Constructie van een AI-systeem voor automatisch toezicht op schouderrevalidatie-oefeningen (Rehab-SPIA) (Rehab-SPIA)

De huidige historische fase en de groeiende behoefte aan revalidatie in de wereld maken tele-revalidatiesystemen, en e-Health in het algemeen, tot fundamentele hulpmiddelen voor het vergroten van de betrokkenheid van de patiënt en de naleving van de zorg, cruciale elementen voor het behoud van de NHS vanuit een perspectief van uitgavencontrole en resource optimalisatie.

In het bijzonder heeft de revalidatiepatiënt gemiddeld 30-50% therapietrouw aan het Home Exercise Program (HEP), waaraan vaak een verminderde effectiviteit van motorisch leren wordt toegevoegd vanwege het ontbreken van feedback over de nauwkeurigheid van het gebaar, aangezien het gebeurt in het ziekenhuis of poliklinisch onder toezicht van een therapeut.

De nieuwe computationele benaderingen voor de analyse van gegevens over menselijke bewegingen, gericht op de ontwikkeling van algoritmen om automatisch de nauwkeurigheid van het gebaar van de patiënt te controleren tijdens het uitvoeren van zelfbehandeling thuis, proberen dit laatste kritieke probleem op te lossen.

Tot de meest veelbelovende benaderingen behoren die op basis van kunstmatige intelligentie (AI) en machine learning (ML), met name die van de nieuwste generatie, subsymbolisch (of connectionistisch) genoemd.

Deze algoritmen wekken veel belangstelling vanwege hun vermogen om automatisch de meest opvallende eigenschappen van de beweging te extraheren, waardoor de tussenkomst van experts wordt beperkt tot het verzamelen van alle gegevens en tot het eventueel labelen van de voorbeelden (5). toont een gebrek aan modellen die zijn ontwikkeld met de directe betrokkenheid van clinici en een schaarste aan datasets die zijn gemaakt met patiëntenpopulaties.

Bovendien zijn de meeste modellen in de literatuur gemaakt met behulp van talrijke invoerapparaten, vaak met een hoog technologisch tempo en aanzienlijke kosten voor het implementeren van een mogelijke dienst bij de patiënt thuis.

Om deze redenen willen we een gespecialiseerde klinische dataset creëren, enkel uitgaande van de video's van de oefeningen, waarbij specifieke populaties per pathologie worden betrokken en gebouwd op basis van klinisch oordeel. Met deze kenmerken heeft dit project tot doel het bewegingsanalyseproces zoveel mogelijk te automatiseren, de kosten die voortvloeien uit het gebruik van technologieën enorm te verlagen en menselijke fouten tot een minimum te beperken, allemaal door gebruik te maken van de meest recente computationele benaderingen om een ​​bruikbare en lage- kostentool voor functionele heropvoeding aan huis.

Gezien het belang van het Home Exercise Program bij schouderaandoeningen, werd besloten om een ​​populatie van patiënten te selecteren die getroffen zijn door de belangrijkste pathologieën die dit gewricht aantasten.

Het hoofddoel van de studie is het creëren en valideren van een softwaretool voor de automatische en deskundige analyse van de correcte uitvoering van de belangrijkste revalidatieoefeningen voor het functioneel herstel van de schouder na orthopedische pathologieën.