Υπολογίζοντας με ακρίβεια την ανθρώπινη κίνηση με ένα smartphone

Ερευνητές στο Στάνφορντ με μια εφαρμογή που χρησιμοποιεί βίντεο από δύο βαθμονομημένα iPhone τα οποία λειτουργούν σε συγχρονισμό, ποσοτικοποιούν τις υποκείμενες δυνάμεις και την κίνηση του μυοσκελετικού συστήματος.

Η υπολογιστική επεξεργασία και ανάλυση του μυοσκελετικού συστήματος μπορεί να συνεισφέρει σε καλύτερες παρεμβάσεις σχετικά με αρθρίτιδα ή με τραυματισμούς σε ασθενείς και αθλητές, αλλά η μέτρηση των υποκείμενων δυνάμεων κατά την ανθρώπινη κίνηση απαιτεί πολύ χρόνο, εξοπλισμό, τεχνογνωσία, αλλά και χρήμα.

Αν και

εκατομμύρια σε όλο τον κόσμο θα ωφελούνταν, πολύ συχνά η υπολογιστική διερεύνηση της κίνησης θεωρείται μια πολυτέλεια που λίγοι ασθενείς μπορούν να αντέξουν οικονομικά.

Χρησιμοποιώντας ένα βίντεο από ένα ζευγάρι smartphone σε συγχρονισμό, μηχανικοί στο Stanford δημιούργησαν τώρα μια εφαρμογή αντίληψης και υπολογισμού κίνησης ανοιχτού κώδικα-την οποία ονόμασαν OpenCap- η οποία εκδημοκρατίζει τη διαδικασία ποσοτικοποίησης της ανθρώπινης κίνησης και των υποκείμενων δυνάμεων στο μυοσκελετικό σύστημα με μόλις 1% του κόστους.

Οι εμπνευστές ελπίζουν ότι η εφαρμογή τους θα αποτελέσει σημείο καμπής στην ανάλυση της ανθρώπινης κίνησης, βοηθώντας στον εντοπισμό κινητικών μοτίβων που αυξάνουν τον κίνδυνο τραυματισμού ενός αθλητή ή στη βελτιστοποίηση των θεραπειών για άτομα με περιορισμένη κινητικότητα.

Το OpenCap χρειάζεται μόνο λίγα λεπτά για να υπολογίσει και να δώσει πολύτιμες πληροφορίες σχετικά με την ανθρώπινη κίνηση που στην περίπτωση εργαστηριακής ανάλυσης θα χρειάζονταν μέρες και τουλάχιστον 150.000 $.

Το OpenCap συνδυάζει την όραση υπολογιστή, τη μηχανική μάθηση και τη μυοσκελετική προσομοίωση για να κάνει την ανάλυση κίνησης ευρέως διαθέσιμη χωρίς να χρειάζεται εξειδικευμένος εξοπλισμός ή τεχνογνωσία. Το ‘εργαλείο’ υπολογίζει τον τρόπο με τον οποίο ενεργοποιούνται βασικά σημεία του σώματος, όπως γόνατα, γοφοί, ώμοι και άλλες αρθρώσεις στον χώρο.

Στη συνέχεια χρησιμοποιεί πολύπλοκα μοντέλα της φυσικής και της βιολογίας του ανθρώπινου μυοσκελετικού συστήματος για να προσδιορίσει πώς κινείται ο σκελετός και ποιες δυνάμεις ασκούνται κατά την κίνηση.

Από εκεί, μπορεί να υπολογίσει σημαντικές παραμέτρους εμβιομηχανικής όπως γωνίες αρθρώσεων ή φορτία μυοσκελετικών συνδέσμων.

Συνολικά, το OpenCap παρέχει μια πλούσια περιγραφή του τρόπου με τον οποίο κινούνται οι άνθρωποι – πληροφορία που προηγουμένως ήταν διαθέσιμη μόνο από εξειδικευμένα εργαστήρια. Εκτός από το κόστος, μέχρι τώρα το πραγματικό πρόβλημα ήταν ο χρόνος και η τεχνογνωσία που απαιτούνταν για να γίνουν αυτές οι αξιολογήσεις εντός του εργαστηρίου.

«Θα χρειαζόταν μέρες ένας έμπειρος μηχανικός για να συλλέξει και να επεξεργαστεί τα εμβιομηχανικά δεδομένα που παρέχει το OpenCap μέσα σε λίγα λεπτά», λέει ο Scott Uhlrich, διευθυντής ερευνών στο Human Performance Lab του Stanford και πρώτος συγγραφέας της εργασίας που δημοσιεύτηκε πρόσφατα στο PLOS Computational Biology.

Η συλλογή δεδομένων από το OpenCap διαρκεί 10 λεπτά και η επεξεργασία είναι αυτοματοποιημένη στο cloud. Το Stanford διαθέτει αυτήν την πλατφόρμα cloud δωρεάν στους ερευνητές. «Ο μέσος αριθμός ασθενών που υπόκεινται σε μια εμβιομηχανική ανάλυση της κίνησης σήμερα είναι 14», προσθέτει ο Uhlrich.

«Στη μελέτη μας συλλέξαμε δεδομένα από 100 άτομα σε λιγότερο από 10 ώρες. Αυτό θα μας έπαιρνε προηγουμένως τουλάχιστον ένα χρόνο». Ενώ το λογισμικό είναι ελεύθερα διαθέσιμο για έρευνα, η ομάδα δημιούργησε και μια εταιρεία για την υποστήριξη προπονητών ή κλινικών γιατρών που θέλουν να αξιοποιήσουν το λογισμικό σε εμπορικές εφαρμογές. «Μπορείτε να φανταστείτε τους αθλητές να λαμβάνουν τακτικές αξιολογήσεις των επιδόσεων και του υποκείμενου κινδύνου για τραυματισμούς, οι οποίες καθοδηγούν την προπόνησή τους», είπε ο Uhlrich, «ή τους ηλικιωμένους να αναλύουν τακτικά το περπάτημά τους στο ιατρείο».

Πηγή: Stanford