O Dr. Álvaro Velarde Sotres, coordenador internacional da Área de Esportes da Fundación Universitaria Iberoamericana (Fundação Universitária Iberoamericana, FUNIBER), está participando de um estudo que desenvolve um sistema inteligente capaz de classificar exercícios fisioterapêuticos utilizando PoseNet e aprendizagem automática, a fim de melhorar a eficácia da fisioterapia.
A telessaúde refere-se à prestação de serviços médicos, como o diagnóstico, a consulta e a educação, através da utilização de dispositivos electrónicos, como computadores, computadores portáteis e telemóveis. Esta abordagem responde às necessidades de uma população mundial em envelhecimento, com um aumento projetado da percentagem de pessoas com mais de 60 anos de 12% para 22% até 2050. Para os idosos com doenças crónicas, o esforço físico de viajar longas distâncias para receber cuidados médicos representa um desafio significativo. A telessaúde oferece uma solução crucial ao permitir o acesso remoto a serviços médicos, ultrapassando estas barreiras.
A pandemia de COVID-19 acelerou a adoção da telessaúde, melhorando a prestação de serviços. Os estudos indicam que cerca de 90% dos doentes e prestadores de cuidados de saúde se sentem mais confiantes com as consultas de telessaúde do que com as consultas presenciais, o que sublinha a sua importância crescente para melhorar a acessibilidade aos cuidados de saúde e a confiança dos doentes.
A telessaúde provou ser vantajosa para a fisioterapia à distância, centrada no diagnóstico e tratamento de deficiências que afectam as actividades funcionais. A fisioterapia inclui geralmente exercícios essenciais para a reabilitação do doente. A execução exacta e consistente destes exercícios permite que os terapeutas ajustem o tratamento conforme necessário. Tradicionalmente, a fisioterapia envolve a interação direta com terapeutas que orientam os doentes para corrigir erros de exercício. No entanto, a duração e a frequência das sessões podem dificultar a adesão dos doentes aos seus regimes. A fisioterapia remota através da telessaúde aborda estes problemas fornecendo apoio e monitorização contínuos, melhorando assim o envolvimento do paciente e o cumprimento dos exercícios prescritos.
Neste contexto, o estudo desenvolveu um sistema inovador para classificar os exercícios de fisioterapia para os braços. Utilizando a PoseNet, uma rede neural convolucional que capta e analisa os movimentos do corpo humano em tempo real, fornecendo dados detalhados sobre a postura e o movimento, combinada com modelos de conjunto, que combinam vários algoritmos de aprendizagem automática para melhorar a precisão, o sistema pode classificar os exercícios de forma mais eficiente e precisa do que os métodos tradicionais.
Os classificadores de aprendizagem automática baseados em árvores, como o Random Forest (RF), o Extra Tree Classifier (ETC), o XGBoost, o LightGBM e o Hist Gradient Boosting, foram utilizados para treinar o sistema devido à sua capacidade de lidar com dados complexos e à sua eficácia em tarefas de classificação multi-classe. A análise dos classificadores mostrou que o Random Forest (RF) é adequado para o reconhecimento de exercícios devido à sua capacidade de lidar com várias classes e evitar o sobreajuste, apresentando uma precisão de 98,2%.
Por outro lado, foram desenvolvidos modelos de classificação combinados, como o RandomLightHist Fusion e o StackedXLightRF, destacando-se o primeiro com uma precisão notável de 99,6%, superando os classificadores individuais. O desempenho notável deste modelo deve-se à combinação de três classificadores poderosos: Hist Gradient Boosting (HGB), LightGBM (LGBM) e RF. A sinergia entre estes modelos reforça as capacidades do gradient boosting e melhora a precisão. Além disso, o modelo demonstrou ser robusto às variações de género, mantendo a sua eficácia em diferentes tipos de corpo. Estes resultados realçam a adaptabilidade do modelo em aplicações do mundo real.
O estudo destaca a capacidade destes modelos para se adaptarem a diferentes tipos de exercícios e a variações individuais dos pacientes. Este facto é crucial, pois permite aos fisioterapeutas conceber programas de reabilitação mais eficazes e adaptados às necessidades específicas de cada indivíduo. Para além disso, a implementação desta tecnologia poderá reduzir a necessidade de supervisão constante por parte dos profissionais, permitindo aos doentes fazer exercício em casa com confiança.
Para saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNEATLANTICO.A Fundação Universitária Iberoamericana (FUNIBER) promove vários programas de estudo, como o Mestrado em Atividade Física e Saúde. Este mestrado proporciona aos profissionais os conhecimentos necessários para desenvolver, avaliar e desenhar padrões de exercício físico seguros e benéficos, adaptados à situação fisiológica e patológica de cada indivíduo. Não perca a oportunidade de se formar numa área em constante crescimento e contribuir para o bem-estar das pessoas através da atividade física!