컴퓨터 도구는 회복을 촉진하기 위해 뇌졸중 재활을 추적할 수 있습니다 날짜: 2022년 6월 16일 원천: NYU Langone Health / NYU Grossman 의과대학 요약: 센서가 장착된 컴퓨터 프로그램은 뇌졸중 재활을 받는 사람들의 팔 움직임을 정확하게 식별하고 계산할 수 있다는 새로운 연구 결과가 나왔습니다.
센서가 장착된 컴퓨터 프로그램은 뇌졸중 재활을 받는 사람들의 팔 움직임을 정확하게 식별하고 계산할 수 있다는 새로운 연구 결과가 나왔습니다. 이제 그렇게 할 수 있으므로 다음 단계는 뇌졸중 후 환자가 독립적으로 움직이고 스스로를 돌볼 수 있는 능력을 최대로 회복시키는 운동의 강도를 정의하는 도구를 사용하는 것이라고 연구 저자는 말합니다.
작업의 긴급성은 뇌졸중 생존자의 절반 이상에서 팔의 가동성(및 다른 사지의 가동성)이 심각하게 감소한다는 사실에서 시작됩니다. 미국 질병통제예방센터(CDC)의 추정에 따르면 매년 거의 800,000명의 미국인이 뇌졸중으로 고통받고 있습니다.
NYU Grossman School of Medicine의 연구원들이 주도한 이 연구에 따르면 뉴욕 대학에서 개발하고 PrimSeq라고 하는 이 도구는 뇌졸중 환자를 위한 재활 운동 중에 처방된 팔 움직임의 수를 식별하고 계산하는 데 77% 효과적이었습니다. 팔과 등에 부착된 센서는 3차원의 움직임을 추적하는 데 사용되었습니다. 개발자들은 컴퓨터 모델을 개선하고 필요한 센서 수를 줄인 다음 팔과 상체에 착용할 수 있는 더 작은 프로토타입 장치를 개발하기 위해 더 많은 뇌졸중 환자에 대한 추가 테스트를 계획하고 있다고 말합니다.
공동 선임 연구원인 하이디 샴브라(Heidi Schambra) 박사는 "우리 연구는 스마트워치와 동일한 기능을 제공하도록 설계된 디지털 도구가 뇌졸중 재활 치료 중 환자의 움직임 강도를 추적하는 데 매우 정확하다는 것을 보여줍니다."라고 말했습니다. NYU Langone의 신경과 및 재활의학과 부교수.
Schambra는 "비디오 녹화 또는 기타 웨어러블 센서로 만든 카운트는 각 환자가 받고 있는 재활 운동의 정확한 양에 대한 표준화된 측정을 제공하지 않기 때문에 이러한 지원이 절실히 필요합니다."라고 말합니다. "받은 운동 '용량'의 개선은 주어진 운동과 관련된 팔 움직임의 유형과 수에 대한 정확하고 자동화된 측정을 기반으로 해야 합니다."
동물에 대한 이전 연구는 상체의 격렬한 운동이 뇌졸중 후 회복을 촉진할 수 있음을 시사합니다. 그러나 인간을 대상으로 한 연구에 따르면 뇌졸중 환자는 동물에게 효과가 입증된 운동 훈련의 평균 1/10을 받습니다. 연구원들은 이것이 대부분 PrimSeq가 개발되기 전까지 팔 움직임을 정확하게 추적할 수 있는 쉬운 방법이 없었기 때문이라고 말합니다.
6월 16일 온라인 저널 PLOS Digital Health 에 게재 된 새로운 연구는 성인 뇌졸중 환자 41명이 팔과 손을 다시 사용할 수 있도록 일상적인 재활 운동을 수행하는 동안 상체의 움직임을 기록했습니다. 운동과 팔 움직임에는 포크로 음식을 먹고 빗으로 몸을 단장하는 환자가 포함되었습니다.
51,616개 이상의 상체 움직임이 9개의 센서에서 기록되었으며, 각 팔 움직임의 디지털 기록은 움직임이 물체에 도달하거나 정지 상태를 포함하는지 여부와 같은 기능적 범주와 일치했습니다.
그런 다음 인공 지능(머신 러닝) 소프트웨어가 데이터 내의 패턴을 감지하고 이러한 패턴을 특정 움직임과 연결하도록 프로그래밍되었습니다. 그런 다음 결과로 나온 PrimSeq 도구는 다양한 운동을 수행하는 동안 센서를 착용한 8명의 뇌졸중 환자로 구성된 별도 그룹에서 테스트되었습니다.
그런 다음 PrimSeq를 사용하여 기능에 따라 기록된 움직임 중 12,545개를 정확하게 식별할 수 있는지 확인했습니다. 이 프로그램은 뇌졸중으로 인한 경증에서 중등도의 팔 손상이 있는 환자의 대부분의 움직임을 정확하게 평가하는 데 성공했습니다.
"PrimSeq는 뇌졸중 환자의 기능적 움직임을 식별하고 계산하는 측면에서 최첨단 성능을 가지고 있으며 정확도를 계속 높이기 위해 더 많은 데이터를 수집하고 있습니다."라고 공동 선임 연구원인 Carlos Fernandez-Granda 박사가 말했습니다. 뉴욕 대학교 수학과 데이터 과학 교수.
"우리 연구에서 회복에 필요한 최적의 훈련 강도 수준을 찾으려고 할 때 대안은 정확한 카운트가 없기 때문에 임상 사용에 매우 유망하다고 주장합니다."라고 Schambra는 말합니다. "추가 실험이 성공하면 물론 임상 시험에서 시스템을 테스트할 것입니다."