Porównanie programu rehabilitacji wspomaganej sztuczną inteligencją w przypadku zaburzeń mięśniowo-szkieletowych barku i podejmowania decyzji klinicznych przez terapeutów

Największe zapotrzebowanie na usługi rehabilitacyjne mają osoby ze schorzeniami układu mięśniowo-szkieletowego barku w wieku średnim i starszym. Wzrost liczby ludności i starzenie się społeczeństwa w konsekwencji zwiększają liczbę osób niepełnosprawnych, koszty opieki zdrowotnej i zapotrzebowanie na pracowników służby zdrowia. Istnieją dowody potwierdzające korzystny wpływ ćwiczeń na funkcjonowanie i jakość życia. Tradycyjnie program rehabilitacji jest opracowywany przez terapeutów dla każdego pacjenta w zależności od jego warunków. W ostatnich latach sztuczna inteligencja jest coraz częściej wykorzystywana w medycynie fizykalnej i rehabilitacji, jednak nie ma badań dotyczących zastosowania sztucznej inteligencji w przewidywaniu programów rehabilitacji w przypadku schorzeń układu mięśniowo-szkieletowego barku. Głównym celem tego badania jest zbadanie możliwości wykorzystania nadzorowanego uczenia maszynowego do przewidywania programów rehabilitacji w przypadku zaburzeń mięśniowo-szkieletowych barku. Dwadzieścia trzy cechy są identyfikowane na podstawie zakresu ruchu barku, bólu, niezależnie od tego, czy wykonano zabieg chirurgiczny. Każde ćwiczenie jest traktowane jako etykieta z łącznie dwudziestoma pięcioma ćwiczeniami. Zbiór danych jest zbierany przez terapeutów klinicznych w celu opracowania i szkolenia modelu. Każdy pacjent musi przejść co najmniej dwumiesięczną rehabilitację i dwa razy na badania. Do budowy modelu obliczeniowego wykorzystano regresję logistyczną, maszynę wektorów nośnych i las losowy. Dokładność, precyzja, pamięć, wynik F-1 i AUC są wykorzystywane do oceny wydajności modelu obliczeniowego w uczeniu maszynowym. Po szkoleniu porównujemy spójność programów rehabilitacyjnych przewidywanych za pomocą modelu uczenia maszynowego oraz podejmowania decyzji klinicznych przez terapeutów.