Jämförelse av ett artificiell intelligensassisterat rehabiliteringsprogram för axelmuskuloskeletala sjukdomar och terapeuters kliniska beslutsfattande

Personer med sjukdomar i axel- och rörelseorganen bland medelålders och äldre vuxna har störst behov av rehabiliteringstjänster. Befolkningstillväxten och det åldrande samhället ökar därefter antalet funktionshindrade, sjukvårdskostnaderna och behovet av vårdpersonal. Bevisen finns för att stödja den gynnsamma effekten av träning på funktion och livskvalitet. Traditionellt utformas ett rehabiliteringsprogram av terapeuter för varje patient beroende på deras tillstånd. Under de senaste åren har AI i allt större utsträckning använts inom området fysikalisk och rehabiliteringsmedicin, men det finns ingen studie av att tillämpa AI för att förutsäga rehabiliteringsprogram för axelmuskuloskeletala sjukdomar. Huvudsyftet med denna studie är att utforska möjligheterna att använda övervakad maskininlärning för att förutsäga rehabiliteringsprogram för axelmuskuloskeletala sjukdomar. Tjugotre funktioner identifieras baserat på axelns rörelseomfång, smärta, om man utför kirurgiskt ingrepp eller inte. Varje övning betraktas som en etikett med totalt tjugofem övningar. Dataset samlas in av kliniska terapeuter för att utveckla och träna modellen. Varje patient måste få minst två månaders rehabilitering och två gångers utvärdering. Logistisk regression, stödvektormaskin och slumpmässig skog används för att bygga beräkningsmodellen. Noggrannhet, precision, återkallelse, F-1-poäng och AUC används för att utvärdera prestandan hos beräkningsmodellen i maskininlärning. Efter utbildning jämför vi konsistensen av rehabiliteringsprogram som förutspåtts med hjälp av en maskininlärningsmodell och terapeuters kliniska beslutsfattande.