Comparación de un programa de rehabilitación asistido por inteligencia artificial para trastornos musculoesqueléticos del hombro y la toma de decisiones clínicas de los terapeutas

Las personas con trastornos musculoesqueléticos del hombro entre los adultos de mediana edad y mayores tienen la mayor necesidad de servicios de rehabilitación. El crecimiento de la población y el envejecimiento de la sociedad incrementan posteriormente el número de personas con discapacidad, los costes sanitarios y las necesidades de profesionales sanitarios. Existe evidencia para apoyar el efecto beneficioso de los ejercicios sobre la función y la calidad de vida. Tradicionalmente, los terapeutas diseñan un programa de rehabilitación para cada paciente en función de sus condiciones. En los últimos años, la IA se emplea cada vez más en el campo de la medicina física y de rehabilitación; sin embargo, no hay ningún estudio sobre la aplicación de la IA en la predicción de programas de rehabilitación para trastornos musculoesqueléticos del hombro. El objetivo principal de este estudio es explorar las posibilidades de utilizar un enfoque de aprendizaje automático supervisado para predecir programas de rehabilitación para trastornos musculoesqueléticos del hombro. Se identifican veintitrés características en función del rango de movimiento del hombro, el dolor, si se realiza o no un procedimiento quirúrgico. Cada ejercicio se considera como una etiqueta con un total de veinticinco ejercicios. El conjunto de datos es recopilado por terapeutas clínicos para desarrollar y entrenar el modelo. Cada paciente debe recibir al menos dos meses de rehabilitación y dos tiempos de evaluación. La regresión logística, la máquina de vectores de soporte y el bosque aleatorio se utilizan para construir el modelo computacional. La exactitud, la precisión, la recuperación, la puntuación F-1 y el AUC se utilizan para evaluar el rendimiento del modelo computacional en el aprendizaje automático. Después del entrenamiento, comparamos la consistencia de los programas de rehabilitación previstos mediante el uso del modelo de aprendizaje automático y la toma de decisiones clínicas de los terapeutas.