Gali būti sunku patekti į gydytojo kabinetą. O užduotis gali būti ypač sudėtinga vaikų, turinčių motorinių sutrikimų, tokių kaip cerebrinis paralyžius, tėvams, nes gydytojas turi reguliariai, dažnai po valandą, asmeniškai įvertinti vaiką. Atlikti šiuos dažnus vertinimus gali būti brangu, atimti daug laiko ir emociškai sunku.
MIT inžinieriai tikisi šiek tiek sumažinti šį stresą nauju metodu, kuris nuotoliniu būdu įvertina pacientų motorinę funkciją. Derinant kompiuterinio matymo ir mašininio mokymosi metodus, šis metodas analizuoja pacientų vaizdo įrašus realiu laiku ir apskaičiuoja klinikinį motorinės funkcijos balą pagal tam tikrus pozų modelius, kuriuos aptinka vaizdo kadruose.
Tyrėjai išbandė šį metodą vaizdo įrašuose, kuriuose dalyvavo daugiau nei 1000 vaikų, sergančių cerebriniu paralyžiumi. Jie nustatė, kad šis metodas gali apdoroti kiekvieną vaizdo įrašą ir priskirti klinikinį balą, kuris daugiau nei 70 procentų tikslumu atitiko tai, ką gydytojas anksčiau nustatė per asmeninį apsilankymą.
Vaizdo įrašų analizė gali būti vykdoma įvairiuose mobiliuosiuose įrenginiuose. Komanda numato, kad pacientų pažangą galima įvertinti tiesiog nustatant savo telefoną ar planšetinį kompiuterį, kad būtų galima filmuoti, kai jie juda savo namuose. Tada jie galėtų įkelti vaizdo įrašą į programą, kuri greitai išanalizuotų vaizdo įrašų kadrus ir priskirtų klinikinį balą arba pažangos lygį. Tada vaizdo įrašas ir rezultatas gali būti nusiųsti gydytojui peržiūrėti.
Grupė dabar pritaiko metodą, kaip įvertinti vaikus, sergančius metachromatine leukodistrofija – retu genetiniu sutrikimu, kuris paveikia centrinę ir periferinę nervų sistemą. Jie taip pat tikisi pritaikyti metodą insultą patyrusiems pacientams įvertinti.
„Norime šiek tiek sumažinti pacientų stresą, nes nereikia vykti į ligoninę dėl kiekvieno įvertinimo“, – sako Hermano Krebsas, MIT Mechanikos inžinerijos katedros pagrindinis mokslininkas. „Manome, kad ši technologija gali būti naudojama nuotoliniu būdu įvertinti bet kokią būklę, turinčią įtakos variklio elgesiui.”
Krebsas ir jo kolegos pristatys savo naują požiūrį IEEE konferencijoje dėl kūno jutiklių tinklų spalio mėn. Tyrimo MIT autoriai yra pirmasis autorius Peijunas Zhao, vienas iš pagrindinių tyrėjų Moises Alencastre-Miranda, Zhan Shen ir Ciaran O’Neill, kartu su David Whiteman ir Javier Gervas-Arruga iš Takeda Development Center Americas, Inc.
Tinklinis mokymas
MIT Krebs kuria robotines sistemas, kurios fiziškai dirba su pacientais, kad padėtų jiems susigrąžinti arba sustiprinti motorinę funkciją. Jis taip pat pritaikė sistemas, kad įvertintų pacientų pažangą ir nuspėtų, kokios terapijos jiems geriausiai tiktų. Nors šios technologijos veikė gerai, jų prieinamumas yra labai ribotas: pacientai turi keliauti į ligoninę ar įstaigą, kurioje yra robotai.
„Paklausėme savęs, kaip galėtume išplėsti gerus rezultatus, kuriuos pasiekėme naudodami reabilitacijos robotus, kad jie būtų visur naudojami? Krebsas prisimena. „Kadangi išmanieji telefonai yra visur, mūsų tikslas buvo pasinaudoti jų galimybėmis nuotoliniu būdu įvertinti žmones su judėjimo negalia, kad juos būtų galima įvertinti bet kur.
Naujasis MIT metodas apima realaus laiko skeleto pozos duomenis, tokius kaip pavaizduotas paveikslėlyje, kad būtų galima nuotoliniu būdu analizuoti vaikų, sergančių cerebriniu paralyžiumi, vaizdo įrašus ir automatiškai priskirti klinikinį motorinės funkcijos lygį. Vaizdas: duomenų rinkinys, sukurtas Stanfordo neuromuskulinės biomechanikos laboratorijos bendradarbiaujant su „Gillette Children’s Specialty Healthcare“
Tyrėjai pirmiausia pažvelgė į kompiuterinį regėjimą ir algoritmus, kurie įvertina žmogaus judesius. Pastaraisiais metais mokslininkai sukūrė pozos įvertinimo algoritmus, skirtus nufilmuoti, pavyzdžiui, mergaitę, spardančią futbolo kamuolį, ir paversti jos judesius atitinkama skeleto pozų serija realiuoju laiku. Gauta linijų ir taškų seka gali būti susieta su koordinatėmis, kurias mokslininkai gali toliau analizuoti.
Krebsas ir jo kolegos siekė sukurti metodą, leidžiantį analizuoti pacientų, sergančių cerebriniu paralyžiumi, skeleto padėties duomenis – sutrikimą, kuris tradiciškai buvo vertinamas pagal bendrąją motorinių funkcijų klasifikavimo sistemą (GMFCS), penkių lygių skalę, atspindinčią bendrą vaiko motorinę funkciją. . (Kuo mažesnis skaičius, tuo didesnis vaiko mobilumas.)
Komanda dirbo su viešai prieinamu skeleto pozos duomenų rinkiniu, kurį parengė Stanfordo universiteto Neuromuskulinės biomechanikos laboratorija. Šį duomenų rinkinį sudarė vaizdo įrašai apie daugiau nei 1000 vaikų, sergančių cerebriniu paralyžiumi. Kiekviename vaizdo įraše buvo parodytas vaikas, atliekantis daugybę pratimų klinikinėje aplinkoje, o kiekvienas vaizdo įrašas buvo pažymėtas GMFCS balu, kurį gydytojas priskyrė vaikui po asmeninio įvertinimo. Stanfordo grupė paleido vaizdo įrašus naudodama pozos įvertinimo algoritmą, kad sugeneruotų skeleto pozos duomenis, kuriuos MIT grupė naudojo kaip savo tyrimo pradžios tašką.
Tada mokslininkai ieškojo būdų, kaip automatiškai iššifruoti cerebrinio paralyžiaus duomenų modelius, būdingus kiekvienam klinikinės motorinės funkcijos lygiui. Jie pradėjo nuo erdvinio ir laiko grafiko konvoliucinio neuroninio tinklo – mašininio mokymosi proceso, kuris moko kompiuterį apdoroti laikui bėgant kintančius erdvinius duomenis, pvz., skeleto pozų seką, ir priskirti klasifikaciją.
Prieš taikydami neuroninį tinklą cerebriniam paralyžiui, komanda naudojo modelį, kuris buvo iš anksto paruoštas bendresniam duomenų rinkiniui, kuriame buvo vaizdo įrašai apie sveikus suaugusius žmones, atliekančius įvairias kasdienes veiklas, tokias kaip vaikščiojimas, bėgimas, sėdėjimas ir rankų paspaudimas. Jie paėmė šio iš anksto parengto modelio pagrindą ir pridėjo prie jo naują klasifikavimo sluoksnį, būdingą klinikiniams balams, susijusiems su cerebriniu paralyžiumi. Jie tiksliai sureguliavo tinklą, kad atpažintų išskirtinius cerebriniu paralyžiumi sergančių vaikų judėjimo modelius ir tiksliai klasifikuotų juos pagal pagrindinius klinikinio vertinimo lygius.
Jie nustatė, kad iš anksto apmokytas tinklas išmoko teisingai klasifikuoti vaikų mobilumo lygius ir tai padarė tiksliau nei tuo atveju, jei jis būtų mokomas tik pagal cerebrinio paralyžiaus duomenis.
„Kadangi tinklas yra apmokytas naudojant labai didelį bendresnių judesių duomenų rinkinį, jis turi keletą idėjų, kaip išskirti bruožus iš žmogaus pozų sekos“, – aiškina Zhao. „Nors didesnis duomenų rinkinys ir cerebrinio paralyžiaus duomenų rinkinys gali skirtis, jie turi tam tikrų bendrų žmogaus veiksmų modelių ir kaip šie veiksmai gali būti užkoduoti.”
Komanda išbandė savo metodą daugelyje mobiliųjų įrenginių, įskaitant įvairius išmaniuosius telefonus, planšetinius kompiuterius ir nešiojamuosius kompiuterius, ir nustatė, kad dauguma įrenginių gali sėkmingai paleisti programą ir generuoti klinikinį rezultatą iš vaizdo įrašų beveik realiuoju laiku.
Mokslininkai dabar kuria programėlę, kurią, jų manymu, tėvai ir pacientai vieną dieną galėtų panaudoti, norėdami automatiškai analizuoti pacientų vaizdo įrašus, nufilmuotus patogioje aplinkoje. Tada rezultatai gali būti siunčiami gydytojui tolesniam įvertinimui. Komanda taip pat planuoja pritaikyti metodą kitiems neurologiniams sutrikimams įvertinti.
„Šis metodas gali būti lengvai pritaikytas ir kitoms negalioms, tokioms kaip insultas ar Parkinsono liga, kai jis bus išbandytas toje populiacijoje, naudojant atitinkamus suaugusiems skirtus rodiklius“, – sako Alberto Esquenazi, Moss reabilitacijos ligoninės Filadelfijoje vyriausiasis medicinos pareigūnas, nedalyvavęs studijuoti. „Tai galėtų pagerinti priežiūrą ir sumažinti bendras sveikatos priežiūros išlaidas bei poreikį šeimoms prarasti produktyvų darbo laiką, ir aš tikiuosi [that it could] padidinti atitiktį“.
„Ateityje tai taip pat gali padėti mums numatyti, kaip pacientai greičiau reaguos į intervencijas”, – sako Krebsas. „Kadangi galėtume juos dažniau vertinti, kad pamatytume, ar intervencija turi įtakos.
Šį tyrimą palaikė Takeda Development Center Americas, Inc.
