Construcción de un Sistema de IA para la Supervisión Automática de Ejercicios de Rehabilitación de Hombro (Rehab-SPIA) (Rehab-SPIA)

La fase histórica actual y la creciente necesidad de rehabilitación en el mundo hacen que los sistemas de tele-rehabilitación, y la e-Salud en general, sean herramientas fundamentales para aumentar el compromiso del paciente y el cumplimiento de la atención, elementos cruciales para la preservación del SNS desde una perspectiva de revisión del gasto y optimización de recursos.

En particular, el paciente en rehabilitación tiene en promedio una adherencia al Programa de Ejercicios en Casa (PEH) entre un 30-50%, a lo que frecuentemente se suma una reducida efectividad del aprendizaje motor por la falta de retroalimentación sobre la precisión del gesto, como ocurre en el hospital o en un entorno ambulatorio bajo la supervisión de un terapeuta.

Los nuevos enfoques computacionales para el análisis de datos sobre el movimiento humano, dirigidos al desarrollo de algoritmos para supervisar automáticamente la precisión del gesto del paciente durante el ejercicio del autotratamiento domiciliario, intentan resolver este último problema crítico.

Entre los enfoques más prometedores se encuentran los basados ​​en Inteligencia Artificial (IA) y Machine Learning (ML), en particular los de última generación, denominados subsimbólicos (o conexionistas).

Estos algoritmos despiertan mucho interés por su capacidad para extraer automáticamente las propiedades más destacadas del movimiento, reduciendo la intervención de expertos a la recogida de todos los datos, y al posible etiquetado de los ejemplos (5) En cualquier caso, la literatura muestra una falta de modelos desarrollados con la participación directa de los médicos y una escasez de conjuntos de datos creados con poblaciones de pacientes.

Además, la mayoría de los modelos presentes en la literatura han sido creados utilizando numerosos dispositivos de entrada, muchas veces con una alta tasa tecnológica con costos considerables para implementar un posible servicio en el hogar del paciente.

Por estas razones queremos crear un conjunto de datos clínicos especializados, partiendo únicamente de los videos de los ejercicios, involucrando poblaciones específicas por patología y construido sobre la base del juicio clínico. Con estas características, este proyecto pretende automatizar al máximo el proceso de análisis de movimiento, reduciendo enormemente los costes derivados del uso de tecnologías y minimizando el error humano, todo ello aprovechando los enfoques computacionales más recientes para crear un sistema útil y de bajo coste. herramienta de costos para la reeducación funcional domiciliaria.

Dada la importancia del Programa de Ejercicios Domiciliarios en la patología del hombro, se decidió seleccionar una población de pacientes afectados por las principales patologías que afectan a esta articulación.

El objetivo principal del estudio es crear y validar una herramienta software para el análisis automático y experto de la correcta ejecución de los principales ejercicios de rehabilitación para la recuperación funcional del hombro tras patologías ortopédicas.