RehabMate: объяснимая система распознавания действий и корректирующей обратной связи в реабилитации детей после инсульта

Помогая детям восстанавливать движение дома

Педиатрический инсульт может лишить ребёнка способности ходить, стоять или подниматься по лестнице и давать проблемы на годы. Регулярная терапия со специалистами улучшает восстановление, но частые визиты в клинику дорогие и тяжёлы для семей. В этой работе представлен RehabMate — цифровой помощник, созданный для переноса экспертной реабилитации нижних конечностей в дома и общественные центры при сохранении контроля со стороны физиотерапевтов.

Почему детям нужен более умный подход к реабилитации

Инсульт — одна из основных причин тяжёлой инвалидности у детей; у 7 из 10 молодых пациентов остаются стойкие проблемы с движением. Дети обычно хорошо реагируют на тренировки и мотивированы, но традиционная реабилитация опирается на повторяющиеся очные сессии с обученными терапевтами. Семьи могут жить далеко от клиник, иметь ограничения по времени или финансам для длительного интенсивного лечения. Существующие инструменты ИИ могли бы помочь, но многие работают как «чёрный ящик», выдавая результат без объяснения, как он получен. Это затрудняет доверие со стороны физиотерапевтов и родителей и безопасное применение в повседневной жизни.

Цифровой партнёр, который наблюдает за движением ребёнка

RehabMate задуман как трёхслойная система, которая наблюдает за движениями ребёнка, объединяет разные виды данных о движении и затем анализирует их для поддержки тренировки. Небольшие беспроводные датчики, установленные на коленях и лодыжках, регистрируют ускорения и изменение направления, в то время как смартфон снимает видео и покадрово оценивает скелет тела ребёнка. Эти сигналы объединяются в единое представление о движении. Перед каждой сессией в приложении вводятся данные — возраст ребёнка, уровень боли и подвижности — чтобы система могла адаптировать рекомендации к его состоянию.

Как система понимает ходьбу и лестницу

В основе RehabMate — специализированная модель распознавания действий, которая анализирует, как ребёнок ходит, стоит и поднимается/спускается по лестнице. Вместо учёта лишь положений суставов модель также учитывает кости между суставами и изменение углов суставов во времени. Она представляет тело как сеть связанных точек и использует продвинутую графовую обработку и механизмы внимания, чтобы фокусироваться на наиболее значимых суставах и моментах в последовательности движения. Тщательно сочетая данные датчиков и скелета, модель распознаёт четыре ключевых реабилитационных действия и оценивает качество выполнения — более чем с 93-процентной точностью при тестировании на разных ракурсах камеры на новом педиатрическом наборе данных PSP2.

Преобразование анализа движений в понятные рекомендации

RehabMate делает больше, чем просто классифицирует движения: он превращает технические выводы в понятную, индивидуальную обратную связь. Авторы создали профессиональную текстовую базу с подробными описаниями упражнений и типичных ошибок, составленную физиотерапевтами. Языковая модель сначала извлекает и слегка редактирует подходящие описания, затем передаёт их более крупной модели, которая формулирует ясные корректирующие советы и поддерживающие сообщения с учётом уровня боли и подвижности ребёнка. Например, вместо требования идеального шага система может предложить держаться за перила, если боль или слабость делают полную коррекцию небезопасной. Терапевты могут проследить каждое сообщение до исходных данных движения и до записей в базе знаний, что делает процесс проверяемым и клинически значимым.

Делая ИИ прозрачным и надёжным для реабилитации

Исследование показывает, что RehabMate способен точно идентифицировать реабилитационные действия нижних конечностей у детей, пояснять, какие части тела и временные точки повлияли на решения, и генерировать обратную связь, согласующуюся с профессиональными суждениями. Экспертная оценка подтверждает, что механизмы внимания модели часто выделяют те же критические суставы, на которые обращают внимание терапевты, и что большинство сгенерированных рекомендаций можно связать с известными правилами в базе знаний. Хотя текущая система сосредоточена на ходьбе и занятиях на лестнице и использует умеренный по объёму набор данных, авторы утверждают, что тот же объяснимый подход можно расширить на обучение рук и всего тела. Для семей и клиницистов это означает ИИ, который не только измеряет движение, но и прозрачно показывает, как он приходит к выводам, помогая сделать домашнюю педиатрическую реабилитацию после инсульта безопаснее, последовательнее и персонализированнее.

Цитирование: 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

Ключевые слова: педиатрический инсульт, реабилитация, объяснимый ИИ, распознавание действий, носимые датчики