Keuntungan:
- Memahami apa yang dapat diukur oleh alat estimasi pose berbasis video dan di mana kesalahannya dalam fisioterapi
- Kemampuan untuk memvalidasi silang data sudut, simetri, dan gerak yang diturunkan dari AI dengan evaluasi observasi dan pengukuran aktual
- Kemampuan untuk melaporkan analisis video sekaligus melindungi privasi pasien, mengetahui kesalahan dan batasan pengukuran
Mata ahli terapi fisik mengetahui banyak hal dengan mengamati bagaimana pasien berjalan, jongkok, mengangkat lengannya. Dalam beberapa tahun terakhir, kecerdasan buatan (AI) telah memperkenalkan alat baru untuk mendukung mata ini: estimasi pose; perangkat lunak yang secara otomatis menandai sendi tubuh manusia dalam video atau foto dan menghitung sudut, jarak, dan simetri. Alat ini dapat memperkirakan sudut lutut dari video jongkok yang diambil dengan kamera ponsel, dan simetri langkah dari video berjalan. Ini merupakan bantuan yang ampuh, namun juga mengandung kesalahan pengukuran yang serius. Dalam unit ini Anda akan mempelajari estimasi pose apa yang dapat diukur, letak kesalahannya, dan cara memverifikasi keluarannya dengan aman.
Apa yang dilakukan estimasi pose dan apa yang tidak bisa dilakukan?
Alat estimasi pose mendeteksi titik-titik tubuh (seperti bahu, siku, pinggul, lutut, pergelangan kaki) dalam gambar dan menghitung nilai seperti sudut sendi, kemiringan tubuh, dan perbedaan simetri dari titik-titik tersebut. Hal ini berguna untuk membandingkan gerakan berulang dari waktu ke waktu, memberikan umpan balik visual kepada pasien, dan memberikan gambaran kasar. Misalnya, memvisualisasikan kedalaman jongkok pasien yang meningkat dari minggu ke minggu adalah hal yang memotivasi.
Namun, estimasi pose tidak menggantikan pengukuran klinis. Jika sudut kamera berubah, nilai sudutnya berubah; pakaian longgar menyembunyikan persendiannya; cahaya buruk membingungkan model; Mengekstrapolasi gerakan tiga dimensi (3D) dari video dua dimensi (2D) pada dasarnya tidak akurat (rotasi dan kedalaman hilang). Pengukuran dengan goniometer (alat klinis yang mengukur sudut sendi) masih menjadi acuan. Estimasi eksposur memberi tahu Anda "kira-kira"; Ia tidak mengatakan "pasti".
Perhatian: Nilai sudut yang dihasilkan dari estimasi pose bukanlah pengukuran klinis resmi. Konfirmasikan dengan goniometer atau metode yang tervalidasi dalam kondisi standar sebelum ditulis dalam laporan. Kalimat “AI berkata 47°” bukanlah bukti klinis.
Sumber kesalahan pengukuran
Mengetahui faktor-faktor yang mempengaruhi keakuratan estimasi pose adalah kunci untuk membaca keluaran dengan benar.
Sumber kesalahan
Efek
Cara pengurangan
sudut kamera
Mengubah nilai sudut secara signifikan
Jaga agar kamera tetap stabil dan tegak lurus terhadap bidang gerak
pakaian
Menyembunyikan/menggeser titik sambungan
Pakaian ketat atau pas bentuk, penanda
ringan
Model kehilangan poin
Pencahayaan yang bagus dan seragam; tidak ada bayangan
Kerugian 2D-3D
Tidak dapat melihat kedalaman dan rotasi
Pemotretan multi-sudut atau sistem 3D dalam pengukuran kritis
Jarak/resolusi
Resolusi rendah meningkatkan kesalahan
Seluruh bodi terlihat, resolusi cukup
Langkah demi langkah: menganalisis video dengan aman
- Dapatkan persetujuan. Jelaskan kepada pasien bahwa video akan diambil, bagaimana video tersebut akan disimpan dan tujuannya, dan dapatkan persetujuan yang jelas.
- Perbaiki standarnya. Pastikan posisi kamera, jarak, pencahayaan dan pakaian sama untuk setiap pengukuran (jika tidak, perbandingan menjadi tidak berarti).
- Tarik dan proses. Jalankan alat, dapatkan nilai sudut/simetri keluaran.
- Periksa silang dengan observasi. Apakah observasi klinis Anda konsisten dengan AI? Kalau ada kejanggalan, andalkan observasi, bukan AI.
- Konfirmasikan nilai kritis dengan goniometer. Setiap aspek yang akan dimasukkan dalam laporan harus diverifikasi dengan metode standar.
- Laporkan dengan menentukan batasnya. Seperti "Perkiraan eksposur, dengan margin kesalahan ±X". Lindungi privasi.
Tiga kotak mini (dalam jumlah)
Kasus 1 - Tindak lanjut jongkok. Pasien 28 tahun, nyeri patellofemoral. Estimasi eksposur minggu pertama menunjukkan fleksi lutut 62°, goniometer diukur 68° (selisih 6°, kamera sedikit ke samping). Fisioterapis mengoreksi kamera, dan pada pengukuran selanjutnya perbedaannya menurun menjadi 2°. Setelah 4 minggu, kedalaman jongkok tanpa rasa sakit meningkat secara signifikan; Video perbandingan mingguan dengan pasien sangat memotivasi.
Kasus 2 - Kekeliruan simetri gaya berjalan. Pasien berusia 60 tahun setelah penggantian lutut. Estimasi pose melaporkan asimetri panjang langkah sebesar 18%. Namun pasien mengenakan celana longgar dan kamera berada di koridor (sudutnya tidak tetap). Dalam pengambilan gambar ulang dengan pakaian ketat dan kamera tetap, asimetrinya adalah 7%. Pelajaran: kondisi buruk dapat melipatgandakan kesalahan; Akan menjadi kesalahan jika keputusan klinis dibuat berdasarkan nilai pertama yang salah.
Kasus 3 — Ketinggian bahu. Bahu beku pada usia 50 tahun. Video 2D melebih-lebihkan penculikan karena lengan berada di depan (lengan tidak tepat berada pada bidang lateral). Fisioterapis mengukur 95° dengan goniometer, dan mengatakan AI adalah 112°. Nilai goniometer tertulis di laporan, nilai AI hanya digunakan untuk pelacakan tren.
Perintah lemah / Perintah kuat
Di sini, "prompt" adalah teks yang menafsirkan alat dan hasilnya.
Lemah : “Dari video ini, beritahukan sudut lutut pasien dan tuliskan di laporan.”
Mengabaikan kondisi pengukuran, margin kesalahan dan verifikasi; dapat memformalkan nilai yang salah.
Güçlü: "Komentar sudut fleksi lutut dalam keluaran estimasi pose ini. Cantumkan kemungkinan sumber kesalahan karena sudut kamera, pakaian, dan batas 2D. Beri label nilai sebagai 'perkiraan' dan tunjukkan bahwa nilai tersebut harus dikonfirmasi dengan goniometer. Merekomendasikan keputusan klinis."
Empat templat yang dapat disalin
Tugas: Menafsirkan keluaran estimasi paparan (bukan sebagai pengukuran klinis). Data: [nilai sudut/simetri + kondisi pemotretan: kamera, jarak, cahaya, pakaian] Saya ingin: (1) ringkasan nilai, (2) kemungkinan sumber kesalahan, (3) nilai mana yang memerlukan konfirmasi goniometer, (4) label "perkiraan". Jangan mengambil keputusan, cukup tafsirkan dan sarankan verifikasi.
Tugas: Membuat daftar periksa protokol akuisisi standar. Konteks: [gerakan yang akan diukur, mis. jongkok / penculikan bahu / berjalan] Saya ingin: Posisi kamera, jarak, sudut, pencahayaan, pakaian, dan daftar periksa terperinci untuk pengulangan. Untuk pengukuran yang sebanding.
Tugas: Membandingkan data paparan dari dua sesi berbeda.Data: Sesi 1 [nilai] / Sesi 2 [nilai] / kondisinya sama: [ya/tidak]Saya ingin: Ringkasan perubahan + peringatan apakah perubahan mungkin disebabkan oleh kesalahan pengukuran atau kemajuan sebenarnya. Jika kondisinya berbeda, batalkan perbandingannya.
Tugas: Menerjemahkan temuan analisis video ke dalam bahasa yang sederhana untuk pasien. Temuan: [ringkasan sudut/simetri teknis] Aturan: Memotivasi tetapi bersahaja, nyatakan "perkiraan pengukuran", jangan menimbulkan rasa takut, cukup jelaskan langkah selanjutnya.
Tip: Penggunaan estimasi eksposur yang paling ampuh adalah tren, bukan nilai absolut. Mengamati perubahan dari minggu ke minggu dalam kondisi standar yang sama jauh lebih dapat diandalkan dan memotivasi daripada hanya mengklaim sudut pandang “pasti” yang hanya satu kali saja.
Nilai motivasi dari umpan balik visual
Meskipun keakuratan pengukuran estimasi pose masih kontroversial, manfaatnya dalam memberikan umpan balik visual kepada pasien sangat besar. Ketika seorang pasien melihat gambar kedalaman jongkok atau tinggi lengan mereka yang meningkat dari minggu ke minggu, mereka termotivasi jauh lebih kuat daripada kalimat abstrak "Anda mengalami kemajuan". Hal ini didasarkan pada prinsip ilmu perilaku bahwa kemajuan yang nyata dan nyata meningkatkan komitmen. Visual yang sama juga dapat digunakan untuk menunjukkan kepada pasien pola gerakan yang salah (misalnya lutut tergelincir saat jongkok); Pasien belajar mengoreksi gerakannya sendiri dengan lebih mudah ketika dia melihatnya dari luar. Namun di sini aturannya tetap sama: gunakan visual sebagai alat motivasi dan pengajaran, bukan sebagai klaim atas pengukuran klinis yang tepat. Memberi tahu pasien "ini adalah perkiraan pengukuran, ini menunjukkan tren Anda" menjaga kejujuran dan kepercayaan.
Tip: Dasarkan umpan balik visual pada perbandingan dengan riwayat pasien sendiri, bukan pada angka absolut. Pesan “lebih dalam dan selaras dibandingkan minggu lalu” lebih aman dan lebih memotivasi dibandingkan pesan “tekuk lutut 68°.”
Kesalahan umum
- Salah mengira sudut AI sebagai pengukuran klinis. Estimasi pose hanyalah dugaan; goniometer adalah referensinya.
- Bukan standarisasi kondisi. Membandingkan video yang diambil dengan kamera/lampu/pakaian yang berbeda adalah hal yang menyesatkan.
- Lupa batas 2D. Video 2D memberikan kesalahan serius pada gerakan yang melibatkan rotasi dan kedalaman.
- Tidak mendapatkan persetujuan. Video pasien adalah data khusus; Persetujuan eksplisit dan penyimpanan yang aman sangat penting.
- Untuk membatalkan observasi. Jika AI bertentangan dengan observasi klinis, percayalah pada observasi tersebut, lalu selidiki penyebabnya.
- Menyimpan video dengan tidak aman. Menyimpan video pasien yang dapat diidentifikasi tanpa terlindungi di cloud merupakan pelanggaran KVKK.
Singkatnya
Estimasi pose berbasis video merupakan bantuan berharga untuk melacak dan membandingkan gerakan serta memberikan umpan balik visual kepada pasien; Namun rentan terhadap kesalahan pengukuran karena sudut kamera, pakaian, pencahayaan, dan kehilangan 2D-3D. Perlakukan keluaran sebagai “perkiraan”, standarisasi kondisi, verifikasi nilai kritis dengan goniometer, dan gunakan sebagian besar untuk pelacakan tren. Video pasien adalah data pribadi; Persetujuan dan penyimpanan yang aman adalah wajib.
Tugas aplikasi
Pilih gerakan (jongkok, abduksi bahu, atau berjalan). Buat daftar periksa pengambilan gambar standar dengan templat kedua. Asumsikan bahwa gerakan yang sama "dibidik" sekali dengan cara standar, sekali dalam kondisi yang sengaja buruk (kamera samping, pakaian longgar), dan minta templat pertama menafsirkan perbedaan antara kedua keluaran. Tandai nilai mana yang memerlukan konfirmasi dengan goniometer.
daftar periksa
- [ ] Saya memperoleh persetujuan eksplisit untuk video pasien dan menyimpannya dengan aman.
- [ ] Saya membakukan kondisi pengambilan gambar (kamera, jarak, cahaya, pakaian).
- [ ] Saya memberi label sudut AI sebagai "perkiraan" dan tidak menganggapnya sebagai pengukuran resmi.
- [ ] Saya memeriksa silang dengan observasi klinis saya.
- [ ] Saya mengkonfirmasi nilai kritis untuk dimasukkan dalam laporan dengan goniometer.
- [ ] Saya sebagian besar menggunakan data keterpaparan untuk melacak tren, bukan membuat klaim definitif satu kali saja.