Resumen
Este artículo describe el desarrollo y evaluación de un sistema de entrenamiento personalizado mediante robots sociales para la rehabilitación.
Se entrevistaron terapeutas para diseñar la interacción del sistema, y se utilizó un modelo de red neuronal y un modelo basado en reglas para monitorear y evaluar automáticamente los ejercicios de rehabilitación de los pacientes.
Los datos de 15 sobrevivientes de accidentes cerebrovasculares demostraron que el sistema mejoró significativamente su rendimiento al ajustarse con los datos de los pacientes.
En una evaluación del mundo real, el sistema logró un nivel de desempeño de 0.
81 para evaluar los ejercicios, comparable al nivel de acuerdo entre expertos.
Este sistema ofrece un enfoque personalizado y automatizado para la rehabilitación.
Robots sociales y fisioterapia: una nueva era en la rehabilitación personalizada
En el ámbito de la fisioterapia, la incorporación de tecnologías innovadoras como los robots sociales puede marcar una gran diferencia en la calidad y eficacia de los tratamientos. Un reciente estudio presenta un sistema de asistencia robótica para rehabilitación personalizada, que puede ser de gran interés para fisioterapeutas y clínicas especializadas.
Este sistema utiliza un modelo de red neuronal y un modelo basado en reglas para monitorizar y evaluar automáticamente los ejercicios de rehabilitación de los pacientes. De esta forma, proporciona retroalimentación personalizada en tiempo real, mejorando el desempeño de los pacientes y permitiendo a los profesionales ajustar sus terapias de manera más precisa.
La implementación de un sistema de coaching de ejercicios con robots sociales puede ser una ventaja competitiva para las clínicas de fisioterapia. El uso de estos dispositivos puede aumentar la participación de los pacientes en sus ejercicios de rehabilitación, lo que se traduce en una mayor eficacia de los tratamientos y reducción del tiempo de recuperación.
Los resultados obtenidos en el estudio demuestran una mejora significativa en la evaluación de los ejercicios y una adaptación efectiva a los nuevos pacientes. En definitiva, la implementación de un sistema de asistencia robótica en la rehabilitación puede mejorar la calidad de los tratamientos y la satisfacción del paciente, posicionando a las clínicas de fisioterapia a la vanguardia de la innovación en el sector.
Abstract original
Design, development, and evaluation of an interactive personalized social robot to monitor and coach post-stroke rehabilitation exercises
Socially assistive robots are increasingly being explored to improve the engagement of older adults and people with disability in health and well-being-related exercises. However, even if people have various physical conditions, most prior work on social robot exercise coaching systems has utilized generic, predefined feedback. The deployment of these systems still remains a challenge. In this paper, we present our work of iteratively engaging therapists and post-stroke survivors to design, develop, and evaluate a social robot exercise coaching system for personalized rehabilitation. Through interviews with therapists, we designed how this system interacts with the user and then developed an interactive social robot exercise coaching system. This system integrates a neural network model with a rule-based model to automatically monitor and assess patients' rehabilitation exercises and can be tuned with individual patient's data to generate real-time, personalized corrective feedback for improvement. With the dataset of rehabilitation exercises from 15 post-stroke survivors, we demonstrated our system significantly improves its performance to assess patients' exercises while tuning with held-out patient's data. In addition, our real-world evaluation study showed that our system can adapt to new participants and achieved 0.81 average performance to assess their exercises, which is comparable to the experts' agreement level. We further discuss the potential benefits and limitations of our system in practice.
| Autores | Min Hun Lee Daniel P Siewiorek Asim Smailagic Alexandre Bernardino Sergi Bermúdez I Badia |
| revista | User Model User-adapt Interact |
| DOI | 10.1007/s11257-022-09348-5 |