Resumen
Este estudio utiliza un sistema de sensores portátiles para medir la cinemática y la fuerza asistencial aplicada por el fisioterapeuta durante la rehabilitación de la marcha en pacientes con accidente cerebrovascular.
Los resultados muestran que la extensión de la rodilla y el cambio de peso son los aspectos clave que influyen en las estrategias de asistencia del terapeuta.
Estos aspectos se integran en un modelo virtual de impedancia, que permite predecir la fuerza asistencial del terapeuta.
El modelo se ajusta a los comportamientos del terapeuta durante toda la sesión de entrenamiento, lo que permite una intervención más precisa y efectiva.
Avances en la rehabilitación de la marcha: la robótica al servicio de la fisioterapia
La rehabilitación de pacientes con problemas de marcha se encuentra en constante evolución, y la incorporación de avances tecnológicos como la robótica puede mejorar significativamente los tratamientos en clínicas de fisioterapia. Un reciente artículo destaca la posibilidad de utilizar un sistema de robot asistido en la rehabilitación de pacientes con accidente cerebrovascular, brindando una solución novedosa y efectiva.
Esta tecnología tiene en cuenta la experiencia y conocimientos de los fisioterapeutas para desarrollar un modelo de asistencia virtual personalizado según las necesidades de cada paciente. El uso de un modelo de impedancia virtual permite predecir el torque asistencial del terapeuta, asegurando una interacción humano-robot segura y efectiva.
La incorporación de la robótica en la rehabilitación de la marcha en clínicas de fisioterapia ofrece una oportunidad para mejorar la oferta terapéutica y posicionarse como líderes en el uso de tecnología de última generación. A través de estos avances, se busca incrementar la eficacia y seguridad de los tratamientos, mejorando así la calidad de vida de los pacientes y diferenciándose en el mercado de la fisioterapia.
Abstract original
Learning Post-Stroke Gait Training Strategies by Modeling Patient-Therapist Interaction
For safe and effective robot-aided gait training, it is essential to incorporate the knowledge and expertise of physical therapists. Toward this goal, we directly learn from physical therapists' demonstrations of manual gait assistance in stroke rehabilitation. Lower-limb kinematics of patients and assistive force applied by therapists to the patient's leg are measured using a wearable sensing system which includes a custom-made force sensing array. The collected data is then used to characterize a therapist's strategies in response to unique gait behaviors found within a patient's gait. Preliminary analysis shows that knee extension and weight-shifting are the most important features that shape a therapist's assistance strategies. These key features are then integrated into a virtual impedance model to predict the therapist's assistive torque. This model benefits from a goal-directed attractor and representative features that allow intuitive characterization and estimation of a therapist's assistance strategies. The resulting model is able to accurately capture high-level therapist behaviors over the course of a full training session (r2=0.92, RMSE=0.23Nm) while still explaining some of the more nuanced behaviors contained in individual strides (r2=0.53, RMSE=0.61Nm). This work provides a new approach to control wearable robotics in the sense of directly encoding the decision-making process of physical therapists into a safe human-robot interaction framework for gait rehabilitation.
| Autores | Seyed Mostafa Rezayat Sorkhabadi Mason Smith Roozbeh Khodmbashi Rachel Lopez Melissa Raasch Trent Maruyama Christina Kwasnica Wenlong Zhang |
| revista | IEEE Trans Neural Syst Rehabil Eng |
| DOI | 10.1109/TNSRE.2023.3253795 |