Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

AI rendszer felépítése a váll-rehabilitációs gyakorlatok automatikus felügyeletére (Rehab-SPIA) (Rehab-SPIA)

2024. március 25. frissítette: Istituto Ortopedico Rizzoli

Mesterséges intelligencia rendszer kiépítése a váll-rehabilitációs gyakorlatok automatikus távfelügyeletéhez

A jelenlegi történelmi szakasz és a világban a rehabilitáció iránti növekvő igény a tele-rehabilitációs rendszereket és általában az e-Health-et alapvető eszközzé teszi a betegek elkötelezettségének és az ellátásnak való megfelelés növelésében, kulcsfontosságú elemeivé az NHS megőrzésének a kiadások felülvizsgálata szempontjából. és erőforrás-optimalizálás. Különösen a rehabilitációs beteg átlagosan 30-50%-os adherenciával rendelkezik az Otthoni Gyakorlat Programhoz (HEP), amelyhez gyakran hozzáadódik a motoros tanulás hatékonyságának csökkenése a gesztus pontosságára vonatkozó visszajelzések hiánya miatt. az a helyzet. kórházban vagy ambuláns környezetben, terapeuta felügyelete mellett történik.

Az emberi mozgással kapcsolatos adatok elemzésére szolgáló új számítástechnikai megközelítések olyan algoritmusok kifejlesztésére irányulnak, amelyek automatikusan felügyelik a páciens gesztusainak pontosságát az otthoni önkezelés során végzett gyakorlatok során, például a mesterséges intelligencián (AI) és a gépi tanuláson (ML) alapuló módszereket. , különösen a legújabb generációhoz tartozók, az úgynevezett al-szimbolikusok (vagy konnekcionisták) segíthetnek.

A legígéretesebb megközelítések közé tartozik. Tekintettel az Otthoni gyakorlatok program fontosságára a vállbetegségben, úgy döntöttek, hogy kiválasztják az ízületet érintő főbb patológiák által érintett betegek populációját.

A tanulmány fő célja egy olyan szoftver létrehozása és validálása, amely lehetővé teszi az ortopédiai patológiák utáni váll funkcionális helyreállítását szolgáló fő rehabilitációs gyakorlatok helyes végrehajtásának automatikus és szakértői elemzését.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Részletes leírás

A jelenlegi történelmi szakasz és a világban a rehabilitáció iránti növekvő igény a tele-rehabilitációs rendszereket és általában az e-Health-et alapvető eszközzé teszi a betegek elkötelezettségének és az ellátásnak való megfelelés növelésében, kulcsfontosságú elemeivé az NHS megőrzésének a kiadások felülvizsgálata szempontjából. és erőforrás-optimalizálás .

Különösen a rehabilitációs beteg átlagosan 30-50%-os adherenciával rendelkezik az Otthoni Gyakorlat Programhoz (HEP), amelyhez gyakran hozzáadódik a motoros tanulás hatékonyságának csökkenése a gesztus pontosságára vonatkozó visszajelzések hiánya miatt. kórházban vagy ambuláns környezetben, terapeuta felügyelete mellett történik.

Az emberi mozgással kapcsolatos adatok elemzésére szolgáló új számítástechnikai megközelítések, amelyek célja olyan algoritmusok kifejlesztése, amelyek automatikusan felügyelik a páciens gesztusainak pontosságát az otthoni önkezelés során, ezt az utolsó kritikus problémát próbálják megoldani.

A legígéretesebb megközelítések közé tartoznak a mesterséges intelligencián (AI) és a gépi tanuláson (ML) alapuló megközelítések, különösen a legújabb generációs, az úgynevezett szubszimbolikus (vagy konnekcionista) megközelítések.

Ezek az algoritmusok nagy érdeklődést keltenek azzal kapcsolatban, hogy képesek automatikusan kivonni a mozgás kiemelkedő tulajdonságait, csökkentve a szakértői beavatkozást az összes adat összegyűjtésébe, illetve a példák esetleges címkézésére (5) Mindenesetre a szakirodalom a klinikusok közvetlen bevonásával kidolgozott modellek hiányát és a betegpopulációkkal létrehozott adatkészletek szűkösségét mutatja.

Továbbá a szakirodalomban jelenlévő modellek többsége számos beviteli eszköz felhasználásával készült, gyakran magas technológiai rátával, jelentős költségekkel egy esetleges szolgáltatás beteg otthoni megvalósításához.

Ezen okok miatt szeretnénk létrehozni egy speciális klinikai adatkészletet, amely kizárólag a gyakorlatok videóiból indul ki, és patológiánként meghatározott populációkat von be, és klinikai megítélés alapján épül fel. Ezekkel a jellemzőkkel a projekt célja a mozgáselemzési folyamat lehető legnagyobb mértékű automatizálása, óriási mértékben csökkentve a technológiák használatából adódó költségeket és minimalizálva az emberi hibákat, mindezt a legújabb számítási megközelítések kihasználásával egy hasznos és alacsony fokú számítási módszer létrehozása érdekében. költségeszköz az otthoni funkcionális átneveléshez.

Tekintettel az Otthoni gyakorlatok program fontosságára a vállbetegségben, úgy döntöttek, hogy kiválasztják az ízületet érintő főbb patológiák által érintett betegek populációját.

A tanulmány fő célja egy olyan szoftver létrehozása és validálása, amely lehetővé teszi az ortopédiai patológiák utáni váll funkcionális helyreállítását szolgáló fő rehabilitációs gyakorlatok helyes végrehajtásának automatikus és szakértői elemzését.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

100

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

  • Név: Maria Grazia Benedetti, MD
  • Telefonszám: +390516366236
  • E-mail: benedetti@ior.it

Tanulmányi helyek

      • Bologna, Olaszország, 40136
        • Toborzás
        • IRCCS-Istituto Ortopedico Rizzoli
        • Kapcsolatba lépni:
          • Maria Grazia Benedetti, MD
          • Telefonszám: +39051 6366236
          • E-mail: benedetti@ior.it

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

18 év (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Igen

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A rotátor mandzsetta artroszkópos rekonstrukcióját követő betegek

Leírás

Bevételi kritériumok:

  • Egészséges tantárgyak csoportja:

    • 18 év feletti felnőtt betegek
    • Ismert vállpatológiájú betegek
  • Megoperált vállpatológiás alanyok csoportja

    • 18 év feletti felnőtt betegek
    • A vállat érintő ortopédiai kórképek, mint pl.: ín meszesedés ultrahangos perkután kezelésének eredményei, adhezív bursitis ultrahang-vezérelt leválásának kimenetele, proximális humerus törések kimenetele, rotátor mandzsetta javítása, lapocka behelyezhetőségi beavatkozásai.

Kizárási kritériumok:

  • Olyan betegek, akiknek kórtörténetében opioid kábítószer-függőség vagy kábítószerrel való visszaélés szerepel
  • A felső végtagokat érintő ortopédiai kórképekben szenvedő betegek egyértelműen kimutatható műtéti szövődmények esetén
  • Kognitív zavarokkal küzdő betegek (24/30-nál nagyobb vagy egyenlő MMSE Mini Mental State Examinantion).
  • A vizsgálatban való részvételt ellenjavallt súlyos anamnesztikus vagy aktuális neurológiai vagy pszichiátriai patológiákban, súlyos kardiopulmonális, máj- vagy vesepatológiákban szenvedő betegek.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Egészséges
Egészséges alanyok, vállpatológia nélkül
  1. A projekt első szakaszában 5 aktív vállmobilizációs gyakorlatból álló, megfelelő mozgásterjedelemű gyakorlatot tesztelnek a videófelvételhez szükséges összeállítás ellenőrzésére.
  2. A második fázisban a vállmozgásokat okostelefonnal rögzítjük.
  3. Kérdőívet használunk és adaptálunk, amely alapján értékeljük az egyes egészséges alanyok/betegek által végzett gyakorlatok helyességét. Ez a kérdőív egy Clinical Score-t (CS) biztosít, amely számszerű értéket rendel a páciens általános teljesítményéhez minden ismétlés esetén.
  4. Az egészséges alanyok/betegek által végzett gyakorlatok minden ismétléséről készült videót ezután két különböző klinikus értékeli, vakon, a kérdőív segítségével.
  5. A mesterséges intelligencia tanulási algoritmusa képes lesz olyan értékelési pontszámot kiadni, amelyet összevetnek a klinikusok által készített pontszámmal.
Rotátor mandzsetta szakad
A rotátor mandzsetta artroszkópos rekonstrukcióját követő betegek
  1. A projekt első szakaszában 5 aktív vállmobilizációs gyakorlatból álló, megfelelő mozgásterjedelemű gyakorlatot tesztelnek a videófelvételhez szükséges összeállítás ellenőrzésére.
  2. A második fázisban a vállmozgásokat okostelefonnal rögzítjük.
  3. Kérdőívet használunk és adaptálunk, amely alapján értékeljük az egyes egészséges alanyok/betegek által végzett gyakorlatok helyességét. Ez a kérdőív egy Clinical Score-t (CS) biztosít, amely számszerű értéket rendel a páciens általános teljesítményéhez minden ismétlés esetén.
  4. Az egészséges alanyok/betegek által végzett gyakorlatok minden ismétléséről készült videót ezután két különböző klinikus értékeli, vakon, a kérdőív segítségével.
  5. A mesterséges intelligencia tanulási algoritmusa képes lesz olyan értékelési pontszámot kiadni, amelyet összevetnek a klinikusok által készített pontszámmal.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A váll mozgásának helyessége
Időkeret: 12 hónap
A rendszer egy kérdőívet használ, amelyben a klinikus leírja a vállmozgás helyességét, és összehasonlítja a mesterséges intelligencia szoftver által adott hozzárendeléssel.
12 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Maria Grazia Benedetti, MD, Istituto Ortopedico Rizzoli

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2020. április 1.

Elsődleges befejezés (Becsült)

2024. szeptember 30.

A tanulmány befejezése (Becsült)

2024. szeptember 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2021. augusztus 27.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2021. augusztus 27.

Első közzététel (Tényleges)

2021. augusztus 30.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. március 27.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. március 25.

Utolsó ellenőrzés

2024. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • 0002017

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Klinikai vizsgálatok a Rotator Cuff Tears

Klinikai vizsgálatok a Patológiai gyakorlat

3
Iratkozz fel