ИИ анализирует движения суставов у пациентов с ДЦП

В последние годы искусственный интеллект (ИИ) значительно изменил подходы к анализу движений, включая анализ ходьбы, что особенно важно для пациентов с церебральным параличом (ДЦП). Использование ИИ для анализа движений суставов стало важным направлением исследований. Исследование, проведенное группой ученых из Гейдельбергского университета и Турецко-немецкого университета, направлено на оценку возможностей ИИ в предсказании моментов суставов нижних конечностей во время ходьбы у данных пациентов.

ИИ в анализе движений суставов: новые возможности для понимания ДЦП

Модели ИИ в исследовании помогают лучше понимать движения и нарушения опорно-двигательной системы. Это стало возможно благодаря большим наборам данных и сложным алгоритмам. Авторы проанализировали данные 622 пациентов с ДЦП. Для анализа использовалась кинематика суставов и свёрточные нейронные сети.

ИИ стал ключевым аспектом работы по анализу движений суставов пациентов. Ученые определили клинически значимые пороги для суставов нижних конечностей. Они использовали цветовую кодировку: зеленый — приемлемо, желтый — осторожно, красный — неприемлемо. Это помогло оценить точность предсказаний, сопоставляя их с реальными лабораторными данными.

Результаты показали, что тазобедренный сустав получил 84% зеленых меток. Для голеностопного сустава этот показатель составил лишь 50%. Предсказания ИИ имеют разные уровни надежности в зависимости от сустава. Более тяжелые состояния пациентов связаны с увеличением числа красных меток. Это указывает на недостаточную точность предсказаний. Тем не менее, ИИ демонстрирует многообещающие результаты в анализе движений суставов.

Эффективность ИИ в клиническом анализе ходьбы: результаты и перспективы

Модель продемонстрировала свою эффективность, достигнув точности 85,2% и F-оценки 92% при предсказании зеленых меток для момента тазобедренного сустава. Это подчеркивает значимость применения ИИ в клиническом анализе ходьбы, несмотря на некоторые ограничения.

Сравнение предсказаний модели с реальными данными позволило исследователям выявить важные различия в значениях нормализованной среднеквадратичной ошибки (nRMSE) между различными категориями. Это открытие подчеркивает необходимость дальнейшего изучения и уточнения пороговых значений для клинического применения.

Несмотря на достижения, авторы подчеркивают, что многие модели ИИ все еще находятся на этапе исследований, и их внедрение в клиническую практику требует более глубокого анализа и валидации. В будущем необходимо будет провести дополнительные исследования, чтобы обеспечить надежность и точность предсказаний, что позволит улучшить качество жизни пациентов с ДЦП и других нарушениями движений.

Заключение

Таким образом, исследование открывает новые горизонты в применении ИИ для анализа движений и может стать важным шагом к интеграции новых технологий в повседневную медицинскую практику. Использование ИИ для анализа движений суставов предоставляет новые возможности для улучшения диагностики и лечения.

Источник: PLOS