Nonostante gli avanzamenti tecnologici delle protesi disponibili sul mercato, la letteratura sottolinea come i pazienti con amputazione di un arto inferiore tendano a ridurre l’attività fisica, con conseguenze sia sul piano della salute sia su quello delle relazioni sociali.
Anche le più moderne protesi, infatti, richiedono spesso al paziente un alto uso di energia, portando un affaticamento che può divenire una barriera.
È possibile, però, che con percorsi riabilitativi ultra personalizzati si possano ottenere esiti migliori per il paziente amputato.
In questo contesto uno studio di fattibilità canadese ha suggerito un modo per studiare nel dettaglio la dinamica del passo di un paziente amputato, per sviluppare poi un percorso riabilitativo specifico. Il metodo si basa sull’uso di sensori indossabili capaci di fornire indicazioni del passo in continuo.
Più nel dettaglio, gli autori hanno deciso di affidarsi a un singolo sensore inerziale per misurare i cambiamenti nella velocità angolare del paziente, con l’intento di sviluppare un sistema indossabile di valutazione del passo che sia al tempo stesso semplice e conveniente. In aggiunta, il lavoro si concentra su una popolazione pediatrica, di età media 13 anni.
In tutto sono 5 i pazienti coinvolti, volutamente disomogenei: un amputato transtibiale bilaterale, un amputato transtibiale unilaterale, due casi di rotationplasty di Van-Nes e un paziente con un tutore ortopedico bloccato fissato all’anca per gestire un arto corto.
Gli autori hanno poi arruolato 5 soggetti sani per avere un riferimento di controllo. I soggetti sono stati sottoposti ad analisi del passo prima, durante, subito dopo e a 10 minuti dalla fine di una seduta di fisioterapia della durata di 45-60 minuti: il sistema utilizzato prevede 8 sensori indossabili capaci di registrare dati relativi alla velocità angolare e l’accelerazione del paziente, ma gli autori hanno poi utilizzato solo i dati relativi a un singolo giroscopio, come anticipato.
I soggetti sani hanno seguito lo stesso protocollo, con una sola differenza: la sessione riabilitativa è stata sostituita con una camminata di 30 minuti. I dati di ogni singolo partecipante sono stati quindi analizzati con un algoritmo di machine learning appositamente sviluppato per individuare differenze nel passo prima e dopo la sessione riabilitativa. 4 dei 5 pazienti inclusi nello studio hanno ottenuto significativi cambiamenti nel passo a seguito della riabilitazione e il modello costruito è stato quasi sempre capace di classificarli con una accuratezza uguale o superiore al 90%.
Ciò offre le basi per proseguire con la ricerca e lo sviluppo di un modello adeguato. Il lavoro è stato condotto dall’Istituto di Ingegneria Biomedica dell’Università di Toronto e dal Bloorview Research Institute (BRI) del Holland Bloorview Kids Rehabilitation Hospital di Toronto.
(Lo studio: Ng G, Andrysek J. Classifying Changes in Amputee Gait following Physiotherapy Using Machine Learning and Continuous Inertial Sensor Signals. Sensors (Basel). 2023 Jan 27;23(3):1412. doi: 10.3390/s23031412. PMID: 36772451; PMCID: PMC9921298)
Stefania Somaré
