Konstruktion af et AI-system til automatisk overvågning af skulders rehabiliteringsøvelser (Rehab-SPIA) (Rehab-SPIA)

Den nuværende historiske fase og det voksende behov for rehabilitering i verden gør tele-rehabiliteringssystemer og e-sundhed generelt til grundlæggende værktøjer til at øge patientengagement og compliance med pleje, til afgørende elementer for bevarelsen af ​​NHS set fra en udgiftsgennemgang. og ressourceoptimering.

Især har rehabiliteringspatienten i gennemsnit en tilslutning til Home Exercise Program (HEP) mellem 30-50 %, hvortil der hyppigt lægges en reduceret effektivitet af motorisk læring på grund af manglende feedback på gestusens nøjagtighed, som f.eks. det sker på hospitalet eller ambulant under opsyn af en terapeut.

De nye beregningsmæssige tilgange til analyse af data om menneskelig bevægelse, rettet mod udviklingen af ​​algoritmer til automatisk at overvåge nøjagtigheden af ​​patientens gestus under udøvelsen af ​​hjemme-selvbehandling, forsøger at løse dette sidste kritiske problem.

Blandt de mest lovende tilgange er dem, der er baseret på kunstig intelligens (AI) og Machine Learning (ML), især dem fra den seneste generation, kaldet sub-symbolsk (eller sammenhængende).

Disse algoritmer vækker stor interesse for deres evne til automatisk at udtrække bevægelsens fremtrædende egenskaber, hvilket reducerer eksperternes indgriben til indsamlingen af ​​alle data og til den mulige mærkning af eksemplerne (5) Under alle omstændigheder er litteraturen viser en mangel på modeller udviklet med direkte involvering af klinikere og en mangel på datasæt skabt med patientpopulationer.

Desuden er de fleste modeller, der findes i litteraturen, blevet skabt ved hjælp af talrige input-enheder, ofte med en høj teknologisk rate med betydelige omkostninger til implementering af en eventuel service i patientens hjem.

Af disse grunde ønsker vi at skabe et specialiseret klinisk datasæt, der kun starter fra videoerne fra øvelserne, involverer specifikke populationer efter patologi og bygget på basis af klinisk vurdering. Med disse egenskaber har dette projekt til formål at automatisere bevægelsesanalyseprocessen så meget som muligt, enormt reducere omkostningerne ved brugen af ​​teknologier og minimere menneskelige fejl, alt sammen ved at udnytte de nyeste beregningsmetoder for at skabe en nyttig og lav- omkostningsværktøj til funktionel genopdragelse i hjemmet.

I betragtning af vigtigheden af ​​hjemmetræningsprogrammet ved skuldersygdom, blev det besluttet at udvælge en population af patienter, der var ramt af de vigtigste patologier, der påvirker dette led.

Hovedformålet med undersøgelsen er at skabe og validere et softwareværktøj til automatisk og ekspertanalyse af den korrekte udførelse af de vigtigste rehabiliteringsøvelser til funktionel genopretning af skulderen efter ortopædiske patologier.