O Dr. Álvaro Velarde Sotres e o Dr. Josep Alemany, investigadores da Universidad Europea del Atláncito (Universidade Europeia do Atlântico, UNEATLANTICO), estão a participar num estudo que propõe um sistema inovador que tem a capacidade de classificar exercícios fisioterapêuticos com a ajuda de aprendizagem automática e PoseNet para melhorar os efeitos da tele-fisioterapia.
A telessaúde refere-se à prestação de serviços médicos, como o diagnóstico, a consulta e a educação, através da utilização de dispositivos electrónicos, como computadores, computadores portáteis e telemóveis. Esta abordagem responde às necessidades de uma população mundial em envelhecimento, com um aumento projetado da percentagem de pessoas com mais de 60 anos de 12% para 22% até 2050. Para os idosos com doenças crónicas, o esforço físico de viajar longas distâncias para receber cuidados médicos representa um desafio significativo. A telessaúde oferece uma solução crucial ao permitir o acesso remoto a serviços médicos, ultrapassando estas barreiras.
A pandemia de COVID-19 acelerou a adoção da telessaúde, melhorando a prestação de serviços. Os estudos indicam que cerca de 90% dos doentes e prestadores de cuidados de saúde se sentem mais confiantes com as consultas de telessaúde do que com as consultas presenciais, o que sublinha a sua importância crescente para melhorar a acessibilidade aos cuidados de saúde e a confiança dos doentes.
A telessaúde provou ser vantajosa para a fisioterapia à distância, centrada no diagnóstico e tratamento de deficiências que afectam as actividades funcionais. A fisioterapia inclui geralmente exercícios essenciais para a reabilitação do doente. A execução exacta e consistente destes exercícios permite que os terapeutas ajustem o tratamento conforme necessário. Tradicionalmente, a fisioterapia envolve a interação direta com terapeutas que orientam os doentes para corrigir erros de exercício. No entanto, a duração e a frequência das sessões podem dificultar a adesão dos doentes aos seus regimes. A fisioterapia remota através da telessaúde aborda estes problemas fornecendo apoio e monitorização contínuos, melhorando assim o envolvimento do paciente e o cumprimento dos exercícios prescritos.
Neste contexto, o estudo desenvolveu um sistema inovador para classificar os exercícios de fisioterapia para os braços. Utilizando a PoseNet, uma rede neural convolucional que capta e analisa os movimentos do corpo humano em tempo real, fornecendo dados detalhados sobre a postura e o movimento, combinada com modelos de conjunto, que combinam vários algoritmos de aprendizagem automática para melhorar a precisão, o sistema pode classificar os exercícios de forma mais eficiente e precisa do que os métodos tradicionais.
Os classificadores de aprendizagem automática baseados em árvores, como o Random Forest (RF), o Extra Tree Classifier (ETC), o XGBoost, o LightGBM e o Hist Gradient Boosting, foram utilizados para treinar o sistema devido à sua capacidade de lidar com dados complexos e à sua eficácia em tarefas de classificação multi-classe. A análise dos classificadores mostrou que o Random Forest (RF) é adequado para o reconhecimento de exercícios devido à sua capacidade de lidar com várias classes e evitar o sobreajuste, apresentando uma precisão de 98,2%.
Por outro lado, foram desenvolvidos modelos de classificação combinados, como o RandomLightHist Fusion e o StackedXLightRF, destacando-se o primeiro com uma precisão notável de 99,6%, superando os classificadores individuais. O desempenho notável deste modelo deve-se à combinação de três classificadores poderosos: Hist Gradient Boosting (HGB), LightGBM (LGBM) e RF. A sinergia entre estes modelos reforça as capacidades do gradient boosting e melhora a precisão. Além disso, o modelo demonstrou ser robusto às variações de género, mantendo a sua eficácia em diferentes tipos de corpo. Estes resultados realçam a adaptabilidade do modelo em aplicações do mundo real.
O estudo destaca a capacidade destes modelos para se adaptarem a diferentes tipos de exercícios e a variações individuais dos pacientes. Este facto é crucial, pois permite aos fisioterapeutas conceber programas de reabilitação mais eficazes e adaptados às necessidades específicas de cada indivíduo. Para além disso, a implementação desta tecnologia poderá reduzir a necessidade de supervisão constante por parte dos profissionais, permitindo aos doentes fazer exercício em casa com confiança.
Para saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNEATLANTICO.
A Fundação Universitária Iberoamericana (FUNIBER) promove vários programas de estudo, como o Mestrado em Atividade Física e Saúde. Este mestrado proporciona aos profissionais os conhecimentos necessários para desenvolver, avaliar e desenhar padrões de exercício físico seguros e benéficos, adaptados à situação fisiológica e patológica de cada indivíduo. Não perca a oportunidade de se formar numa área em constante crescimento e contribuir para o bem-estar das pessoas através da atividade física!