RehabMate: uma estrutura explicável para detecção de ações e feedback corretivo na reabilitação pediátrica após AVC

Ajudando Crianças a Recuperar o Movimento em Casa

O AVC pediátrico pode fazer com que crianças tenham dificuldade para caminhar, ficar em pé ou subir escadas, muitas vezes por anos. Terapia regular com especialistas melhora a recuperação, mas visitas frequentes a hospitais são caras e difíceis para as famílias. Este artigo apresenta o RehabMate, um assistente digital projetado para levar reabilitação de membros inferiores em estilo especializado para residências e centros comunitários, mantendo os fisioterapeutas no controle.

Por que Crianças Precisam de Apoio de Reabilitação Mais Inteligente

O AVC está entre as principais causas de incapacidade séria em crianças, e até sete em cada dez pacientes jovens ficam com problemas de movimento duradouros. Crianças geralmente respondem bem ao treinamento e são altamente motivadas, mas a reabilitação tradicional depende de sessões presenciais repetidas com terapeutas treinados. Famílias podem morar longe das clínicas, ter tempo limitado ou recursos financeiros insuficientes para cuidados intensivos e de longo prazo. Ferramentas de inteligência artificial existentes poderiam ajudar, porém muitas funcionam como uma caixa-preta, entregando um resultado sem explicar como foi obtido. Isso dificulta a confiança e o uso seguro por fisioterapeutas e pais no dia a dia.

Um Parceiro Digital que Observa Como as Crianças se Movem

O RehabMate foi concebido como um sistema em três camadas que observa o movimento da criança, combina diferentes tipos de dados de movimento e os analisa para apoiar o treinamento. Pequenos sensores sem fio colocados nos joelhos e tornozelos registram como as pernas aceleram e mudam de direção, enquanto um smartphone captura vídeo e estima o esqueleto do corpo da criança quadro a quadro. Esses sinais são fundidos em uma visão única do movimento da criança. Antes de cada sessão, informações como a idade, nível de dor e mobilidade da criança são inseridas em um aplicativo, para que o sistema possa adaptar suas orientações à condição da criança.

Como o Sistema Entende Caminhar e Subir Escadas

No centro do RehabMate está um modelo especializado de reconhecimento de ações que analisa como a criança caminha, fica em pé e sobe e desce escadas. Em vez de olhar apenas para as posições das articulações, o modelo também considera os ossos entre as articulações e como os ângulos articulares mudam ao longo do tempo. Ele representa o corpo como uma rede de pontos conectados e usa processamento avançado baseado em grafos e mecanismos de atenção para focar nas articulações e nos momentos mais importantes em uma sequência de movimento. Ao misturar cuidadosamente dados de sensores e dados esqueléticos, o modelo reconhece quatro ações-chave de reabilitação e avalia a qualidade da execução da criança, alcançando mais de 93% de acurácia quando testado em diferentes ângulos de câmera em um novo conjunto de dados de AVC pediátrico chamado PSP2.

Transformando a Análise de Movimento em Orientação Compreensível

O RehabMate faz mais do que classificar movimentos; converte resultados técnicos em feedback compreensível e personalizado. Os autores construíram uma biblioteca de textos profissionais com descrições detalhadas de exercícios de reabilitação e erros comuns, redigidas por fisioterapeutas. Um modelo de linguagem primeiro recupera e edita levemente descrições adequadas, em seguida as passa para um modelo maior que elabora sugestões corretivas claras e mensagens encorajadoras, ajustadas aos níveis de dor e mobilidade da criança. Por exemplo, em vez de sempre exigir um passo perfeito, o sistema pode sugerir o uso do corrimão quando a dor ou a força limitada tornarem a correção completa insegura. Os terapeutas podem rastrear cada orientação até os dados de movimento subjacentes e às entradas na base de conhecimento, tornando o processo auditável e relevante clinicamente.

Tornando a IA Transparente e Confiável para a Reabilitação

O estudo mostra que o RehabMate consegue identificar com precisão ações de reabilitação de membros inferiores em crianças, explicar quais partes do corpo e quais instantes influenciaram suas decisões e gerar feedback alinhado ao julgamento profissional. Revisões de especialistas confirmam que a atenção do modelo frequentemente destaca as mesmas articulações críticas em que os terapeutas se concentram, e que a maior parte das sugestões geradas pode ser rastreada a regras conhecidas na base de conhecimento. Embora o sistema atual concentre-se em atividades de caminhada e escadas e use um conjunto de dados de tamanho moderado, os autores argumentam que a mesma abordagem explicável pode ser estendida ao treinamento de braços e de corpo inteiro. Para famílias e clínicos, isso significa uma IA que não só mede o movimento, mas também mostra claramente como chega às suas conclusões, ajudando a tornar a reabilitação pediátrica pós-AVC em casa mais segura, consistente e personalizada.

Citação: 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

Palavras-chave: AVC pediátrico, reabilitação, IA explicável, reconhecimento de ações, sensores vestíveis