Aufbau eines KI-Systems zur automatischen Überwachung von Schulterrehabilitationsübungen (Rehab-SPIA) (Rehab-SPIA)

Die gegenwärtige historische Phase und der wachsende Bedarf an Rehabilitation in der Welt machen Telerehabilitationssysteme und e-Gesundheit im Allgemeinen zu grundlegenden Instrumenten zur Steigerung des Patientenengagements und der Einhaltung der Pflege, zu entscheidenden Elementen für die Erhaltung des NHS aus einer Perspektive der Ausgabenüberprüfung und Ressourcenoptimierung.

Insbesondere der Reha-Patient hat im Durchschnitt eine Adhärenz zum Home Exercise Program (HEP) zwischen 30-50%, hinzu kommt häufig eine reduzierte Effektivität des motorischen Lernens aufgrund fehlender Rückmeldungen zur Genauigkeit der Gestik, wie z Dies geschieht im Krankenhaus oder ambulanten Bereich unter der Aufsicht eines Therapeuten.

Die neuen Computeransätze für die Analyse von Daten über menschliche Bewegungen, die auf die Entwicklung von Algorithmen zur automatischen Überwachung der Genauigkeit der Gesten des Patienten während der Ausübung der Selbstbehandlung zu Hause abzielen, versuchen, dieses letzte kritische Problem zu lösen.

Zu den vielversprechendsten Ansätzen gehören solche, die auf künstlicher Intelligenz (KI) und maschinellem Lernen (ML) basieren, insbesondere solche der neuesten Generation, die als subsymbolisch (oder konnektionistisch) bezeichnet werden.

Diese Algorithmen wecken großes Interesse wegen ihrer Fähigkeit, die herausragenden Eigenschaften der Bewegung automatisch zu extrahieren, wodurch der Eingriff von Experten auf die Sammlung aller Daten und die mögliche Kennzeichnung der Beispiele reduziert wird (5) In jedem Fall die Literatur zeigt einen Mangel an Modellen, die unter direkter Beteiligung von Klinikern entwickelt wurden, und einen Mangel an Datensätzen, die mit Patientenpopulationen erstellt wurden.

Darüber hinaus sind die meisten in der Literatur vorhandenen Modelle unter Verwendung zahlreicher Eingabegeräte erstellt worden, oft mit einem hohen technologischen Aufwand mit erheblichen Kosten für die Implementierung einer möglichen Dienstleistung beim Patienten zu Hause.

Aus diesen Gründen möchten wir einen spezialisierten klinischen Datensatz erstellen, der nur von den Videos der Übungen ausgeht, spezifische Populationen nach Pathologie einbezieht und auf der Grundlage einer klinischen Beurteilung erstellt wird. Mit diesen Eigenschaften zielt dieses Projekt darauf ab, den Bewegungsanalyseprozess so weit wie möglich zu automatisieren, die Kosten, die sich aus dem Einsatz von Technologien ergeben, enorm zu senken und menschliche Fehler zu minimieren, alles durch Nutzung der neuesten Computeransätze, um ein nützliches und kostengünstiges Kostentool für die funktionelle Umerziehung zu Hause.

Angesichts der Bedeutung des Heimübungsprogramms bei Schultererkrankungen wurde entschieden, eine Population von Patienten auszuwählen, die von den Hauptpathologien betroffen sind, die dieses Gelenk betreffen.

Das Hauptziel der Studie ist die Erstellung und Validierung eines Softwaretools zur automatischen und fachmännischen Analyse der korrekten Ausführung der wichtigsten Rehabilitationsübungen zur funktionellen Wiederherstellung der Schulter nach orthopädischen Pathologien.