Konstruksjon av et AI-system for automatisk overvåking av skulderrehabiliteringsøvelser (Rehab-SPIA) (Rehab-SPIA)

Den nåværende historiske fasen og det økende behovet for rehabilitering i verden gjør telerehabiliteringssystemer og e-helse generelt til grunnleggende verktøy for å øke pasientengasjement og etterlevelse av omsorg, avgjørende elementer for bevaring av NHS fra en utgiftsgjennomgang. og ressursoptimalisering.

Spesielt har rehabiliteringspasienten i gjennomsnitt en etterlevelse av hjemmetreningsprogrammet (HEP) mellom 30-50 %, som ofte legges til en redusert effektivitet av motorisk læring på grunn av manglende tilbakemelding på nøyaktigheten av gesten, som det skjer på sykehuset eller poliklinisk under tilsyn av en terapeut.

De nye beregningsmessige tilnærmingene for analyse av data om menneskelig bevegelse, rettet mot utviklingen av algoritmer for automatisk å overvåke nøyaktigheten av pasientens gest under utøvelse av hjemmebehandling, forsøker å løse dette siste kritiske problemet.

Blant de mest lovende tilnærmingene er de som er basert på kunstig intelligens (AI) og maskinlæring (ML), spesielt de fra den siste generasjonen, kalt sub-symbolsk (eller konneksjonist).

Disse algoritmene vekker stor interesse for deres evne til automatisk å trekke ut de fremtredende egenskapene til bevegelsen, og reduserer intervensjonen fra eksperter til innsamlingen av alle dataene og mulig merking av eksemplene (5) I alle fall, litteraturen viser mangel på modeller utviklet med direkte involvering av klinikere og mangel på datasett opprettet med pasientpopulasjoner.

Videre er de fleste modellene som finnes i litteraturen laget ved hjelp av en rekke inndataenheter, ofte med høy teknologisk rate med betydelige kostnader for å implementere en eventuell tjeneste hjemme hos pasienten.

Av disse grunnene ønsker vi å lage et spesialist klinisk datasett, med utgangspunkt i videoene av øvelsene, som involverer spesifikke populasjoner etter patologi og bygget på grunnlag av klinisk vurdering. Med disse egenskapene har dette prosjektet som mål å automatisere bevegelsesanalyseprosessen så mye som mulig, enormt redusere kostnadene ved bruk av teknologier og minimere menneskelige feil, alt ved å utnytte de nyeste beregningsmetodene for å skape en nyttig og lav- kostnadsverktøy for funksjonell omskolering i hjemmet.

Gitt viktigheten av hjemmetreningsprogrammet ved skuldersykdom, ble det besluttet å velge en populasjon av pasienter som var berørt av hovedpatologiene som påvirker dette leddet.

Hovedmålet med studien er å lage og validere et programvareverktøy for automatisk og ekspertanalyse av riktig utførelse av hovedrehabiliteringsøvelsene for funksjonell gjenoppretting av skulderen etter ortopediske patologier.