Macchina della verità all'andatura: modello di intelligenza artificiale

La deambulazione è un processo autonomo che comporta cicli ripetitivi e avviene come risultato di movimenti ritmici alternati del tronco, degli arti superiori e inferiori e dello spostamento in avanti del centro di gravità sul piano sagittale. Le valutazioni dell'andatura nelle malattie locomotorie o nelle situazioni che influenzano i movimenti si basano sulla descrizione delle caratteristiche dell'andatura dell'individuo e sul confronto dei dati di riferimento di individui di età e sesso simili.

In alcuni casi, i pazienti non camminano con il loro schema di andatura reale, ma possono utilizzare l’imitazione di alcuni schemi patologici per aspettative finanziarie secondarie. Generalmente questo problema, che può verificarsi durante la determinazione del tasso di invalidità nel campo della medicina legale, viene effettuato per deviare deliberatamente la camminata della persona e ottenere un tasso di invalidità più elevato. Pertanto, potrebbero verificarsi guadagni compensativi ingiusti. Si prevede che ci sarà coerenza nei passi ripetitivi durante l'andatura abituale di una persona, tuttavia, questa coerenza tra i passi dovrebbe differire se si desidera imitare un'andatura. Se questo problema fornirà benefici soprattutto in termini di compensazione della disabilità, l’imitazione è difficile da comprendere e dimostrata con progetti metodologici sviluppati per l’analisi del cammino e l’analisi osservativa e spesso è inadeguata.

In studi recenti, le reti neurali profonde sono state utilizzate per studiare l'unicità dei modelli di andatura individuali apprendendo e classificando sistemi non lineari dai dati raccolti da più sensori. Risultati più positivi si ottengono con dati cinematici tridimensionali invece che con la sola relazione spazio-temporale bidimensionale, utilizzando le informazioni ottenute da molti sensori nell'analisi dell'andatura con immagini di profondità e unità di misura inerziali. Sulla base di ciò, nell'ambito dello studio, si mira a ottenere risultati più coerenti con l'uso di reti neurali ripetitive nei modelli di andatura e negli approcci di classificazione.

Nelle valutazioni cliniche è particolarmente importante che l'analisi e le caratteristiche efficaci dei modelli sviluppati con gli studi nel campo dell'intelligenza artificiale spiegabile presentino risultati chiari al decisore. L'unico studio che contiene somiglianze riguardo allo studio da condurre è l'uso dell'approccio di propagazione delle relazioni strato per strato per spiegare i modelli di cammino negli individui con metodi di apprendimento profondo. Nell'ambito di questo progetto, l'obiettivo era sviluppare un sistema di supporto alle decisioni per determinare le imitazioni del cammino di individui con approcci spiegabili di apprendimento automatico sulla compensazione della disabilità nel campo della medicina legale. In questo modo, indipendentemente dall'esperienza personale del valutatore e dal metodo, si garantirà che siano evitati compensi ingiusti o perdita dei diritti acquisiti con la camminata imitativa e si otterranno informazioni basate sull'evidenza a beneficio della giustizia nei processi giudiziari.

Lo studio darà un contributo significativo al campo e alla letteratura come il primo studio in cui viene utilizzato il modello di intelligenza artificiale nella determinazione delle imitazioni del cammino nel campo della medicina legale e che crea un sistema di supporto alle decisioni (macchina della verità sulla camminata) in questo campo. Le caratteristiche spaziotemporali e le valutazioni cinematiche dell'andatura nelle malattie che influenzano il movimento e negli individui sani sono spesso utilizzate nelle cliniche e nelle ricerche in medicina e nelle scienze della salute, ma questo progetto utilizza per la prima volta nel campo della medicina più dati sull'andatura in un sistema artificiale modello di intelligenza per distinguere le andature imitative. Con la creazione del modello di intelligenza artificiale, contribuirà agli studi accademici e alla formazione dei ricercatori per la definizione di modelli di andatura specifici per la malattia e la creazione di norme nelle fasi successive.