Forskare vid Lunds universitet har undersökt hur artificiell intelligens (AI) kan användas för att analysera kroppens hållning och rörelser under en enbensknäböjning – en övning som ofta används inom idrottsmedicin och rehabilitering. Studien visar att AI kan matcha experternas bedömningar i flera moment.

Studien visar att AI-baserade modeller kan matcha expertbedömningar i rörelseavvikelser i centrala leder och kroppssegment.

Traditionellt har experter som fysioterapeuter förlitat sig på ögonens bedömning av rörelsemönster, men nu närmar vi oss en tid då AI kan bidra och underlätta i den kliniska vardagen. Nu visar forskning att AI kan vara ett värdefullt verktyg för att automatisera och effektivisera dessa bedömningar.

Forskare vid Lunds universitet har utvecklat maskininlärningsmodeller som automatiskt kan identifiera avvikelser i rörelsemönster under enbensknäböj. Det är en rörelse vi ofta gör i vår vardag – till exempel när vi går nedför en trappa.

– I kliniska situationer bedömer vi rörelsekvalitet. Vi är bra på att se när något avviker, det är lite som när man ser att en tavla hänger snett. Det klarar AI bra också. Men att exakt analysera rörelsekvaliteten, det vill säga hur man rör knät i förhållande till foten och höften, med ledernas förhållande till varandra och till våra kroppsdelar, kräver mer detaljerad information, säger Jenny Älmqvist Nae, forskare och adjunkt i fysioterapi vid Lunds universitet.

Experterna tränar AI

AI-modellerna tränades med hjälp av 177 filmade rörelseanalyser från 60 personer i olika åldrar, både friska individer och patienter med knä- eller höftskada. Rörelserna filmades och för att säkerställa kvaliteten bedömdes varje rörelse av två experter, och vid oenighet kallades en tredje expert in. Ingen av experterna kände till hur de andra hade bedömt filmen.

– De mest träffsäkra AI-modellerna kunde identifiera avvikelser för olika knä- och höftpositioner med hög noggrannhet. Det öppnar för effektiv skadebedömning med hjälp av AI i framtiden, säger Eva Ageberg, professor i fysioterapi vid Lunds universitet och legitimerad sjukgymnast.

AI-modellerna hade svårare att bedöma rörelseavvikelser i foten.

– Foten rör sig i flera dimensioner, vilket vi människor uppfattar visuellt. AI har svårare att tolka dessa små och komplexa rörelser. För att förbättra AI behöver vi träna den med fler relevanta exempel på just det som den har svårt för, där experter kan visa vad som är rätt och fel, förklarar Jenny Nae.

Forskningen kräver många kompetenser

Att genomföra forskningen har krävt såväl forskare inom fysioterapi, inom biomekanisk kompetens samt inom matematisk statistik. Nästa steg, parallellt med att ta fram AI-modeller för fler rörelser, är att i samarbete med forskare inom datavetenskap vid Malmö universitet konstruera och utvärdera användningen av en app. Tanken är att den ska kunna användas kliniskt.

– Vi vill utvärdera om appen kan användas av fysioterapeuter i syfte att utvärdera om patienter har nedsatt kontroll vid olika rörelser. Detta kan stötta fysioterapeutens val av rehabiliteringsövningar för att förbättra rörelsekontroll. Men vi ser också att den skulle kunna användas som en träningsapp, för att bedöma om du gör rörelser på rätt sätt: alltså själva kvaliteten i den rörelse du gör, säger Eva Ageberg.

Länk till vetenskaplig publikation: Evaluation of the Ability of Machine Learning-Models to Assess Postural Orientation Errors During a Single-Leg Squat

 

Text: TOVE SMEDS

Artikeln är tidigare publicerad som nyhet från Lunds universitet