Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Tillgängligt fjärrrehabiliteringssystem för realtids biomekanisk övervakning

15 maj 2026 uppdaterad av: Mississippi State University

Utveckling och klinisk validering av ett AI-baserat kamerasystem för realtids biomekanisk övervakning vid rehabilitering av övre extremiteten

Denna studie utvärderar ett nytt kamerabaserat system som är utformat för att stödja distansrehabilitering genom att mäta biomekanik i hand och övre extremitet i realtid. Många patienter som återhämtar sig från muskuloskeletala eller neurologiska tillstånd kräver frekvent övervakning under rehabiliteringen, men regelbundna klinikbesök kan vara svåra på grund av avstånd, kostnad eller begränsad tillgång till specialiserad vård. Nuvarande telehälsotillvägagångssätt förlitar sig vanligtvis på kvalitativa bedömningar eller självrapporterad feedback snarare än objektiva biomekaniska mätningar.

Syftet med denna studie är att fastställa om ett datorseendebaserat system kan uppskatta biomekaniska parametrar såsom ledvinklar, rörelseomfång, muskelkraft och ledmoment med endast en standardkamera. Systemet analyserar handrörelser med hjälp av artificiell intelligens och biomekanisk modellering för att tillhandahålla realtidsmätningar under rehabiliteringsövningar.

Deltagare kommer att utföra guidade handrörelseuppgifter medan systemet spelar in video och extraherar anatomiska landmärken. Dessa data kommer att användas för att beräkna biomekaniska parametrar och bedöma om systemet på ett tillförlitligt sätt kan övervaka rehabiliteringsframsteg på distans. Resultaten kommer att hjälpa till att fastställa om denna teknik kan ge kliniker objektiva, kontinuerliga data för att stödja personanpassad rehabilitering och förbättra patientresultat.

Studieöversikt

Detaljerad beskrivning

Denna studie syftar till att utveckla och validera en kamera-baserad telerehabiliteringsplattform som kan uppskatta biomekaniska parametrar för människans hand och övre extremitet i realtid. Muskuloskeletala och neurologiska tillstånd kräver ofta kontinuerlig övervakning under rehabilitering, men många patienter – särskilt de i landsbygdsområden eller regioner med otillräcklig vårdtäckning – har begränsad tillgång till frekventa personliga terapimöten. Befintliga telehälsosystem förlitar sig främst på subjektiva rapporter eller periodiska videokonsultationer och saknar ofta kvantitativa biomekaniska mätningar som är nödvändiga för exakt övervakning av återhämtning.

Målet med denna forskning är att utvärdera om datorseende och biomekanisk modellering kan tillhandahålla noggranna, kvantitativa mätningar av ledrörelser och krafter med hjälp av en enda kamera. Den centrala hypotesen är att artificiell intelligens-algoritmer kan detektera anatomiska landmärken på handen från videodata och kombinera dem med mekaniska modelleringstekniker för att uppskatta ledvinklar, vridmoment och muskelkrafter i realtid. Kontinuerlig biomekanisk spårning kan möjliggöra för kliniker att bättre övervaka rehabiliteringsframsteg och göra snabba justeringar av terapiprotokoll.

Deltagare kommer att utföra standardiserade handrörelseövningar medan videodata samlas in med en konsumentkamera som en smartphone eller laptopkamera. Datorseendealgoritmer kommer att identifiera handens landmärken och beräkna ledkinematik. Dessa mätningar kommer sedan att integreras med invers dynamisk modellering för att uppskatta biomekaniska parametrar inklusive ledvridmoment, rörelseomfång och kraftgenerering.

Studien kommer att utvärdera tillförlitligheten och validiteten hos det föreslagna systemet genom att jämföra de beräknade biomekaniska mätningarna med etablerade biomekaniska modeller och referensdatamängder. Nyckelresultat inkluderar noggrannheten i landmärkesdetektering, tillförlitligheten i uppskattning av biomekaniska parametrar och genomförbarheten av fjärrövervakning under rehabiliteringsövningar.

Framgångsrik slutförande av denna studie kommer att demonstrera genomförbarheten av en lågkostnads, tillgänglig telerehabiliteringsplattform som kan leverera objektiv biomekanisk feedback till kliniker och patienter. Detta tillvägagångssätt har potential att förbättra tillgången till rehabiliteringstjänster, öka patientengagemang och stödja datadriven klinisk beslutsfattning i distanssjukvårdsmiljöer.

Studietyp

Interventionell

Inskrivning (Beräknad)

40

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

    • Mississippi
      • Jackson, Mississippi, Förenta staterna, 39216
        • University of Mississippi Medical Center
        • Kontakt:
      • Starkville, Mississippi, Förenta staterna, 39759
        • Mississippi State University
        • Kontakt:
        • Huvudutredare:
          • Soroush Korivand, PhD

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Beskrivning

Inklusionskriterier:

  • Vuxna 18 år eller äldre.
  • Individer som genomgår eller återhämtar sig från rehabilitering av övre extremiteten eller handen efter muskel- eller nervskada eller operation.
  • Förmåga att utföra grundläggande hand- eller överkroppsrörelser som krävs för rehabiliteringsövningarna.
  • Förmåga att förstå studieinstruktioner och lämna informerat samtycke.

Exklusionskriterier:

  • Svår kognitiv nedsättning som förhindrar förståelse av studieprocedurer.
  • Medicinska tillstånd som förhindrar säker deltagande i hand- eller överkroppsrehabiliteringsövningar.
  • Svår synnedsättning som förhindrar interaktion med det kamerabaserade övervakningssystemet.
  • Deltagande i en annan interventionsstudie som kan påverka rehabiliteringsresultaten.

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Behandling
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Kamerabaserad biomekanisk övervakning (Intervention)
Deltagarna utför standardiserade hand-/överkroppsrehabiliteringsövningar medan ett AI-baserat kamerasystem uppskattar ledmoment, muskelkraft och rörelseomfång i realtid. Kliniker kan använda den biomekaniska återkopplingen för att vägleda rehabiliteringsjusteringar under den 6-veckors långa studieperioden.
Ett system med enkelkamera, datorseende och invers dynamisk modellering som uppskattar biomekaniska parametrar (ledvridningsmoment, muskelkraft och rörelseomfång) från videobaserad handlandmärksspårning under rehabiliteringsövningar.
Aktiv komparator: Standard Telehälsorehabilitering (Kontroll)
Deltagarna får standard telehälsorehabilitering med periodiska/veckovisa kontroller och vanlig vårdvägledning. Ingen realtidskamerabaserad biomekanisk övervakningsåterkoppling tillhandahålls.
Deltagarna utför standardrehabiliteringsövningar och får rutinmässig telehälsa-uppföljning med kliniker enligt sedvanliga vårdpraxis. Inget kamera-baserat biomekaniskt övervakningssystem används under rehabiliteringsprocessen.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet hos kamera-baserad beräkning av ledmoment
Tidsram: Baselinebedömningssession
Noggrannheten hos det AI-baserade kamerabaserade systemet för att uppskatta ledmoment under rehabiliteringsövningar jämfört med guldstandardmätningar med dynamometer. Noggrannheten kommer att utvärderas med medelabsolut procentuellt fel (MAPE) mellan uppskattade momentvärden och referensavläsningar från dynamometer.
Baselinebedömningssession
Korrelation mellan kamera-baserade och kliniska biomekaniska mätningar
Tidsram: Baseline assessment session
Överensstämmelse mellan biomekaniska parametrar som uppskattas av det kamera-baserade systemet och referenskliniska mätningar. Pearsons korrelationskoefficienter och Bland-Altman-analys kommer att användas för att utvärdera överensstämmelse mellan uppskattad ledvridmoment och guldstandardmätningar.
Baseline assessment session

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förbättring av greppstyrka
Tidsram: Baslinje, 3 veckor och 6 veckor
Förändring i handgreppstyrka mätt med en klinisk dynamometer under rehabiliteringsprogrammet.
Baslinje, 3 veckor och 6 veckor
Rörelseomfångsförbättring
Tidsram: Baslinje, 3 veckor och 6 veckor
Förändring i hand- och fingerrörlighet mätt med standard klinisk goniometri under rehabiliteringsperioden.
Baslinje, 3 veckor och 6 veckor
Funktionell Återhämtningstid
Tidsram: Upp till 6 veckor
Tid som krävs för deltagarna att återfå minst 80% av sin handfunktion före skadan baserat på kliniska funktionsbedömningar.
Upp till 6 veckor
Patientens följsamhet till rehabiliteringsövningar
Tidsram: Upp till 6 veckor
Deltagarnas följsamhet till föreskrivna rehabiliteringsövningar mätt genom genomförandegraden av tilldelade terapimöten under studietiden.
Upp till 6 veckor

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Beräknad)

1 juni 2026

Primärt slutförande (Beräknad)

14 mars 2027

Avslutad studie (Beräknad)

14 mars 2027

Studieregistreringsdatum

Först inskickad

5 mars 2026

Först inskickad som uppfyllde QC-kriterierna

19 mars 2026

Första postat (Faktisk)

25 mars 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

19 maj 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

15 maj 2026

Senast verifierad

1 maj 2026

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • MSU-UMMC-TELE-REHAB-001
  • U54GM115428 (U.S.S. NIH-anslag/kontrakt)

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

IPD-planbeskrivning

De-identifierade individuella deltagardata (IPD) från denna studie kan delas vid rimlig begäran efter studiens avslutning. Data som delas inkluderar härledda biomekaniska parametrar (t.ex. ledmoment, rörelseomfång), sammanfattande prestationsmått och tillhörande metadata som är nödvändig för tolkning.

Råvideodata kommer inte att delas på grund av potentiella identifierbarhetsproblem. All delad data kommer att de-identifieras i enlighet med institutionella policyer och IRB-krav.

Tillgång kommer att ges till kvalificerade forskare efter godkännande av ett dataanvändningsavtal och för ändamål som överensstämmer med de ursprungliga studieobjektiven.

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera