التعرف على وضعية الجسم والكشف الآلي عن التقييم للحاجة الرياضية

مساعدة أذكى لتمارين التعافي

كل من مر بالعلاج الطبيعي يعلم مدى صعوبة تكرار نفس الحركات بشكل صحيح، يومًا بعد يوم، وغالبًا دون معرفة ما إذا كانت «جيدة بما يكفي». تقدم هذه الدراسة مساعدًا حاسوبيًا يراقب تمارين إعادة التأهيل عبر كاميرا، ويفهم وضعية الجسم في الوقت الحقيقي، ويقيّم تلقائيًا مدى تطابق كل حركة مع معيار معتمد من المعالج. الهدف هو منح المرضى تغذية راجعة فورية وموضوعية وتخفيف العبء عن الطاقم الطبي، مع جعل التأهيل أكثر دقة وتحفيزًا.

لماذا يهم مراقبة كل مفصل

تعتمد إعادة التأهيل الرياضي الحديثة إلى حد كبير على مدى دقتنا في ملاحظة وقياس حركات الجسم. الطرق التقليدية للتقييم تعتمد على نظر المعالج وخبرته، وهي قيمة لكن متحيزة وتستغرق وقتًا. الأخطاء الصغيرة في الوضعية، مثل ركبة ملتوية قليلًا أو زاوية كتف محدودة، يمكن أن تبطئ الشفاء أو تسبب مشكلات جديدة، ومع ذلك يسهل تفويتها خلال جلسات العيادة المزدحمة. يجادل المؤلفون بأن «زوجًا ثانٍ من العيون» الرقمية الذي يتتبع مواقع المفاصل إطارًا بإطار يمكن أن يوفر أحكامًا أكثر اتساقًا، ويدعم الرعاية عن بُعد، ويساعد في تخصيص خطط التمرين وفق تقدم كل شخص.

مدرب رقمي من ثلاث مراحل

يعمل النظام الذي بنوه كسلسلة معالجة بها ثلاث مراحل رئيسية. أولًا، تسجّل كاميرا الشخص أثناء أداء تمارين إعادة التأهيل، مثل القرفصاء أو الطعنات أو رفع الذراع بعد جراحة الظهر. ثم يحول أداة تتبع الوضعيات المسماة BlazePose كل إطار فيديو إلى نموذج هيكلي مكوّن من 33 نقطة مفتاحية—الوركان، والركبتان، والكتفان، وغيرها—تلتقط ترتيب الجسم وحركته عبر الزمن. بعد ذلك، تنظر طريقة تعلم آلي تعرف بالغابة العشوائية إلى أنماط هذه النقاط المفتاحية وتقرر نوع الحركة المنفذة وما إذا كانت الوضعية طبيعية أم غير طبيعية. يساعد هذا النظام على التعرف على أنواع تمرين مختلفة في ظروف العالم الواقعي، حيث تكون الخلفيات مزدحمة وقد تختفي أجزاء من الجسم مؤقتًا.

كيف يتعلم النظام التقييم مثل الخبير

التعرّف على الوضعية هو نصف المشكلة فقط؛ النصف الآخر هو تقدير مدى مطابقتها لحركة «المعيار الذهبي». لذلك يضيف الباحثون نوعًا خاصًا من الشبكات العصبية المزدوجة المتفوقة في المقارنة. يتم تدريب الشبكة على أزواج من أمثلة الحركة: واحدة من قالب التمرين القياسي وواحدة من المريض. تتعلم قياس مدى التشابه بينهما بالنظر إلى مواقع المفاصل والزوايا عبر الزمن. ثم يحول مقياس التشابه هذه المقارنة إلى درجة جودة، تمامًا كما لو كان خبير يضع علامات على قائمة مراجعة. الحركات التي تتبع قالب المعيار عن كثب تحصل على درجات عالية، بينما تُعلم الحركات المنحرفة كثيرًا بأنها دون المستوى، مما يمكّن النظام من تمييز التمارين التي تحتاج تصحيحًا.

اختبار المساعد الرقمي

لمعرفة ما إذا كان أداتهم جاهزة للاستخدام العملي، اختبر المؤلفون النظام على مجموعتين كبيرتين من بيانات الحركة: إحداهما تحتوي على أوضاع يومية متنوعة والأخرى تركز على تمارين اليوغا واللياقة. قارنوا نظامهم المتكامل ببدائل أبسط كانت إما تستخدم مصنفًا أساسيًا أو شبكة عصبية زمنية بمفردها. عبر هذه الاختبارات، تعرفت الطريقة الجديدة على وضعيات الجسم بدقة تصل إلى 98%، وحافظت على خطأ في تقدير زوايا المفاصل أقل من نحو 6%، وأنتجت درجات إعادة تأهيل تتوافق بشدة مع تقييمات على طريقة الخبراء. كما عمل النظام بسرعة كافية—بمقدار بضعة إلى عشرات الملليثواني لكل إطار—لدعم التغذية الراجعة في الوقت الحقيقي أثناء جلسات التدريب.

ما الذي يعنيه هذا للمرضى والمعالجين

بعبارة مبسطة، تُظهر الدراسة أن كاميرا مع برنامج ذكي يمكنها «رؤية» كيفية حركة الناس بثقة، وتسمية كل تمرين، وتقييم جودته بطرق تتوافق جيدًا مع خبراء البشر. بينما لا يزال النظام بحاجة إلى اختبارات في بيئات أكثر تنوعًا ومع مجموعات مرضى مختلفة، فإنه يبرهن بالفعل أن تتبع الوضعية والتقييم الآلي يمكن أن يصبح مساعدًا قويًا في إعادة التأهيل الرياضي. إذا تم تحسينه ونشره على نطاق واسع، يمكن لأدوات مثل هذه أن تمنح المرضى توجيهًا أوضح، وتحثهم بتغذية راجعة فورية، وتتيح للمعالجين التركيز على قرارات ذات مستوى أعلى—مما يحسّن في النهاية نتائج التعافي وجودة الحياة.

الاستشهاد: Peng, X., Mao, X. & Fang, X. Human pose recognition and automated scoring detection for sports rehabilitation. Sci Rep 16, 13545 (2026). https://doi.org/10.1038/s41598-026-43294-1

الكلمات المفتاحية: إعادة التأهيل الرياضي, تقدير وضعية الإنسان, التقييم الآلي للحركة, تقنية العلاج الطبيعي, الرؤية الحاسوبية في الرعاية الصحية