CNR-ICAR, intelligenza artificiale valuta errori nell’esecuzione di un esercizio

258

La tecnologia si presta per l’implementazione nei percorsi riabilitativi domiciliari, per offrire al paziente indicazioni di miglioramento e possibilità di migliorare i propri esiti.

Con l’aumento della richiesta da parte di una popolazione sempre più anziana e la necessità, da parte dei sistemi sanitari, di ridurre le spese e rendere la presa in carico del paziente sempre più sostenibile, è prevedibile che i percorsi riabilitativi saranno sempre più gestiti da remoto.

Concorre a questo sviluppo la tecnologia, ormai pronta per supportare il paziente nelle proprie sessioni riabilitative. Tante le opportunità già presenti sul mercato: dalle piattaforme di tele-riabilitazione alle mobile app che permettono al paziente di vedere quali esercizi svolgere e come farli al meglio.

Tuttavia, resta sempre la possibilità che il soggetto commetta degli errori nell’esecuzione degli esercizi, errori che potrebbero inficiare il pieno successo del percorso. E qui si inserisce una nuova tecnologia che sfrutta l’intelligenza artificiale per monitorare, momento per momento, i movimenti del paziente, valutandone la correttezza e offrendo spunti di miglioramento.

Un’idea tutta italiana

Il sistema è stato ideato dall’Istituto di Calcolo e Reti ad Alte Prestazioni del Consiglio Nazionale delle Ricerche (CNR-ICAR), che lo definisce un metodo economicamente sostenibile che può fungere da complemento alle sessioni riabilitative effettuate in presenza con il fisioterapista.

Descritto su Computers in Biology and Medicine, il sistema sfrutta tecniche di deep learning e si basa principalmente su due componenti: la classificazione del range of motion e il riconoscimento di pattern compensativi. Più nel dettaglio, il sistema valuta la correttezza dell’esercizio basandosi su video in 2D dell’esecuzione.

Sviluppo e validazione

Vediamo, quindi, come si sono mossi i ricercatori per sviluppare il sistema e poi validarlo. La base di partenza sono sei sessioni di allenamento che prevedono esercizi di resistenza muscolare, adatti per rinforzare la muscolatura.
In particolare, il protocollo utilizzato è utile per il trattamento della osteopenia e della fragilità nel soggetto over-60, sebbene sia stato poi esteso all’uso domiciliare in soggetti con difficoltà di movimento.

Gli autori hanno quindi effettuato sei video con esercizi svolti in modo corretto e altrettanti con esercizi svolti in modo scorretto: dati in pasto all’algoritmo opportunamente preparato, sono stati riconosciuti come corretti o scorretti nella maggior parte dei casi. Il sistema presenta infatti una accuratezza media dell’89% nel valutare le classi di ROM e del 98% nell’identificare e classificare pattern compensatori.

Queste percentuali sono simili a quelle presenti in altri studi simili, il che ne conferma la bontà. Rispetto ad altri lavori, questo nostrano utilizza per l’acquisizione delle immagini un hardware economicamente accessibile, il che lo rende utilizzabile anche nel contesto della riabilitazione domiciliare.

I passi futuri

Quello presentato è solo il primo step: il sistema infatti può essere migliorato e implementato, per esempio, sottolineano gli autori nelle loro conclusioni, aggiungendo una voce che corregga direttamente il paziente durante l’esercizio: ciò potrebbe essere un ulteriore supporto al percorso riabilitativo domiciliare.

(Lo studio: Mennella C, Maniscalco U, Pietro G, Esposito M. A deep learning system to monitor and assess rehabilitation exercises in home-based remote and unsupervised conditions. Comput Biol Med. 2023 Sep 18;166:107485. doi: 10.1016/j.compbiomed.2023.107485. Epub ahead of print. PMID: 37742419)