Как ИИ может помочь определить, правильно ли пациент выполняет упражнения

Новое исследование, опубликованное в журнале Scientific Reports, показывает, что эту проблему в будущем могут помочь решить искусственный интеллект и поверхностная электромиография (ЭМГ).

Почему правильная техника так важна

После операций, травм и заболеваний опорно-двигательного аппарата пациенту недостаточно просто выполнять рекомендуемые упражнения. Важно делать это правильно: если движение становится компенсаторным, мышцы начинают работать иначе, а нагрузка распределяется неверно.

Даже небольшие ошибки при выполнении упражнений могут замедлить восстановление. Дома заметить такие ошибки некому, поэтому нужны инструменты, которые смогут автоматически оценивать качество движений и подсказывать пациенту, когда технику нужно скорректировать.

Почему обычных датчиков недостаточно

Сегодня для контроля домашних тренировок используют датчики IMU, сенсоры и камеры, которые анализируют движения пациента. Но большинство таких систем оценивают только то, как движение выглядит со стороны.

Слева: снимок, сделанный во время исследования, на котором видно расположение датчиков на латеральной и медиальной широких мышцах бедра. Справа: иллюстрация, созданная с помощью OpenSim.

Авторы исследования предложили другой подход — оценивать не само движение, а работу мышц во время упражнения. Для этого использовали поверхностную электромиографию. Если мышцы начинают работать неправильно, система помогает обнаружить ошибку еще до того, как она станет заметна внешне.

Как проводилось исследование

В исследовании приняли участие 19 добровольцев. Каждый участник выполнял четыре упражнения, которые часто входят в программы ортопедической реабилитации:

• перекаты с пятки на носок;
• приседания;
• отведение ноги в сторону;
• подъем прямой ноги лежа.

Один из участников выполняет упражнения. Синие точки на кадрах являются артефактами интерфейса программы для записи и не относятся к кинематическому анализу или методологии.

Для каждого упражнения эксперты заранее определили один вариант правильного выполнения и три безопасные, но намеренно неправильные вариации. Например, приседания выполнялись недостаточно глубоко, слишком глубоко или с переносом веса на носки.

Всего было выполнено 3040 упражнений и получено 194 560 электромиографических записей с мышц бедра. Использовалась поверхностная ЭМГ с 32 электродами, а каждое упражнение дополнительно проверяли по видеозаписи два независимых эксперта.

Как искусственный интеллект анализировал упражнения

После регистрации ЭМГ алгоритмы машинного обучения анализировали характер работы мышц. Исследователи проверили два сценария.

Когда алгоритм знал, какие ошибки бывают

Сначала системе показали примеры правильного выполнения упражнений и разных ошибок. После обучения она должна была определить, как выполнено новое упражнение. Точность распознавания составила 83,3% (±8,8%). Если системе нужно было ответить только на один вопрос — упражнение выполнено правильно или нет, точность превышала 90%.

Когда алгоритм видел только правильные упражнения

Во втором сценарии алгоритм обучали только на правильно выполненных упражнениях. После этого система самостоятельно определяла, отличается ли новое выполнение от нормы. В этом режиме точность составила 76,6% (±5,9%).

Такой подход особенно важен для клинической практики: заранее предусмотреть все возможные ошибки пациента практически невозможно.

Схема работы системы: пациент выполняет упражнения под контролем специалиста, правильное выполнение используется для обучения модели ИИ, затем система анализирует домашние тренировки и помогает соблюдать технику.

Почему это важно для медицинской реабилитации

Авторы считают, что подобные технологии могут стать основой интеллектуальных домашних систем реабилитации. Пациент сможет выполнять упражнения самостоятельно, а система будет автоматически:

• анализировать работу мышц;
• замечать ошибки при выполнении упражнений;
• подсказывать, что нужно исправить;
• рекомендовать повторить упражнение;
• передавать информацию специалисту по реабилитации.

Это поможет сохранить качество домашних тренировок и сделать реабилитацию более эффективной даже между визитами в клинику.

Есть ли ограничения

Да, и сами авторы исследования это отмечают. Систему протестировали только на здоровых добровольцах, в лабораторных условиях и с использованием специального оборудования для регистрации ЭМГ, которое пока сложно применять дома.

Кроме того, реальная клиническая практика гораздо разнообразнее: пациенты совершают множество специфических ошибок, которые невозможно заранее смоделировать. Поэтому следующим этапом должны стать исследования с пациентами и использование более компактных и доступных сенсорных систем.

Вывод

Современная реабилитация постепенно переходит от простой регистрации количества выполненных упражнений к объективной оценке качества движений. Подобные исследования показывают, что ИИ способен анализировать не только внешнюю механику движений, но и особенности работы мышц.

В будущем такие технологии могут стать частью цифровых реабилитационных платформ, где данные с ЭМГ будут сочетаться с роботизированной терапией, системами биологической обратной связи, датчиками движения и объективной оценкой результатов лечения.

Источник: nature.com