RehabMate : un cadre explicable pour la détection d’actions et le retour correctif en rééducation pédiatrique après AVC

Aider les enfants à retrouver le mouvement à la maison

L’AVC pédiatrique peut laisser des enfants ayant des difficultés à marcher, se tenir debout ou monter des escaliers, parfois pendant des années. Des séances régulières avec des spécialistes améliorent la récupération, mais les visites fréquentes à l’hôpital sont coûteuses et pénalisantes pour les familles. Cet article présente RehabMate, une aide numérique conçue pour apporter une rééducation des membres inférieurs de qualité « experte » à domicile et dans les centres communautaires, tout en laissant les physiothérapeutes maîtres du processus.

Pourquoi les enfants ont besoin d’un soutien de rééducation plus intelligent

L’AVC figure parmi les principales causes d’incapacité grave chez l’enfant, et jusqu’à sept patients sur dix conservent des troubles moteurs durables. Les enfants répondent en général bien à l’entraînement et sont très motivés, mais la rééducation traditionnelle repose sur des séances en personne répétées avec des thérapeutes qualifiés. Les familles peuvent vivre loin des cliniques, manquer de temps ou de ressources financières pour un suivi intensif et de longue durée. Des outils d’intelligence artificielle existants pourraient aider, mais beaucoup fonctionnent comme une boîte noire, fournissant un résultat sans expliquer son origine. Cela complique la confiance et l’utilisation sécurisée par les physiothérapeutes et les parents au quotidien.

Un partenaire numérique qui observe les mouvements des enfants

RehabMate est conçu comme un système à trois couches qui observe les mouvements de l’enfant, combine différents types de données de mouvement, puis les analyse pour soutenir l’entraînement. De petits capteurs sans fil placés sur les genoux et les chevilles enregistrent l’accélération et les changements de direction des jambes, tandis qu’un smartphone capture la vidéo et estime le squelette du corps de l’enfant image par image. Ces signaux sont fusionnés en une représentation unique du mouvement de l’enfant. Avant chaque séance, des informations telles que l’âge de l’enfant, son niveau de douleur et sa mobilité sont saisies dans une application, afin que le système adapte ses recommandations à l’état de l’enfant.

Comment le système comprend la marche et les escaliers

Au cœur de RehabMate se trouve un modèle spécialisé de reconnaissance d’action qui étudie la marche, la station debout et la montée/descente d’escaliers de l’enfant. Plutôt que de ne considérer que les positions articulaires, le modèle prend aussi en compte les os entre les articulations et la façon dont les angles articulaires évoluent dans le temps. Il représente le corps comme un réseau de points connectés et utilise un traitement avancé basé sur les graphes et des mécanismes d’attention pour se concentrer sur les articulations et les instants les plus importants d’une séquence de mouvement. En fusionnant attentivement les données des capteurs et du squelette, le modèle reconnaît quatre actions clés de rééducation et évalue la qualité de l’exécution de l’enfant, atteignant plus de 93 % de précision lors de tests sur différentes vues caméra d’un nouveau jeu de données pédiatrique post-AVC appelé PSP2.

Transformer l’analyse du mouvement en conseils compréhensibles

RehabMate ne se contente pas de classer les mouvements ; il transforme des résultats techniques en retours compréhensibles et personnalisés. Les auteurs ont construit une bibliothèque de textes professionnels contenant des descriptions détaillées des exercices de rééducation et des erreurs courantes, rédigées par des physiothérapeutes. Un modèle linguistique récupère d’abord et édite légèrement des descriptions appropriées, puis les transmet à un modèle plus grand qui élabore des suggestions correctives claires et des messages d’encouragement, ajustés au niveau de douleur et de mobilité de l’enfant. Par exemple, plutôt que d’exiger systématiquement un pas « parfait », le système peut recommander l’utilisation d’une main courante lorsque la douleur ou une force limitée rend une correction complète dangereuse. Les thérapeutes peuvent retracer chaque conseil jusqu’aux données de mouvement sous-jacentes et aux entrées de la base de connaissances, rendant le processus vérifiable et cliniquement pertinent.

Rendre l’IA transparente et digne de confiance pour la rééducation

L’étude montre que RehabMate peut identifier avec précision les actions de rééducation des membres inférieurs chez l’enfant, expliquer quelles parties du corps et quels instants ont influencé ses décisions, et générer des retours cohérents avec le jugement professionnel. Les évaluations d’experts confirment que l’attention du modèle met souvent en évidence les mêmes articulations critiques sur lesquelles se concentrent les thérapeutes, et que la plupart des suggestions générées peuvent être reliées à des règles connues dans la base de connaissances. Bien que le système actuel se concentre sur la marche et les escaliers et utilise un jeu de données de taille modérée, les auteurs soutiennent que la même approche explicable pourrait être étendue à la rééducation des bras et à l’entraînement du corps entier. Pour les familles et les cliniciens, cela signifie une IA qui non seulement mesure le mouvement, mais montre aussi clairement comment elle aboutit à ses conclusions, contribuant à rendre la rééducation pédiatrique post-AVC à domicile plus sûre, plus cohérente et plus personnalisée.

Citation: Huang, S., Chen, Z. & Liu, Y. RehabMate: an explainable framework for action detection and corrective feedback in pediatric stroke rehabilitation. Sci Rep 16, 15565 (2026). https://doi.org/10.1038/s41598-026-46093-w

Mots-clés: AVC pédiatrique, rééducation, IA explicable, reconnaissance d’action, capteurs portables