Validatie en haalbaarheid in de klinische praktijk en concordantie van een geautomatiseerd systeem dat een RGB-D-camera en software op basis van kunstmatige intelligentie koppelt voor het meten van het bewegingsbereik van de schouder voor patiënten die worden geopereerd aan een totale omgekeerde schouderprothese.

De functionele evaluatie van de schouder, het meest mobiele gewricht in het menselijk lichaam, is een complex klinisch onderzoek om uit te voeren. De mobiliteit van de schouder is gebaseerd op een driedimensionale mobiliteitskegel, die moeilijk is weer te geven en te meten. Een nauwkeurige en betrouwbare meting van de gewrichtsamplitude van de schouder is echter van fundamenteel belang voor de functionele evaluatie ervan. Deze metingen dragen inderdaad bij tot het bepalen van de globale managementstrategie van de patiënt en de opvolging van zijn evolutie.

De conventionele methode voor het meten van schoudergewrichtamplitudes omvat het gebruik van een goniometer. Desalniettemin wordt visuele schatting het meest gebruikt in overleg, maar wordt beperkt door het zeer examinatorafhankelijke karakter.

Technologische vooruitgang heeft de ontwikkeling en inzet van aanvullende hulpmiddelen in de klinische setting mogelijk gemaakt, met als doel het vereenvoudigen, verminderen van meetafwijkingen en het standaardiseren van meettechnieken voor het gezamenlijke bewegingsbereik (ROM).

Ons team heeft onlangs een studie gepubliceerd om het gebruik van een gezamenlijk ROM-meetsysteem te valideren, waarbij een RGB-D-sensor (Rood Groen Blauw - Diepte) en een algoritme voor kunstmatige intelligentie (AI) worden gekoppeld, bij proefpersonen zonder schoudergeschiedenis. De RGB-D-camera is een technologisch hulpmiddel in hoge ontwikkeling en lage kosten. Het bestaat uit twee sensoren, een infraroodprojector en een RGB-module. De camera geeft tegelijkertijd een tweedimensionaal (2D) beeld en zijn omgeving weer door een kleurenstroom te creëren met behulp van infraroodtechnologie in combinatie met een dieptekaart die de afstand tot objecten in het beeld karakteriseert. Het AI-algoritme detecteert vervolgens automatisch een 2D-skelet dat de belangrijkste gewrichten van de bovenste ledematen (schouder, elleboog, pols) en de rompas identificeert. Vervolgens wordt de interessehoek gemeten en wordt elke mobiliteit automatisch in 3D gemeten door het algoritme.

Het hoofddoel van de studie is het valideren en demonstreren van de haalbaarheid in de klinische praktijk en de concordantie van een geautomatiseerd RGB-D + AI-systeem voor het meten van schoudergewricht-ROM's van patiënten die een omgekeerde totale schoudervervangende operatie hebben ondergaan. Deze metingen worden vergeleken met de visuele methode en de goniometer, dit zijn metingen die in de reguliere zorg worden gedaan. De ROM-metingen verkregen door middel van het RGB-D + AI-systeem zullen worden vergeleken met die verkregen in de klinische praktijk tijdens het jaarlijkse controlebezoek in de normale zorgroutine. Het belangrijkste evaluatiecriterium is de meting van de gewrichtsamplitude gemeten in graden [°]. De ROM's die worden gemeten, zijn die welke normaal in de klinische praktijk worden beoordeeld: abductie-adductie, flexie-extensie en ex-interne rotatie elleboog naar lichaam of op 90°.

Deze studie is ook gericht op het observeren en vergelijken van de postoperatieve gewrichtsbewegingsbewegingsmetingen geschat in de preoperatieve planningsfase door de Blue-Print-software met de daadwerkelijke postoperatieve ROM gemeten met het RGB-D + AI-systeem.

De studie is observerend. De verwerking van de verzamelde gegevens voorziet niet in enige tussenkomst bij de patiënt of wijziging van de keuze van de chirurg met betrekking tot het beheer van de patiënt. Het is inderdaad een RNIPH (Recherche non impliquant la personne humaine).