Персоналізована фізична терапія: реабілітація після інсульту за допомогою ШІ

Інсульт залишається однією з основних причин смерті та інвалідності у світі. Щороку він вражає 15 мільйонів людей, з яких 5 мільйонів залишаються з тривалими імпервітами. До речі, існує також зростаюча нестача фізичних терапевтів, що ускладнює доступ пацієнтів до якісної допомоги.

Новий підхід, розроблений інженерами Массачусетського технологічного інституту, поєднує передовий штучний інтелект з реальними практиками людської медичної допомоги.

“Наша мета – навчити роботів, як допомагати у фізичній та ерготерапії, не замінюючи терапевтів, а розширюючи їх можливості”, – пояснює Йоганнес Лахнер, який виконав цю роботу як постдокторант програми MIT-Novo Nordisk з штучного інтелекту.

Він і Noah Geiger, стажер програми Junior Managers в Robert Bosch GmbH, розробили роботизовану терапевтичну систему, яка навчалася у фізичних терапевтів, щоб адаптивно підтримувати пацієнтів після інсульту. Система використовує моделі, базовані на трансформерах, разом із реальним зворотним зв'язком по силі, що дозволяє двору рукам робота безпечно регулювати допомогу в залежності від можливостей пацієнта.

Робот навчається в процесі, щоб оптимально підтримувати пацієнта під час фізичної терапії. Як з'ясувалося, ця технологія схожа на ту, що використовує ChatGPT для створення зображень, але фокусується на тому, як робот має діяти, щоб найкраще підтримувати пацієнта.

Геєр зазначає, що “більшість генеративних моделей ШІ в робототехніці зосереджені на русі, але наша модель – перша, яка вчиться фізичній взаємодії”, вміючи реагувати на дотики, силу та опір.

Дослідники протестували перший прототип на здорових учасниках. Вони виконували звичайні реабілітаційні рухи, варіюючи рівень зусиль. Це дослідження базується на попередній роботі в Newman Laboratory for Biomechanics and Human Rehabilitation, яку очолює Neville Hogan.

Система може підтримувати широкий спектр фізичних терапевтичних потреб, включаючи пацієнтів після інсульту з порушеннями рухливості верхніх кінцівок, постопераційних пацієнтів та літніх людей, які прагнуть зберегти силу і рухливість.

Лахнер вважає, що ця технологія має потенціал далеко вийти за межі фізичної терапії, зокрема, для навчання роботів фізичної взаємодії у промислових умовах.

Стаття команди, “Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks”, вже доступна в журналі IEEE Transactions on Robotics.

Цю роботу підтримали MIT-Novo Nordisk Artificial Intelligence Postdoctoral Fellows Program та KUKA Robotics, Німеччина.