Confronto tra un programma di riabilitazione assistita dall'intelligenza artificiale per i disturbi muscoloscheletrici della spalla e il processo decisionale clinico dei terapisti

Le persone con disturbi muscoloscheletrici della spalla tra gli adulti di mezza età e gli anziani hanno il maggior bisogno di servizi di riabilitazione. La crescita della popolazione e l'invecchiamento della società aumentano successivamente il numero di persone disabili, i costi sanitari e le esigenze degli operatori sanitari. Esistono prove a sostegno dell'effetto benefico degli esercizi sulla funzione e sulla qualità della vita. Tradizionalmente, un programma di riabilitazione è progettato dai terapisti per ogni paziente a seconda delle sue condizioni. Negli ultimi anni, l'IA è sempre più impiegata nel campo della medicina fisica e riabilitativa, tuttavia, non vi sono studi sull'applicazione dell'IA nella previsione di programmi di riabilitazione per i disturbi muscoloscheletrici della spalla. Lo scopo principale di questo studio è esplorare le possibilità di utilizzare un approccio di apprendimento automatico supervisionato per prevedere i programmi di riabilitazione per i disturbi muscoloscheletrici della spalla. Vengono identificate ventitré caratteristiche in base all'ampiezza di movimento della spalla, al dolore, all'esecuzione o meno di un intervento chirurgico. Ogni esercizio è considerato come un'etichetta con un totale di venticinque esercizi. Il set di dati viene raccolto da terapisti clinici per sviluppare e addestrare il modello. Ogni paziente deve ricevere almeno due mesi di riabilitazione e due volte di valutazione. La regressione logistica, la macchina vettoriale di supporto e la foresta casuale vengono utilizzate per costruire il modello computazionale. Accuratezza, precisione, richiamo, punteggio F-1 e AUC vengono utilizzati per valutare le prestazioni del modello computazionale nell'apprendimento automatico. Dopo la formazione, confrontiamo la coerenza dei programmi di riabilitazione previsti utilizzando il modello di apprendimento automatico e il processo decisionale clinico dei terapisti.