L’intelligenza artificiale può essere utilizzata anche per identificare il fenotipo del pattern dei movimenti muscolari effettuati dal corpo, il che può avere utili applicazioni tanto in ambito sportivo quanto in ambito riabilitativo.
Un team canadese ha sviluppato un algoritmo di machine learning per identificare proprio questi fenotipi, paragonandone anche i risultati rispetto alle misure cinematiche più usate in clinica, calcolate con i metodi tradizionali (Remedios SM, Armstrong DP, Graham RB, Fischer SL. Exploring the Application of Pattern Recognition and Machine Learning for Identifying Movement Phenotypes During Deep Squat and Hurdle Step Movements. Front Bioeng Biotechnol. 2020;8:364. Published 2020 Apr 29. doi:10.3389/fbioe.2020.00364).
Due i movimenti analizzati sono uno squat profondo e un superamento di ostacolo. Da questo lavoro sono emersi tre fenotipi per lo squat e il superamento con la gamba destra e quattro fenotipi per il superamento con la gamba sinistra.
Uno dei vantaggi del metodo automatico è che non necessita di fornire al paziente precise informazioni rispetto a come svolgere il movimento: il machine learning riesce a individuare in ogni caso il fenotipo del movimento del soggetto.
Allo studio hanno partecipato 30 ragazzi con età massima 18 anni, inizialmente sottoposti a un questionario (Get Active Questionnaire) per verificare la loro preparazione.
Ai partecipanti sono stati applicati marker per facilitare l’analisi del movimento dei diversi segmenti corporei.
Ogni partecipante ha eseguito cinque squat, cinque superamenti con la gamba destra e cinque con la sinistra.
Stefania Somaré
