zisky:
- Pochopení toho, co mohou nástroje pro odhad pozice založené na videu měřit a kde jsou ve fyzioterapii chybné
- Schopnost křížově ověřovat údaje o úhlu, symetrii a pohybu odvozené z AI s vyhodnocením pozorování a skutečným měřením
- Schopnost hlásit analýzu videa a zároveň chránit soukromí pacienta, znát chyby měření a limity
Oko fyzioterapeuta hodně napoví tím, že sleduje, jak pacient chodí, dřepuje, zvedá paži. V posledních letech umělá inteligence (AI) představila nový nástroj na podporu tohoto oka: odhad pozice; software, který automaticky označí klouby lidského těla na videu nebo fotografii a vypočítá úhel, vzdálenost a symetrii. Dokáže odhadnout úhel kolena z videa v podřepu pořízeného fotoaparátem telefonu a symetrii kroku z videa při chůzi. Jedná se o výkonnou pomůcku, která však obsahuje i závažné chyby měření. V této lekci se dozvíte, co může odhad pozice měřit, kde je chybný a jak bezpečně ověřit jeho výstup.
Co odhad pozice dělá a co neumí?
Nástroje pro odhad pozice detekují body těla (jako je rameno, loket, kyčle, koleno, kotník) na obrázku a vypočítají z nich hodnoty, jako je úhel kloubu, sklon těla a rozdíl symetrie. To je užitečné pro porovnání opakovaného pohybu v průběhu času, poskytnutí vizuální zpětné vazby pacientovi a poskytnutí hrubého skenování. Motivující je například vizualizace pacientovy hloubky dřepu, která se týden od týdne zvyšuje.
Odhad pozice však nenahrazuje klinické měření. Pokud se změní úhel kamery, změní se i hodnota úhlu; volné oblečení skrývá kloub; špatné světlo model mate; Extrapolace trojrozměrného (3D) pohybu z dvojrozměrného (2D) videa je ze své podstaty nepřesná (ztrácí se rotace a hloubka). Měření pomocí goniometru (klinický přístroj, který měří úhel kloubu) je stále referenční. Odhad expozice vám říká „přibližně“; Neříká "určitě".
Upozornění: Hodnota úhlu vyplývající z odhadu pozice není oficiálním klinickým měřením. Před zápisem do zprávy potvrďte goniometrem nebo ověřenou metodou za standardních podmínek. Věta „AI řekla 47°“ není klinickým důkazem.
Zdroje chyb měření
Znalost faktorů, které ovlivňují přesnost odhadu pozice, je klíčem ke správnému čtení výstupu.
Zdroj chyby
Efekt
Redukční způsob
úhel kamery
Výrazně změní hodnotu úhlu
Udržujte kameru stabilní a kolmo k rovině pohybu
oblečení
Skryje/posune bod kloubu
Přiléhavé nebo přiléhavé oblečení, orientační body
světlo
Model chybí body
Dobré, jednotné osvětlení; žádný stín
2D-3D ztráta
Není vidět hloubka a rotace
Snímání z více úhlů nebo 3D systém v kritickém měření
Vzdálenost/rozlišení
Nízké rozlišení zvyšuje chybu
Viditelné celé tělo, dostatečné rozlišení
Krok za krokem: bezpečná analýza videa
- Získejte souhlas. Vysvětlete pacientovi, že bude pořízen videozáznam, jak bude uchováván a jeho účel, a získejte výslovný souhlas.
- Opravte standard. Ujistěte se, že poloha kamery, vzdálenost, osvětlení a oblečení jsou pro každé měření stejné (jinak srovnání ztrácí smysl).
- Vytáhněte a zpracujte. Spusťte nástroj a získejte výstupní hodnoty úhlu/symetrie.
- Křížová kontrola s pozorováním. Je vaše vlastní klinické pozorování v souladu s AI? Pokud existuje nesrovnalost, spoléhejte se na pozorování, nikoli na AI.
- Potvrďte kritickou hodnotu pomocí goniometru. Každý aspekt, který bude zahrnut ve zprávě, musí být ověřen standardní metodou.
- Hlásit zadáním limitu. Jako "Odhad expozice s ±X chybou." Chraňte soukromí.
Tři mini pouzdra (v číslech)
Případ 1 – Sledování dřepu. 28letý pacient, patelofemorální bolest. První týdenní odhad expozice ukázal flexi kolene na 62°, goniometr naměřil 68° (6° rozdíl, kamera byla mírně na stranu). Fyzioterapeut korigoval kameru a při následných měřeních se rozdíl snížil na 2°. Po 4 týdnech se hloubka bezbolestného dřepu výrazně zvýšila; Týdenní srovnávací video pro pacienta bylo motivující.
Případ 2 – Chyba symetrie chůze. 60letý pacient po náhradě kolenního kloubu. Odhad pozice udává 18% asymetrii délky kroku. Ale pacient měl na sobě volné kalhoty a kamera byla na chodbě (úhel není pevný). Při opětovném natáčení s upnutým oblečením a pevnou kamerou byla asymetrie 7 %. Ponaučení: špatné podmínky mohou zdvojnásobit chybu; Bylo by chybou, kdyby klinické rozhodnutí bylo učiněno na základě první nesprávné hodnoty.
Případ 3 – Výška ramene. Zmrzlé rameno ve věku 50 let. 2D video přeceňovalo únos, protože paže byla vpředu (paže nebyla přesně v laterální rovině). Fyzioterapeut naměřil goniometrem 95° a řekl, že AI byla 112°. Hodnota goniometru byla zapsána do zprávy, hodnota AI byla použita pouze pro sledování trendu.
Slabá výzva / Silná výzva
Zde je „výzva“ text, který interpretuje nástroj i výsledek.
Slabý: "Z tohoto videa řekněte pacientovi úhel kolena a napište jej do zprávy."
Ignoruje podmínky měření, chybovost a ověření; může formalizovat nesprávnou hodnotu.
Güçlü: "Komentujte úhel flexe kolene v tomto výstupu odhadu pozice. Uveďte možné zdroje chyb kvůli úhlu kamery, oblečení a 2D hranici. Označte hodnotu jako 'odhadovaná' a uveďte, že by měla být potvrzena goniometrem. Doporučte klinické rozhodnutí."
Čtyři kopírovatelné šablony
Úkol: Interpretujte výstup odhadu expozice (nikoli jako klinické měření). Údaje: [hodnoty úhlu/symetrie + podmínky snímání: fotoaparát, vzdálenost, světlo, oblečení] Chci: (1) souhrn hodnot, (2) možné zdroje chyb, (3) které hodnoty vyžadují potvrzení goniometrem, (4) štítek „odhad“. Nedělejte rozhodnutí, pouze interpretujte a navrhujte ověření.
Úkol: Vytvořte standardní kontrolní seznam protokolu akvizice. Kontext: [pohyb, který má být měřen, např. dřep / únos ramene / chůze] Chci: Pozici kamery, vzdálenost, úhel, osvětlení, oblečení a podrobný kontrolní seznam pro opakovatelnost. Pro srovnatelné měření.
Úkol: Porovnejte údaje o expozici ze dvou různých relací. Údaje: Relace 1 [hodnoty] / Relace 2 [hodnoty] / podmínky jsou stejné: [ano/ne]Chci: Shrnutí změny + upozornění, zda změna může být způsobena chybou měření nebo skutečným pokrokem. Pokud se podmínky liší, zrušte platnost srovnání.
Úkol: Přeložte nález z videoanalýzy do srozumitelného jazyka pro pacienta. Zjištění: [technické shrnutí úhlu/symetrie] Pravidlo: Motivující, ale podhodnocené, uveďte „odhadované měření“, nevytvářejte strach, jednoduše vysvětlete další krok.
Tip: Nejúčinnějším využitím odhadu expozice je trend, nikoli absolutní hodnota. Sledování změn z týdne na týden za stejných standardních podmínek je mnohem spolehlivější a motivující, než tvrdit jednorázový „jistý“ úhel.
Motivační hodnota vizuální zpětné vazby
Přestože přesnost měření odhadu pozice je kontroverzní, její hodnota při poskytování vizuální zpětné vazby pacientovi je velká. Když pacient vidí vedle sebe obrázky hloubky dřepu nebo výšky paží, jak se týden od týdne zvyšuje, je motivován mnohem silněji než abstraktní věta „postupujete“. To je založeno na principu behaviorální vědy, že hmatatelný a viditelný pokrok zvyšuje angažovanost. Stejný vizuál lze také použít k demonstraci nesprávného pohybového vzorce pacientovi (např. podklouznutí kolena při dřepu); Pacient se naučí snáze korigovat vlastní pohyby, když je vidí zvenčí. Ale i zde platí pravidlo: používejte vizuál jako motivační a výukový nástroj, ne jako nárok na přesné klinické měření. Říct pacientovi „toto je odhadované měření, ukazuje váš trend“ zachovává poctivost a důvěru.
Tip: Vizuální zpětnou vazbu založte na srovnání s pacientovou vlastní anamnézou, nikoli na absolutním počtu. Poselství „hlouběji a vyrovnaněji než minulý týden“ je bezpečnější a více motivující než sdělení „ohnout kolena o 68°“.
Časté chyby
- Záměna úhlu AI za klinické měření. Odhad pozice je odhad; referenční je goniometr.
- Nestandardní podmínky. Srovnávání videí natočených různými kamerami/světly/oblečením je zavádějící.
- Zapomeňte na limit 2D. 2D video poskytuje vážné chyby v pohybech zahrnujících rotaci a hloubku.
- Nezískání souhlasu. Video pacienta jsou speciální data; Nezbytný je výslovný souhlas a bezpečné uložení.
- Aby bylo pozorování neplatné. Pokud je AI v rozporu s klinickým pozorováním, důvěřujte pozorování a poté prozkoumejte příčinu.
- Nezabezpečené ukládání videa. Uchovávání identifikovatelného videa pacienta nechráněné v cloudu je porušením KVKK.
V souhrnu
Odhad pozice na základě videa je cennou pomůckou pro sledování a porovnávání pohybu a poskytování vizuální zpětné vazby pacientovi; Je však náchylný k chybám měření kvůli úhlu kamery, oblečení, osvětlení a ztrátě 2D-3D. Zacházejte s výstupem jako s „odhadem“, standardizujte podmínky, ověřte kritické hodnoty pomocí goniometru a většinu použijte pro sledování trendů. Video pacienta je soukromá data; Schválení a bezpečné skladování jsou povinné.
Aplikační úkol
Vyberte si pohyb (dřep, abdukce ramen nebo chůze). Vytvořte standardní kontrolní seznam střelby s druhou šablonou. Předpokládejme, že stejný pohyb byl „natočen“ jednou standardním způsobem, jednou za záměrně špatných podmínek (boční kamera, volné oblečení) a nechte první šablonu interpretovat rozdíl mezi oběma výstupy. Označte, která hodnota vyžaduje potvrzení pomocí goniometru.
kontrolní seznam
- [ ] Získal jsem výslovný souhlas s videem pacienta a uchoval jsem ho v bezpečí.
- [ ] Standardizoval jsem podmínky focení (fotoaparát, vzdálenost, světlo, oblečení).
- [ ] Úhel AI jsem označil jako „odhadovaný“ a nepovažoval jsem ho za oficiální měření.
- [ ] Zkontroloval jsem to svým klinickým pozorováním.
- [ ] Potvrdil jsem goniometrem kritické hodnoty, které mají být zahrnuty do zprávy.
- [ ] Údaje o expozici jsem používal většinou pro sledování trendů, ne pro jednorázové definitivní tvrzení.