Tekoälyjärjestelmän rakentaminen olkapään kuntoutusharjoitusten automaattiseen valvontaan (Rehab-SPIA) (Rehab-SPIA)
Tekoälyjärjestelmän rakentaminen olkapään kuntoutusharjoitusten automaattiseen etävalvontaan
Nykyinen historiallinen vaihe ja lisääntyvä kuntoutuksen tarve maailmassa tekevät etäkuntoutusjärjestelmistä ja sähköisestä terveydenhuollosta yleensä keskeisiä työkaluja potilaiden sitoutumisen ja hoidon noudattamisen lisäämiseen, keskeisiä tekijöitä NHS:n säilyttämisessä menoarvion näkökulmasta katsottuna. ja resurssien optimointi. Erityisesti kuntoutuspotilas noudattaa kotiharjoitusohjelmaa (HEP) keskimäärin 30-50 %, johon usein lisätään motorisen oppimisen tehokkuuden heikkeneminen, koska eleen tarkkuudesta ei ole saatu palautetta, kuten on asia. se tapahtuu sairaalassa tai avohoidossa terapeutin valvonnassa.
Uudet laskennalliset lähestymistavat ihmisen liiketietojen analysointiin, joiden tavoitteena on kehittää algoritmeja, jotka valvovat automaattisesti potilaan eleiden tarkkuutta kotiharjoittelun aikana, kuten tekoälyyn (AI) ja koneoppimiseen (ML) perustuvat. , erityisesti uusimman sukupolven ne, joita kutsutaan alisymboleiksi (tai konnektionisteiksi), voivat auttaa.
Lupaavimpia lähestymistapoja ovat. Ottaen huomioon Home Exercise -ohjelman merkityksen olkapään sairaudessa päätettiin valita potilaiden populaatio, joilla on tähän niveleen vaikuttavat tärkeimmät patologiat.
Tutkimuksen päätavoitteena on luoda ja validoida ohjelmistotyökalu ortopedisten patologioiden jälkeisten olkapään toiminnallisen palautumisen tärkeimpien kuntoutusharjoitusten oikean suorituksen automaattiseen ja asiantuntija-analyysiin.
Tutkimuksen yleiskatsaus
Tila
Tila
Ehdot
Ehdot
Interventio / Hoito
Interventio / Hoito
Yksityiskohtainen kuvaus
Nykyinen historiallinen vaihe ja lisääntyvä kuntoutuksen tarve maailmassa tekevät etäkuntoutusjärjestelmistä ja sähköisestä terveydenhuollosta yleensä keskeisiä työkaluja potilaiden sitoutumisen ja hoidon noudattamisen lisäämiseen, keskeisiä tekijöitä NHS:n säilyttämisessä menoarvion näkökulmasta katsottuna. ja resurssien optimointi.
Erityisesti kuntoutuspotilas noudattaa kotiharjoitusohjelmaa (HEP) keskimäärin 30-50 %, johon usein lisätään motorisen oppimisen tehokkuuden heikkeneminen, koska eleen tarkkuudesta ei ole saatu palautetta, kuten se tapahtuu sairaalassa tai avohoidossa terapeutin valvonnassa.
Uudet laskennalliset lähestymistavat ihmisen liikkeitä koskevien tietojen analysointiin, joiden tavoitteena on kehittää algoritmeja, jotka valvovat automaattisesti potilaan eleiden tarkkuutta kotihoidon aikana, yrittävät ratkaista tämän viimeisen kriittisen ongelman.
Lupaavimpia lähestymistapoja ovat tekoälyyn (AI) ja koneoppimiseen (ML) perustuvat lähestymistavat, erityisesti uusimman sukupolven, joita kutsutaan alisymbolisiksi (tai konnektionistiksi).
Nämä algoritmit herättävät paljon kiinnostusta niiden kyvystä poimia automaattisesti liikkeen keskeiset ominaisuudet, mikä vähentää asiantuntijoiden puuttumista kaiken tiedon keräämiseen ja esimerkkien mahdolliseen merkitsemiseen (5) Joka tapauksessa kirjallisuus osoittaa, että kliinikkojen suoralla osallistumisella kehitetyt mallit ja potilaspopulaatioiden kanssa luodut tietojoukot ovat niukkoja.
Lisäksi suurin osa kirjallisuudessa esiintyvistä malleista on luotu lukuisilla syöttölaitteilla, usein korkealla teknologisella nopeudella ja huomattavin kustannuksin mahdollisen palvelun toteuttamiseksi potilaan kotona.
Näistä syistä haluamme luoda kliinisen erikoisaineiston, joka alkaa vain harjoitusvideoista, sisältää tietyt populaatiot patologioiden mukaan ja joka on rakennettu kliinisen arvion perusteella. Näillä ominaisuuksilla tämä projekti pyrkii automatisoimaan liikeanalyysiprosessin mahdollisimman paljon, vähentäen valtavasti teknologioiden käytöstä aiheutuvia kustannuksia ja minimoimalla inhimilliset virheet hyödyntämällä viimeisimpiä laskennallisia lähestymistapoja hyödyllisen ja alhaisen laskentatavan luomiseksi. kustannustyökalu kodin toiminnalliseen uudelleenkoulutukseen.
Ottaen huomioon Home Exercise -ohjelman merkityksen olkapään sairaudessa päätettiin valita potilaiden populaatio, joilla on tähän niveleen vaikuttavat tärkeimmät patologiat.
Tutkimuksen päätavoitteena on luoda ja validoida ohjelmistotyökalu ortopedisten patologioiden jälkeisten olkapään toiminnallisen palautumisen tärkeimpien kuntoutusharjoitusten oikean suorituksen automaattiseen ja asiantuntija-analyysiin.
Opintotyyppi
Opintotyyppi
Ilmoittautuminen (Todellinen)
Ilmoittautuminen
Yhteystiedot ja paikat
Opiskeluyhteys
Opiskeluyhteys
- Nimi: Maria Grazia Benedetti, MD
- Puhelinnumero: +390516366236
- Sähköposti: benedetti@ior.it
Opiskelupaikat
-
-
-
Bologna, Italia, 40136
- IRCCS-Istituto Ortopedico Rizzoli
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
Terveiden aiheiden ryhmä:
- Yli 18-vuotiaat aikuispotilaat
- Potilaat, joilla ei tunneta olkapään patologioita
Ryhmä henkilöitä, joilla oli olkapalogia, leikattiin
- Aikuiset potilaat > 18 vuotta
- Kärsivät olkapäähän vaikuttavista ortopedisista patologioista, kuten: ultraääniohjatun perkutaanisen hoidon tulokset jänteen kalkkeutumiseen, ultraääniohjatun irtoamisen seuraukset liimapursutulehduksessa, proksimaalisten olkaluun murtumien seuraukset, rotaattorimansetin korjaus, olkapään instatiivisuuden interventiot.
Poissulkemiskriteerit:
- Potilaat, joilla on ollut opioidiriippuvuus tai päihteiden väärinkäyttö
- Potilaat, jotka kärsivät yläraajoihin vaikuttavista ortopedisista patologioista, kun on olemassa selkeästi havaittavissa olevia kirurgisia komplikaatioita
- Potilaat, joilla on kognitiivisia häiriöitä (MMSE Mini Mental State Examinantation suurempi tai yhtä suuri kuin 24/30).
- Potilaat, joilla on vakavia anamnestisia tai nykyisiä neurologisia tai psykiatrisia patologioita, vakavia sydän-, keuhko-, maksa- tai munuaissairauksia, jotka estävät tutkimukseen osallistumisen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Ryhmien/kohorttien lukumäärä
Kohortit ja interventiot
Ryhmä/KohorttiRyhmä/Kohortti |
Interventio / HoitoInterventio / Hoito |
|---|---|
|
Terve
Terveet kohteet, vailla olkapääpatologiaa
|
|
|
Rotaattorimansetti repeytyy
Potilaat rotaattorimansetin artroskooppisen rekonstruoinnin jälkeen
|
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Olkapäiden liikkeen oikeellisuus
Aikaikkuna: 12 kuukautta
|
Käytetään kyselylomaketta, jossa kliinikon kuvailee olkapään liikkeen oikeellisuutta ja verrataan tekoälyohjelmiston attribuutioon.
|
12 kuukautta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Sponsori
Tutkijat
Tutkijat
- Päätutkija: Maria Grazia Benedetti, MD, Istituto Ortopedico Rizzoli
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Opiskelun aloitus
Ensisijainen valmistuminen (Todellinen)
Ensisijainen valmistuminen
Opintojen valmistuminen (Todellinen)
Opintojen valmistuminen
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Ensimmäinen Lähetetty
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin päivitys julkaistu
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
Muut tutkimustunnusnumerot
- 0002017
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .