Gains :
- Comprendre ce que les outils d'estimation de pose basés sur la vidéo peuvent mesurer et où ils se trompent en physiothérapie
- Capacité à valider de manière croisée les données d'angle, de symétrie et de mouvement dérivées de l'IA avec une évaluation observationnelle et des mesures réelles
- Possibilité de rapporter une analyse vidéo tout en protégeant la vie privée du patient, en connaissant les erreurs et les limites de mesure
L'œil du physiothérapeute en dit long en observant comment un patient marche, s'accroupit, lève le bras. Ces dernières années, l’intelligence artificielle (IA) a introduit un nouvel outil pour soutenir cet œil : l’estimation de la pose ; logiciel qui marque automatiquement les articulations du corps humain dans une vidéo ou une photo et calcule l'angle, la distance et la symétrie. Il peut estimer l'angle du genou à partir d'une vidéo accroupie prise avec l'appareil photo d'un téléphone et la symétrie des pas à partir d'une vidéo de marche. Il s’agit d’une aide puissante, mais elle contient également de graves erreurs de mesure. Dans cette unité, vous apprendrez ce que l'estimation de pose peut mesurer, où elle est erronée et comment vérifier en toute sécurité son résultat.
Que fait l’estimation de pose et que ne peut-elle pas faire ?
Les outils d'estimation de pose détectent les points du corps (tels que l'épaule, le coude, la hanche, le genou, la cheville) dans une image et calculent des valeurs telles que l'angle de l'articulation, l'inclinaison du corps et la différence de symétrie à partir de ceux-ci. Ceci est utile pour comparer un mouvement répété au fil du temps, donner un retour visuel au patient et fournir une analyse approximative. Par exemple, visualiser la profondeur du squat d'un patient augmentant de semaine en semaine est motivant.
Cependant, l'estimation de la pose ne remplace pas la mesure clinique. Si l'angle de la caméra change, la valeur de l'angle change ; des vêtements amples cachent l'articulation; une mauvaise lumière perturbe le modèle ; L'extrapolation d'un mouvement tridimensionnel (3D) à partir d'une vidéo bidimensionnelle (2D) est intrinsèquement inexacte (la rotation et la profondeur sont perdues). La mesure avec un goniomètre (instrument clinique qui mesure l'angle articulaire) reste la référence. L'estimation de l'exposition vous indique « approximativement » ; Il n'est pas dit "c'est sûr".
Attention : une valeur d'angle résultant de l'estimation de la pose n'est pas une mesure clinique officielle. Confirmer avec un goniomètre ou une méthode validée dans des conditions standards avant de rédiger le rapport. La phrase « AI a dit 47° » ne constitue pas une preuve clinique.
Sources d'erreur de mesure
Connaître les facteurs qui affectent la précision de l'estimation de la pose est la clé pour lire correctement le résultat.
Origine de l'erreur
Effet
Voie de réduction
angle de la caméra
Modifie considérablement la valeur de l'angle
Gardez la caméra stable et perpendiculaire au plan de mouvement
vêtements
Cache/déplace le point de jonction
Vêtements serrés ou ajustés, points de repère
lumière
Le modèle manque des points
Bon éclairage uniforme ; pas d'ombre
Perte 2D-3D
Impossible de voir la profondeur et la rotation
Prise de vue multi-angle ou système 3D en mesure critique
Distance/résolution
Une faible résolution augmente l’erreur
Corps entier visible, résolution suffisante
Étape par étape : analyser la vidéo en toute sécurité
- Obtenez le consentement. Expliquez au patient qu'une vidéo sera prise, comment elle sera stockée et son objectif, et obtenez son consentement explicite.
- Corrigez la norme. Assurez-vous que la position de la caméra, la distance, l'éclairage et les vêtements sont les mêmes pour chaque mesure (sinon la comparaison n'a plus de sens).
- Tirez et traitez. Exécutez l’outil, obtenez les valeurs d’angle/symétrie de sortie.
- Vérification croisée avec observation. Votre propre observation clinique est-elle cohérente avec l’IA ? S’il y a un écart, fiez-vous à l’observation et non à l’IA.
- Confirmez la valeur critique avec un goniomètre. Chaque aspect qui sera inclus dans le rapport doit être vérifié selon la méthode standard.
- Rapport en précisant la limite. Comme "Estimation de l'exposition, avec une marge d'erreur de ± X". Protégez la vie privée.
Trois mini-cases (en chiffres)
Cas 1 — Suivi du squat. Patient de 28 ans, douleur fémoropatellaire. L'estimation de l'exposition de la première semaine montrait une flexion du genou à 62°, le goniomètre mesurait 68° (différence de 6°, la caméra était légèrement sur le côté). Le physiothérapeute a corrigé la caméra et lors des mesures ultérieures, la différence a diminué jusqu'à 2°. Après 4 semaines, la profondeur d'accroupissement sans douleur a augmenté de manière significative ; La vidéo de comparaison hebdomadaire avec le patient était motivante.
Cas 2 — Erreur de symétrie de la démarche. Patient de 60 ans après arthroplastie du genou. L’estimation de la pose a rapporté une asymétrie de longueur de pas de 18 %. Mais le patient portait un pantalon ample et la caméra était dans le couloir (l'angle n'est pas fixe). Lors du reshoot avec des vêtements serrés et une caméra fixe, l'asymétrie était de 7 %. Leçon : de mauvaises conditions peuvent doubler l’erreur ; Ce serait une erreur si la décision clinique était prise sur la base de la première valeur incorrecte.
Cas 3 — Élévation de l’épaule. Épaule gelée à 50 ans. La vidéo 2D surestimait l'enlèvement car le bras était en avant (le bras n'était pas exactement dans le plan latéral). Le kiné a mesuré 95° avec le goniomètre, et a indiqué que l'IA était de 112°. La valeur du goniomètre a été écrite dans le rapport, la valeur de l'IA n'a été utilisée que pour le suivi des tendances.
Invite faible/Invite forte
Ici, « invite » est le texte qui interprète à la fois l'outil et le résultat.
Faible : "À partir de cette vidéo, indiquez l'angle du genou du patient et notez-le dans le rapport."
Ignore les conditions de mesure, la marge d'erreur et la vérification ; peut formaliser une valeur incorrecte.
Güçlü : "Commentez l'angle de flexion du genou dans ce résultat d'estimation de pose. Répertoriez les sources d'erreur possibles dues à l'angle de la caméra, aux vêtements et à la limite 2D. Étiquetez la valeur comme "estimée" et indiquez qu'elle doit être confirmée avec un goniomètre. Recommander une décision clinique. "
Quatre modèles copiables
Tâche : Interpréter le résultat de l’estimation de l’exposition (et non comme une mesure clinique). Données : [valeurs d'angle/symétrie + conditions de prise de vue : appareil photo, distance, lumière, vêtements] Je veux : (1) résumé des valeurs, (2) sources d'erreur possibles, (3) quelles valeurs nécessitent une confirmation goniométrique, (4) étiquette « estimée ». Ne prenez pas de décision, interprétez simplement et suggérez une vérification.
Tâche : Produire une liste de contrôle du protocole d'acquisition standard. Contexte : [mouvement à mesurer, par ex. accroupi / abduction de l'épaule / marche] Je veux : la position de la caméra, la distance, l'angle, l'éclairage, les vêtements et une liste de contrôle détaillée pour la répétabilité. Pour une mesure comparable.
Tâche : Comparez les données d'exposition de deux sessions différentes. Données : Session 1 [valeurs] / Session 2 [valeurs] / les conditions sont-elles les mêmes : [oui/non] Je veux : Résumé du changement + avertissement si le changement peut être dû à une erreur de mesure ou à un progrès réel. Si les conditions sont différentes, invalidez la comparaison.
Tâche : Traduire les résultats de l'analyse vidéo dans un langage simple pour le patient. Constat : [résumé technique angle/symétrie] Règle : Motivant mais sobre, énoncer « mesure estimée », ne pas créer de peur, expliquer simplement l'étape suivante.
Conseil : L'utilisation la plus puissante de l'estimation de l'exposition est la tendance, et non la valeur absolue. Observer le changement de semaine en semaine dans les mêmes conditions standard est beaucoup plus fiable et motivant que de revendiquer un angle « sûr » unique.
Valeur motivationnelle du feedback visuel
Bien que la précision de la mesure de l'estimation de la pose soit controversée, sa valeur pour fournir un retour visuel au patient est grande. Lorsqu'un patient voit côte à côte des images de la profondeur de son squat ou de la hauteur de ses bras augmentant de semaine en semaine, il est beaucoup plus motivé qu'une phrase abstraite de « vous progressez ». Ceci est basé sur le principe des sciences du comportement selon lequel les progrès tangibles et visibles augmentent l’engagement. Le même visuel peut également être utilisé pour démontrer au patient un schéma de mouvement incorrect (par exemple, le genou glisse en s'accroupissant) ; Le patient apprend plus facilement à corriger ses propres mouvements lorsqu’il les voit de l’extérieur. Mais là aussi la règle demeure : utiliser le visuel comme un outil de motivation et d’enseignement, et non comme une prétention à une mesure clinique précise. Dire au patient « il s’agit d’une mesure estimée, elle montre votre tendance » préserve l’honnêteté et la confiance.
Conseil : basez le feedback visuel sur une comparaison avec l'histoire personnelle du patient, et non sur un nombre absolu. Le message « plus profond et plus aligné que la semaine dernière » est à la fois plus sûr et plus motivant que le message « pliez les genoux à 68° ».
Erreurs courantes
- Confondre l’angle de l’IA avec une mesure clinique. L'estimation de la pose est une conjecture ; le goniomètre est la référence.
- Conditions non standardisées. Comparer des vidéos tournées avec différentes caméras/lumières/vêtements est trompeur.
- Oublier la limite 2D. La vidéo 2D donne de sérieuses erreurs dans les mouvements impliquant la rotation et la profondeur.
- Ne pas obtenir le consentement. La vidéo du patient est une donnée spéciale ; Un consentement explicite et un stockage sécurisé sont essentiels.
- Pour invalider l’observation. Si l’IA entre en conflit avec l’observation clinique, faites confiance à l’observation, puis recherchez la cause.
- Stockage vidéo de manière non sécurisée. Garder une vidéo identifiable d'un patient non protégée dans le cloud est une violation du KVKK.
En résumé
L'estimation de pose basée sur la vidéo est une aide précieuse pour suivre et comparer les mouvements et donner un retour visuel au patient ; Cependant, il est sujet à des erreurs de mesure dues à l’angle de la caméra, aux vêtements, à l’éclairage et à la perte 2D-3D. Traitez le résultat comme une « estimation », normalisez les conditions, vérifiez les valeurs critiques avec un goniomètre et utilisez-le pour le suivi des tendances. La vidéo du patient est une donnée privée ; L'approbation et le stockage sûr sont obligatoires.
Tâche de candidature
Choisissez un mouvement (squat, abduction de l'épaule ou marche). Produisez une liste de contrôle de prise de vue standard avec un deuxième modèle. Supposons que le même mouvement ait été « filmé » une fois de manière standard, une fois dans des conditions délibérément mauvaises (caméra latérale, vêtements amples), et demandez au premier modèle d'interpréter la différence entre les deux sorties. Marquez quelle valeur nécessite une confirmation avec le goniomètre.
liste de contrôle
- [ ] J'ai obtenu le consentement explicite pour la vidéo du patient et je l'ai gardée en sécurité.
- [ ] J'ai standardisé les conditions de tournage (caméra, distance, lumière, tenue vestimentaire).
- [ ] J'ai qualifié l'angle de l'IA d'"estimé" et je ne l'ai pas considéré comme une mesure officielle.
- [ ] J'ai recoupé avec mon observation clinique.
- [ ] J'ai confirmé les valeurs critiques à inclure dans le rapport avec un goniomètre.
- [ ] J'ai utilisé les données d'exposition principalement pour suivre les tendances, sans faire d'affirmation définitive unique.