Može biti teško doći do ordinacije. A zadatak može biti posebno izazovan za roditelje dece sa motoričkim poremećajima kao što je cerebralna paraliza, jer kliničar mora redovno da ocenjuje dete, često po sat vremena. Dolazak do ovih čestih procena može biti skup, dugotrajan i emocionalno oporeziv.
Inženjeri MIT-a se nadaju da će ublažiti deo tog stresa novom metodom koja daljinski procenjuje motoričku funkciju pacijenata. Kombinovanjem kompjuterskog vida i tehnika mašinskog učenja, metoda analizira video zapise pacijenata u realnom vremenu i izračunava klinički rezultat motoričke funkcije na osnovu određenih obrazaca poza koje detektuje u video okvirima.
Istraživači su testirali metodu na video snimcima više od 1.000 dece sa cerebralnom paralizom. Otkrili su da metoda može da obradi svaki video i dodeli klinički rezultat koji se poklapa sa više od 70% tačnosti onog što je kliničar prethodno utvrdio tokom lične posete.
Video analiza se može pokrenuti na nizu mobilnih uređaja. Tim predviđa da pacijenti mogu biti procenjeni napretku jednostavnim podešavanjem svog telefona ili tableta da snimaju video dok se kreću po svom domu. Zatim bi mogli da učitaju video u program koji bi brzo analizirao video okvire i dodelio klinički rezultat ili nivo napretka. Video i rezultat se zatim mogu poslati lekaru na pregled.
Tim sada kroji pristup za procenu dece sa metahromatskom leukodistrofijom – retkim genetskim poremećajem koji utiče na centralni i periferni nervni sistem. Takođe se nadaju da će prilagoditi metod za procenu pacijenata koji su doživeli moždani udar.
„Želimo da malo smanjimo stres pacijenata tako što ne moramo da idemo u bolnicu na svaku procenu“, kaže Hermano Krebs, glavni istraživač na MIT-ovom odeljenju za mašinstvo. „Mislimo da bi se ova tehnologija potencijalno mogla koristiti za daljinsku procenu bilo kog stanja koje utiče na ponašanje motora.“
Krebs i njegove kolege će predstaviti svoj novi pristup na IEEE konferenciji o mrežama telesnih senzora u oktobru. Autori studije MIT-a su prvi autor Peijun Zhao, glavni istraživač Moises Alencastre-Miranda, Zhan Shen i Ciaran O’Neill, zajedno sa Davidom Vhitemanom i Havier Gervas-Arruga iz Takeda Development Center Americas, Inc. Kredit: The77Lab
Na MIT-u, Krebs razvija robotske sisteme koji fizički rade sa pacijentima kako bi im pomogli da povrate ili ojačaju motoričku funkciju. Takođe je prilagodio sisteme kako bi procenio napredak pacijenata i predvideo koje bi terapije mogle najbolje da funkcionišu za njih. Iako su ove tehnologije dobro funkcionisale, znatno su ograničene u svojoj dostupnosti: pacijenti moraju da putuju u bolnicu ili ustanovu gde su roboti na mestu.
„Pitali smo se, kako možemo proširiti dobre rezultate koje smo dobili sa rehabilitacionim robotima na sveprisutni uređaj?“ Krebs se priseća. „Pošto su pametni telefoni svuda, naš cilj je bio da iskoristimo njihove mogućnosti za daljinsku procenu osoba sa motoričkim invaliditetom, kako bi se mogli proceniti bilo gde.
Istraživači su prvo pogledali kompjuterski vid i algoritme koji procenjuju ljudske pokrete. Poslednjih godina, naučnici su razvili algoritme za procenu poza koji su dizajnirani da snime video – na primer, devojku koja šutira fudbalsku loptu – i prevedu njene pokrete u odgovarajuću seriju poza skeleta, u realnom vremenu. Dobijeni niz linija i tačaka može se mapirati u koordinate koje naučnici mogu dalje analizirati.
Krebs i njegove kolege su imali za cilj da razviju metod za analizu podataka o skeletnoj pozi pacijenata sa cerebralnom paralizom — poremećaj koji se tradicionalno procenjuje po sistemu klasifikacije grubih motornih funkcija (GMFCS), petostepenoj skali koja predstavlja opštu motoričku funkciju deteta. . (Što je manji broj, veća je pokretljivost deteta.)
Tim je radio sa javno dostupnim skupom podataka o pozi skeleta koje je proizvela Laboratorija za neuromišićnu biomehaniku Univerziteta Stanford. Ovaj skup podataka obuhvata video snimke više od 1.000 dece sa cerebralnom paralizom. Svaki video prikazuje dete koje izvodi niz vežbi u kliničkom okruženju, a svaki video je označen GMFCS rezultatom koji je kliničar dodelio detetu nakon lične procene. Grupa iz Stanforda je provela video zapise kroz algoritam za procenu poza kako bi generisala podatke o pozi kostura, koje je MIT grupa zatim koristila kao polaznu tačku za svoje istraživanje.
Istraživači su zatim tražili načine da automatski dešifruju obrasce u podacima o cerebralnoj paralizi koji su karakteristični za svaki nivo kliničke motoričke funkcije. Počeli su sa konvolucionom neuronskom mrežom sa prostorno-vremenskim grafom — procesom mašinskog učenja koji obučava računar da obrađuje prostorne podatke koji se menjaju tokom vremena, kao što je niz poza skeleta, i dodeljuje klasifikaciju. Nova MIT metoda uključuje podatke o pozi skeleta u realnom vremenu, kao što je ona na slici, za daljinsku analizu video zapisa dece sa cerebralnom paralizom i automatski dodeljivanje kliničkog nivoa motoričke funkcije. Kredit: Slika: Skup podataka koji je kreirala Laboratorija za neuromuskularnu biomehaniku Stanford u saradnji sa Gillette Children’s Specialti Healthcare
Pre nego što je tim primenio neuronsku mrežu na cerebralnu paralizu, koristio je model koji je prethodno obučen na opštijem skupu podataka, koji je sadržao video snimke zdravih odraslih osoba koje obavljaju različite dnevne aktivnosti poput hodanja, trčanja, sedenja i rukovanja. Uzeli su okosnicu ovog unapred obučenog modela i dodali mu novi sloj klasifikacije, specifičan za kliničke rezultate povezane sa cerebralnom paralizom. Oni su fino podesili mrežu da prepoznaju karakteristične obrasce u kretanju dece sa cerebralnom paralizom i precizno ih klasifikuju u okviru glavnih nivoa kliničke procene.
Otkrili su da je unapred obučena mreža naučila da pravilno klasifikuje nivoe pokretljivosti dece, i to je učinila preciznije nego da je obučena samo na podacima o cerebralnoj paralizi.
„Pošto je mreža obučena na veoma velikom skupu podataka opštijih pokreta, ona ima neke ideje o tome kako da izdvoji karakteristike iz niza ljudskih poza“, objašnjava Zhao. „Dok veći skup podataka i skup podataka o cerebralnoj paralizi mogu biti različiti, oni dele neke zajedničke obrasce ljudskih akcija i kako se te akcije mogu kodirati.“
Tim je testirao svoju metodu na brojnim mobilnim uređajima, uključujući razne pametne telefone, tablete i laptopove, i otkrio da većina uređaja može uspešno da pokrene program i generiše klinički rezultat iz video zapisa, u skoro realnom vremenu.
Istraživači sada razvijaju aplikaciju za koju predviđaju da bi roditelji i pacijenti jednog dana mogli da koriste za automatsku analizu video zapisa pacijenata, snimljenih u udobnosti njihovog okruženja. Rezultati se zatim mogu poslati lekaru na dalju procenu. Tim takođe planira da prilagodi metod za procenu drugih neuroloških poremećaja.
„Ovaj pristup bi se lako mogao proširiti na druge invalidnosti kao što su moždani udar ili Parkinsonova bolest kada se testira u toj populaciji koristeći odgovarajuće metrike za odrasle“, kaže Alberto Eskuenazi, glavni medicinski službenik u bolnici Moss Rehabilitation Hospital u Filadelfiji, koji nije bio uključen u studija. „To bi moglo poboljšati negu i smanjiti ukupne troškove zdravstvene zaštite i potrebu da porodice izgube produktivno radno vreme, i nadam se [da bi to moglo] povećati usklađenost.“
„U budućnosti, ovo bi nam takođe moglo pomoći da predvidimo kako će pacijenti ranije reagovati na intervencije“, kaže Krebs. „Zato što bismo mogli da ih procenjujemo češće, da vidimo da li intervencija ima uticaja.“
