Sammenligning av et kunstig intelligens-assistert rehabiliteringsprogram for skuldermuskuloskeletale lidelser og terapeuters kliniske beslutningstaking

Personer med skulder- og skjelettplager blant middelaldrende og eldre voksne har størst behov for rehabiliteringstjenester. Befolkningsveksten og aldrende samfunn øker deretter antallet funksjonshemmede, helsekostnadene og behovet for helsepersonell. Det finnes bevis for å støtte den gunstige effekten av øvelser på funksjon og livskvalitet. Tradisjonelt er et rehabiliteringsprogram designet av terapeuter for hver pasient avhengig av deres tilstand. De siste årene har AI i økende grad blitt ansatt innen fysikalsk og rehabiliteringsmedisin, men det er ingen studie av bruk av AI for å forutsi rehabiliteringsprogrammer for muskel- og skjelettlidelser i skulderen. Hovedformålet med denne studien er å utforske mulighetene for å bruke overvåket maskinlæringsmetode for å forutsi rehabiliteringsprogrammer for muskel- og skjelettlidelser i skulderen. Tjuetre funksjoner er identifisert basert på skulderbevegelse, smerte, om du utfører kirurgisk prosedyre eller ikke. Hver øvelse betraktes som en etikett med totalt tjuefem øvelser. Datasett samles inn av kliniske terapeuter for å utvikle og trene modellen. Hver pasient må ha minst to måneders rehabilitering og to ganger evaluering. Logistisk regresjon, støttevektormaskin og tilfeldig skog brukes til å bygge beregningsmodellen. Nøyaktighet, presisjon, tilbakekalling, F-1-score og AUC brukes til å evaluere ytelsen til beregningsmodellen i maskinlæring. Etter opplæring sammenligner vi konsistensen av rehabiliteringsprogrammer forutsagt ved å bruke maskinlæringsmodellen og terapeuters kliniske beslutningstaking.