Herstel van motorische vaardigheden met behulp van kunstmatige intelligentie en computervisie
Herstel van motorische functies door middel van software voor het vastleggen van ondersteunende bewegingen met behulp van kunstmatige intelligentie en computervisie
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
De vooruitgang op het gebied van kunstmatige intelligentie (AI)-technologieën en hun praktische toepassing op verschillende terreinen, met name in de geneeskunde, toont hun potentieel aan in oplossingen zoals geautomatiseerde diagnostische systemen, ongestructureerde herkenning van medische dossiers, begrip van natuurlijke taal, analyse en voorspelling van gebeurtenissen, informatieclassificatie, automatische patiëntherkenning. ondersteuning via chatbots en bewegingsanalyse via video. Momenteel worden er diverse op AI gebaseerde softwaresystemen ontwikkeld, ontworpen om intellectuele problemen op te lossen die vergelijkbaar zijn met het menselijk denken. De wijdverbreide toepassingen van AI omvatten voorspelling, evaluatie van digitale informatie (inclusief ongestructureerde gegevens) en patroonherkenning (datamining).
Te midden van de snelle vooruitgang op het gebied van diepgaand machinaal leren, met name op het gebied van beeld- en patroonherkenning, heeft medische beeldanalyse aan belang gewonnen binnen geautomatiseerde diagnostische systemen, met name in de stralingsdiagnostiek. Met de snelle groei van dit snelgroeiende veld is het samenstellen van medische datasets voor op AI gebaseerde training en validatie van diagnostische systemen van cruciaal belang.
Het succes van AI op het gebied van stralingsdiagnostiek en de erkenning ervan als veelbelovend binnen wetenschappelijke kringen maken de weg vrij voor videoanalyse en de integratie van machinaal leren in de medische revalidatiepraktijk. In samenwerking bedachten onderzoekers van het Federaal Medisch Onderzoekscentrum van de FMBA van Rusland en MTUCI een plan om gespecialiseerde algoritmen te ontwikkelen op basis van videobewegingsanalyse en machinaal leren voor patiënten met een beroerte die medische revalidatie ondergaan.
Deze algoritmen monitoren de bewegingen van patiënten en stellen hen onmiddellijk op de hoogte van afwijkingen, amplitudereducties of compensatiepatronen, waardoor ze hun bewegingen kunnen corrigeren. Alle sessiegegevens worden elektronisch gearchiveerd en zijn toegankelijk voor medische professionals die verantwoordelijk zijn voor geïndividualiseerde lesplannen. Dit maakt beoordeling van de voortgang van de patiënt en noodzakelijke aanpassingen aan het thuisrevalidatieprogramma mogelijk.
Het integreren van AI-gestuurde videoanalyse en machinaal leren in de medische revalidatie biedt grote mogelijkheden voor het verbeteren van de patiëntresultaten en het personaliseren van behandelstrategieën.
Studietype
Inschrijving (Geschat)
Fase
- Niet toepasbaar
Contacten en locaties
Studiecontact
- Naam: Danila Lobunko
- Telefoonnummer: +79091648192
- E-mail: doctorlobunko@gmail.com
Studie Contact Back-up
- Naam: Bogdan Ragulin
- Telefoonnummer: +79255053658
- E-mail: 5053658@gmail.com
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
Recente hemisferische beroerte (ischemisch of hemorragisch):
- Rankin-schaal: 3
- Binnen 6 maanden na een beroerte.
- Hemiparese van de bovenste ledematen met kracht ≤3 punten proximaal.
- Stijging van de spiertonus (≤3 punten) op de Ashford-schaal.
- Complexe gevoeligheid behouden per neuroonderzoek
Uitsluitingscriteria:
- Rankinschaal van 4 punten en hoger.
- 6 maanden of langer na een beroerte.
- Structurele veranderingen in de gewrichten van de bovenste ledematen die de gewrichtsmobiliteit beperken (contracturen, ankylose, metalen structuren die de mobiliteit beperken).
- Ernstig pijnsyndroom in het paretische bovenste lidmaat in rust of bij beweging, waardoor inspanning wordt verhinderd (7 punten of meer op de schaal).
- Grove cognitieve stoornissen, psycho-emotionele opwinding, tekenen van hysterie, pseudobulbair syndroom (gewelddadig lachen, huilen), afasische stoornissen die het begrip van de taak belemmeren.
- Visuele stoornissen die de perceptie van informatie verhinderen (verwaarlozing, hemianopie, bijziendheid, diplopie).
- Trombose van de aderen in de bovenste en onderste ledematen zonder tekenen van rekanalisatie, of arteriële trombose.
- Parkinsonisme en andere vormen van tremor.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Behandeling
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Dubbele
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Assisteer patiënten
Patiënten krijgen revalidatietraining met behulp van het AsistI-softwarepakket in combinatie met standaard revalidatie-interventies voor de bovenste ledematen.
|
Het AsistI-softwarepakket voor revalidatie omvat op maat gemaakte oefeningen voor de bovenste ledematen in een individueel programma.
Het regime bestaat uit 10-12 sessies van elk 30 minuten.
Patiënten voeren achtereenvolgens 10 oefeningen uit met hun niet-aangedane en aangedane ledematen, waaronder taken zoals het aanraken van de mond, het voorhoofd en de rompdelen met de handborstel, en amplitudebewegingen in de gewrichten van de bovenste ledematen.
AsistI beoordeelt de nauwkeurigheid van de oefening, voorkomt ongunstige patronen en registreert de behaalde doelstellingen, rekening houdend met snelheid, nauwkeurigheid en herhalingen.
|
|
Actieve vergelijker: Habilect-patiënten
Patiënten krijgen revalidatietraining met behulp van het Habilect software- en hardwarecomplex, naast de standaard revalidatie-interventies voor de bovenste ledematen.
|
Het Habilect-revalidatieprogramma omvat 10-12 sessies waarbij gebruik wordt gemaakt van software en hardware.
Patiënten voeren gedurende 30 minuten individueel oefeningen uit voor de bovenste ledematen, waarbij de nadruk ligt op specifieke bewegingen.
Ze herhalen 10 oefeningen, eerst met het gezonde ledemaat en daarna met het aangetaste ledemaat.
Taken omvatten het aanraken van de mond, het voorhoofd en de romp, samen met gewrichtsbewegingen zoals schouderflexie.
Habilect beoordeelt de nauwkeurigheid van de oefening, voorkomt verkeerde bewegingen en houdt de voortgang bij, rekening houdend met snelheid, nauwkeurigheid en herhalingen.
|
|
Geen tussenkomst: Patiënten met conventionele therapie
Patiënten zullen standaard revalidatie-interventies voor de bovenste ledematen ondergaan zonder gebruik te maken van aanvullende methoden.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Fugl-Meyer-beoordelingsschaal voor beoordeling van de bovenste ledematen (FMA-UE)
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
In dit onderzoek gebruiken we 36 items van de bovenarm (proximale musculatuur, FMA-UA), 24 items van pols en hand (distale musculatuur, FMA-W/H), 6 items van coördinatieaspecten, 12 items van aspecten van coördinatie van gevoel, 24 items van aspecten van passieve gewrichtsbeweging, 24 items van gewrichtspijn.
De maximale totaalscore op deze FMA-UE-schaal was dus 126 punten.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
De spierkracht werd beoordeeld met behulp van de MRC (Medical Research Council Weakness Scale)
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
MRC is een veelgebruikte schaal voor het beoordelen van spierkracht van graad 5 (normaal) tot graad 0 (geen zichtbare contractie).
Parese wordt gedefinieerd als licht bij naleving van sterkte 4 punten, matig - 3 punten, uitgesproken - 2 punten, ruw - 1 punt en met - 0 punten.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
De Action Research Arm-test (ARAT)
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Is een observatiemaatstaf van 19 items die door fysiotherapeuten en andere beroepsbeoefenaren in de gezondheidszorg wordt gebruikt om de prestaties van de bovenste ledematen (coördinatie, behendigheid en functioneren) te beoordelen bij herstel van een beroerte, hersenletsel en multiple sclerose-populaties.
Scores op de ARAT kunnen variëren van 0-57 punten, waarbij een maximale score van 57 punten betere prestaties aangeeft.
MCID is voorgesteld als 5,7 punten
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De bewegingssnelheid van het bovenste lidmaat
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Bewegingssnelheid van de bovenste ledematen: Tijd om het doel te bereiken (sec).
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
Nauwkeurigheid van uitgevoerde bewegingen
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Bewegingsnauwkeurigheid: Precisie bij het aanraken van geleide punten (hoeken).
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
Totaal aantal herhalingen
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Aantal herhalingen: aantal motorische pogingen voor het doel.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
De juistheid van de oefeningen
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Correctheid van de oefening: Aantal compenserende acties zoals het optillen van de schouder of het buigen van de romp.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
Het aantal voltooide oefeningen
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Aantal correcte herhalingen: Aantal pogingen zonder compensatie, bijvoorbeeld schouder- of rompbewegingen.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
|
Het aantal niet voltooide oefeningen
Tijdsspanne: Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Onjuist aantal herhalingen: Aantal pogingen met compenserende acties, bijvoorbeeld schouderlift of rompbuiging.
|
Verandering ten opzichte van de uitgangswaarde na 3 weken
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Studie stoel: Galina Ivanova, Prof, Federal Center of Cerebrovascular Pathology and Stroke, Russian Federation Ministry of Health
- Studie stoel: Michael Gorodnichev, Moscow Technical University of Communication and Informatics (MTUCI)
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- AssistI01
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .