Новая технология поможет предотвратить падения у людей после инсульта.
Новое исследование ученых, включая команду из Университета Саймона Фрейзера в Британской Колумбии, предполагает, что комбинация искусственного интеллекта и носимых технологий может значительно повысить безопасность пациентов, восстанавливающихся после инсульта.
Инновационный подход к реабилитации
Доцент по нейрореабилитации Густаво Бальбинот отмечает, что данное исследование открывает новые возможности для разработки передовых технологий в области реабилитации после инсульта. Результаты также могут быть применимы к людям с риском падения из-за других проблем с равновесием, таких как головокружение или травмы позвоночника.
В ходе исследования, опубликованного в журнале Clinical Rehabilitation, ученые использовали датчики для мониторинга движений более 50 пациентов, перенесших инсульт, во время выполнения задач на подвижность. На основе полученных данных были созданы модели движения.
Анализ движений и разработка программного обеспечения
Хотите уехать в Канаду? Мы предоставляем поддержку в вопросах иммиграции и помогаем в получении визы. Запишитесь на консультацию, чтобы обсудить вашу ситуацию с нашими лицензированными специалистами и узнать, как мы можем помочь осуществить вашу мечту.
Анализ показал, что пациенты, восстанавливающиеся после инсульта, демонстрировали более плавные движения по сравнению с контрольной группой здоровых участников, чьи движения были более быстрыми и резкими. Команда Бальбинота разработала программное обеспечение, способное анализировать модели движения в трехсекундных интервалах, что позволяет выявлять изменения, указывающие на риск падения.
"Программное обеспечение здесь — это магия," — отмечает Бальбинот, руководитель лаборатории нейрореабилитации и нейровосстановления движений в университете Британской Колумбии.
Перспективы применения технологии
Целью Бальбинота является интеграция разработанного программного обеспечения в носимые устройства, такие как умные часы, для предотвращения опасных падений. В случае обнаружения потенциально нестабильного движения, пользователь будет получать предупреждение.
Исследователи подчеркивают, что мониторинг в реальном времени каждые три секунды является ключевым фактором для своевременного информирования пользователя о необходимости замедлиться или избежать рисков.
Персонализация и машинное обучение
Бальбинот отмечает, что прогнозы риска падения будут становиться более точными по мере сбора данных с течением времени. Благодаря машинному обучению программное обеспечение сможет адаптироваться к индивидуальным особенностям каждого пользователя.
Исследование также подчеркивает потенциальную пользу для клиницистов, которые смогут получать легко интерпретируемые данные о подвижности пациентов, что позволит принимать более обоснованные решения по уходу.
Для дальнейшего развития технологии потребуются дополнительные исследования, направленные на изучение долгосрочной применимости устройств в клинических условиях и их эффективности для различных групп пациентов.
