Ταχύτερη και φθηνότερη διάγνωση κινητικών προβλημάτων με τη βοήθεια νευρωνικών δικτύων

Η διάγνωση και λεπτομερής μελέτη των κινητικών προβλημάτων και δυσλειτουργιών σε ασθενείς που έχουν υποστεί εγκεφαλική παράλυση, εγκεφαλικό, έχουν Parkinson ή άλλες εκφυλιστικές ασθένειες, είναι εφικτή με τη μελέτη εικόνων από εξειδικευμένες κάμερες που παρακολουθούν διάφορες λεπτομέρειες στη βάδιση των ασθενών και στη συνέχεια εξετάζονται στιγμιότυπα από ομάδα γιατρών. Το πρόβλημα με αυτά τα εργαλεία αλλά και τη διαδικασία συνολικά, είναι η πολυπλοκότητά τους και το συνεπαγόμενο κόστος που παραμένει απαγορευτικό ως σήμερα.

Ωστόσο, σε δημοσίευση που έγινε στο Nature, τον Αύγουστο, ερευνητές από το Stanford και τη Minnesota, απλοποίησαν πάρα πολύ την παραπάνω διαδικασία, χρησιμοποιώντας Νευρωνικά Δίκτυα (θα τα συναντήσετε και με τους όρους «Στενή» Τεχνητή Νοημοσύνη ή βαθιά μηχανική μάθηση ή βαθιά νευρωνικά δίκτυα) για την ανάλυση ανάλογων βίντεο που είχαν ληφθεί με μια απλή κάμερα. Με αυτόν τον τρόπο, η αναλυτική μελέτη των νευρολογικών και μυοσκελετικών διαταραχών των παραπάνω ασθενών όπως και η συνεπαγόμενη θεραπεία, θα αποτελέσουν κάτι προσιτό σε όλους. Εφόσον το νευρωνικό δίκτυο τροφοδοτηθεί με αρκετά δεδομένα, μπορεί να είναι αποτελεσματικό με απλό και φθηνό τρόπο, σε σχέση με την παλαιότερη διαδικασία.

Ο αλγόριθμος που χρησιμοποιείται στο νευρωνικό δίκτυο, καθώς αναλύει το βίντεο με τη βάδιση του ασθενούς, μπορεί να εκτιμήσει την κίνηση σημείων όπως τα γόνατα, τους γοφούς, τους αστραγάλους κ.α. και να βγάλει συμπέρασμα για την απόκλιση από μια φυσιολογική βάδιση.

Δημοσιευμένη Έρευνα: https://www.nature.com/articles/s41467-020-17807-z

Φωτογραφία: Stanford Neuromuscular Biomechanics Lab

Περισσότερα: https://hai.stanford.edu/welcome και http://gaitlab.stanford.edu/