisteret rehabiliteringsprogram for skuldermuskuloskeletale lidelser og terapeuters kliniske beslutningstagning

Mennesker med skulderlidelser i bevægeapparatet blandt midaldrende og ældre voksne har det største behov for rehabiliteringstilbud. Befolkningsvæksten og det aldrende samfund øger efterfølgende antallet af handicappede, sundhedsudgifterne og behovet for sundhedspersonale. Der findes beviser for at understøtte den gavnlige effekt af øvelser på funktion og livskvalitet. Traditionelt er et rehabiliteringsprogram designet af terapeuter til hver patient afhængigt af deres tilstand. I de senere år er AI i stigende grad blevet ansat inden for fysisk og rehabiliteringsmedicin, men der er ingen undersøgelse af at anvende AI til at forudsige genoptræningsprogrammer for skuldermuskuloskeletale lidelser. Hovedformålet med denne undersøgelse er at udforske mulighederne for at bruge superviseret maskinlæringstilgang til at forudsige genoptræningsprogrammer for skuldermuskuloskeletale lidelser. Treogtyve træk er identificeret baseret på skulderens bevægelsesområde, smerte, uanset om du udfører kirurgisk indgreb eller ej. Hver øvelse betragtes som en etiket med i alt femogtyve øvelser. Datasæt indsamles af kliniske terapeuter for at udvikle og træne modellen. Hver patient skal have mindst to måneders rehabilitering og to gange evaluering. Logistisk regression, støttevektormaskine og tilfældig skov bruges til at bygge beregningsmodellen. Nøjagtighed, præcision, genkaldelse, F-1-score og AUC bruges til at evaluere præstationen af ​​beregningsmodellen i maskinlæring. Efter træning sammenligner vi konsistensen af ​​rehabiliteringsprogrammer forudsagt ved hjælp af maskinlæringsmodellen og terapeuters kliniske beslutningstagning.