In base all’area del cervello colpita, l’ictus può lasciare nel paziente disabilità cognitive o motorie: secondo la letteratura, queste ultime sarebbero preponderanti e riguarderebbero sia gli arti superiori sia quelli inferiori. Per evitare la cronicizzazione o il peggioramento di queste disabilità il paziente va sottoposto a un iter riabilitativo che potrebbe essere lungo.
La riduzione del personale sanitario, associata a carenza di fondi e aumento dei casi di ictus, mette a rischio l’accessibilità al programma riabilitativo per tutti i pazienti.
Sfruttare la tecnologia e sviluppare dispositivi capaci di supportare questo processo potrebbero rappresentare una soluzione. È ciò che è stato fatto da un team della Chulalongkorn University e del King Chulalongkorn Memorial Hospital di Bangkok, in Tailandia, che ha sviluppato un algoritmo di intelligenza artificiale capace di identificare i bisogni riabilitativi del paziente con stroke e di valutarne i progressi, in particolare per il recupero degli arti inferiori.
Caratteristiche del sistema proposto
Il sistema, proposto su Scientific Reports, si basa su due differenti sistemi. Da una parte c’è un sistema basato su regole di logica fuzzy, che si mostrano esattamente come il regolamento di produzione in un tradizionale sistema esperto, il cui obiettivo è valutare gli angoli prodotti dagli arti inferiori del paziente mentre esegue esercizi riabilitativi, tracciando costantemente l’angolo desiderato, misurando il ROM e contando le ripetizioni degli esercizi. Per farlo, il sistema usa il Fugl-Meyer Assessment e una macchina fotografica che non necessita di intervento umano. Il minimo errore individuato durante lo studio è di 0,34°di angolo.
Completa la proposta un modello di machine learning K-Nearest Neighbor (K-NN), allenato con 30 pazienti, capace di valutare il livello di accuratezza dell’esercizio svolto e di fornire dei grafici che rappresentano i risultati, cosa che facilita ulteriormente la comprensione del feedback. Lo studio ha mostrato un tasso di accuratezza del sistema del 97% per gli esercizi di flessione dell’anca, del 92% per quelli di rotazione esterna dell’anca e del 91% per quelli di estensione del ginocchio.
In definitiva, questo sistema ibrido fornisce anche un feedback in tempo reale dei progressi del paziente, aiutandolo nel proprio lavoro e supportando la supervisione da parte del fisioterapista.
Il sistema è stato valutato positivamente anche da una serie di medici della riabilitazione. Oltre a supportare la riabilitazione dei pazienti e la valutazione da parte dei fisioterapisti, il modello può anche facilitare la scelta del dosaggio di ogni esercizio.
Il team ha ora intenzione di studiare ulteriormente il modello per perfezionarlo e renderlo ancora più efficace. Inoltre, per poterlo utilizzare in clinica, il sistema ibrido deve essere testato su un maggior numero di pazienti.
Lo studio: Das UC, Le NT, Vitoonpong T, Prapinpairoj C, Anannub K, Akarathanawat W, Chutinet A, Suwanwela NC, Kaewplung P, Chaitusaney S, Benjapolakul W. An innovative model based on machine learning and fuzzy logic for tracking lower limb exercises in stroke patients. Sci Rep. 2025 Apr 2;15(1):11220. doi: 10.1038/s41598-025-90031-1. PMID: 40175407; PMCID: PMC11965402
