Как сделать так, чтобы данные одного курса реабилитации помогали планировать следующий?

Во время реабилитации ежедневно собирается большое количество данных: параметры ходьбы, длина и симметрия шага, скорость движения, активность мышц, результаты тренировок на роботизированных комплексах и другие показатели. Искусственный интеллект может помочь превратить эти данные в инструмент для принятия клинических решений.

Почему одного диагноза уже недостаточно?

Представим трех пациентов после инсульта. У всех одинаковый диагноз, одинаковый возраст и схожий срок после заболевания. Но один делает короткий осторожный шаг из-за слабости мышц, второй переносит вес на здоровую ногу и компенсирует движение тазом, а третий сохраняет хорошую силу, но испытывает выраженные нарушения координации.

Если ориентироваться только на диагноз, все трое могут получить похожую программу восстановления. Но с точки зрения биомеханики это совершенно разные пациенты. Именно поэтому все больше внимания уделяется функциональному фенотипированию — классификации пациентов по особенностям их движений.

Как искусственный интеллект анализирует движения?

Ученые из Shirley Ryan AbilityLab совместно с коллегами разработали систему, которая анализирует данные носимых инерциальных датчиков и автоматически определяет двигательные фенотипы пациентов с различными неврологическими заболеваниями.

В исследовании приняли участие 81 человек: пациенты после инсульта, пациенты с болезнью Паркинсона, люди с функциональными неврологическими нарушениями, пациенты с нарушениями функций нижних конечностей и здоровые добровольцы.

Во время ходьбы участники носили инерциальные датчики, фиксирующие параметры движения. Полученные данные анализировались не только классическими статистическими методами, но и с помощью топологического анализа данных (Topological Data Analysis, TDA) — алгоритма, способного находить скрытые закономерности в сложных массивах информации.

Вместо диагнозов — карта движений

Алгоритм не просто разделил пациентов по заболеваниям. Он построил единую «карту движений», где люди группировались по сходству походки независимо от диагноза.

Например, среди пациентов после инсульта искусственный интеллект выделил три устойчивых фенотипа: выраженные нарушения ходьбы, умеренные нарушения и относительно сохраненную функцию. Такое разделение хорошо совпало с клиническими шкалами оценки состояния.

Для болезни Паркинсона ИИ обнаружил более плавный переход между различными уровнями нарушений. А пациенты с травмами и патологиями нижних конечностей распределились между группами неврологических заболеваний: некоторые особенности их походки оказались ближе к паттернам при инсульте, другие — к болезни Паркинсона.

То есть искусственный интеллект классифицировал не заболевание, а характер движений пациента. Такая информация может быть полезна при планировании каждого следующего этапа реабилитации.

Как данные каждой тренировки помогают планировать следующую?

Обычно после курса реабилитации врач оценивает пациента по клиническим шкалам и собственным наблюдениям. Но если после каждой тренировки роботизированная система автоматически сохраняет параметры походки, симметрию шага, скорость ходьбы, объем движений, уровень поддержки и данные биологической обратной связи, эти сведения можно использовать не только для отчета, но и для корректировки дальнейшей программы.

Алгоритмы ИИ могут помогать адаптировать уровень помощи экзоскелета или робота в реальном времени под текущие возможности человека, а также анализировать динамику от сессии к сессии.

Это позволит врачу точнее определить, действительно ли пациент прогрессирует, какие нарушения начинают сглаживаться, на каком этапе восстановление замедлилось, какие компенсаторные движения становятся устойчивыми и какая стратегия реабилитации может оказаться наиболее эффективной дальше.

Фактически данные предыдущих тренировок начинают работать на непрерывное планирование следующих.

От оценки результатов — к прогнозированию восстановления

Еще одно перспективное направление — использование ИИ для прогнозирования дальнейшего прогресса. Современные модели способны анализировать накопленные данные и оценивать вероятность достижения конкретных функциональных целей при различных вариантах терапии.

Пока подобные решения находятся на этапе активных исследований, однако именно они рассматриваются как ключевой элемент развития персонализированной медицинской реабилитации. В перспективе врач сможет сравнить несколько сценариев лечения и заранее выбрать тот, который с наибольшей вероятностью принесет максимальную пользу.

Как ИИ помогает врачу уже сегодня?

Современные роботизированные комплексы уже сегодня регистрируют множество объективных параметров каждой тренировки: количество выполненных шагов, длину и симметрию шага, распределение нагрузки, участие пациента и уровень роботизированной поддержки. Например, встроенное ПО таких систем, как Lokomat, C-Mill и Tyrostation, уже включает специализированные модули для углубленного биомеханического анализа ходьбы и движений, позволяя отслеживать динамику восстановления в режиме реального времени на основе объективных цифровых маркеров.

Программное обеспечение позволяет выгружать историю тренировок для последующего анализа. Сегодня эти данные чаще используются для оценки уже проведенного занятия, но следующий этап — автоматическое формирование рекомендаций по коррекции курса терапии.

LokomatPro — роботизированный комплекс для локомоторной терапии и восстановления навыков ходьбы с автоматическим управлением движениями.

Код вида: 147370 || Система реабилитационная с беговым тренажером с автоматическим управлением. Подходит под приказы 788н и 878н.

C-Mill VR+ — реабилитационный комплекс для анализа и коррекции нарушений ходьбы и координации движений с помощью расширенной виртуальной реальности.

Код вида: 147360 || Дорожка беговая стандартная с электропитанием. Подходит под приказы 788н и 878н.

Tyrostation — реабилитационный комплекс для силового контроля, анализа диапазона движений и терапии с применением систем Tymo и Pablo.

Код вида: 324120 || Система реабилитации виртуальная, без поддержки, клиническая. Подходит под приказы 788н и 878н.

Будущее реабилитации: данные становятся частью терапии

Персонализированная реабилитация начинается не с новых роботов, а с глубокого понимания механики конкретного человека. ИИ позволяет увидеть скрытые закономерности, которые невозможно обнаружить при обычном визуальном или базовом статистическом анализе.

Именно поэтому следующим шагом будет переход от простой фиксации данных к их осмысленному использованию. Когда результаты каждого проведенного занятия помогают точнее спланировать следующее, реабилитация становится более непрерывной, адресной и эффективной.

Источник: nature.com, arxiv.org