Технологии искусственного интеллекта в реабилитации инвалидов: анализ публикационного потока

Технологии искусственного интеллекта (ИИ) активно применяются в медицине, что значительно расширяет возможности профилактики, диагностики, лечения и мониторинга заболеваний. Реабилитация инвалидов, находящаяся на стыке медицины и социальной сферы, традиционно перенимает инновационные подходы развития из сферы здравоохранения. Вопросы применения технологий ИИ в реабилитации инвалидов с учетом особенностей реабилитационных мероприятий для различных пациентов требуют изучения. Цель работы – проанализировать публикационный поток зарубежных исследований по теме применения технологий ИИ в реабилитации инвалидов и выявить наиболее используемые методы ИИ для последующего внедрения в практику. Были проанализированы публикации из международной медицинской базы данных PubMed за последние 5 лет (с января 2019 года по май 2024 года). Среди методов технологий искусственного интеллекта в разбивке по способу обработки информации одними из основных, согласно проведенному анализу публикационного потока, оказались методы машинного обучения, глубокого обучения и нейронных сетей в различных сочетаниях. Чаще всего эти методы применяются для создания систем мониторинга показателей здоровья и предсказания (на основе машинного обучения) и систем поддержки принятия (врачебных) решений (на основе нейронных сетей). Они имеют высокий потенциал применения в реабилитации инвалидов в сферах медико-социальной экспертизы, составления индивидуальных реабилитационных программ и мониторинга эффективности реабилитационных мероприятий.

1. Noorbakhsh-Sabet N., Zand R., Zhang Y., Abedi V. Artificial Intelligence Transforms the Future of Health Care. The American Journal of Medicine. 2019;132(7):795–801. https://doi.org/10.1016/j.amjmed.2019.01.017

2. Patel V.L., Shortliffe E.H., Stefanelli M., Szolovits P., Berthold M.R., Bellazzi R., Abu-Hanna A. The coming of age of artificial intelligence in medicine. Artificial Intelligence in Medicine. 2009;46(1):5–17. https://doi.org/10.1016/j.artmed.2008.07.017

3. Gómez-González E., Gómez E. Artificial Intelligence in Medicine and Healthcare: applications, availability and societal impact. Luxembourg: Publications Office of the European Union; 2020. 88 p.

4. Ahuja A.S. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 2019;7. https://doi.org/10.7717/peerj.7702

5. Ramesh A.N., Kambhampati C., Monson J.R.T., Drew P.J. Artificial intelligence in medicine. Annals of The Royal College of Surgeons of England. 2004;86(5):334–338.

6. De Freitas M.P., Piai V.A., Farias R.H., Fernandes A.M.R., De Moraes Rossetto A.G., Leithardt V.R.Q. Artificial Intelligence of Things Applied to Assistive Technology: A Systematic Literature Review. Sensors. 2022;22(21). https://doi.org/10.3390/s22218531

7. Barua P.D., Vicnesh J., Gururajan R., Oh S.L., Palmer E., Azizan M.M., Kadri N.A., Acharya U.R. Artificial Intelligence Enabled Personalised Assistive Tools to Enhance Education of Children with Neurodevelopmental Disorders–A Review. International Journal of Environmental Research and Public Health. 2022;19(3). https://doi.org/10.3390/ijerph19031192

8. Domingo M.C. An Overview of Machine Learning and 5G for People with Disabilities. Sensors. 2021;21(22). https://doi.org/10.3390/s21227572

9. Krasoulis A., Vijayakumar S., Nazarpour K. Multi-Grip Classification-Based Prosthesis Control With Two EMG-IMU Sensors. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2020;28(2):508–518. https://doi.org/10.1109/TNSRE.2019.2959243

10. Herbuela V.R.D.M., Karita T., Furukawa Y., Wada Y., Toya A., Senba S., Onishi E., Saeki T. Machine learning-based classification of the movements of children with profound or severe intellectual or multiple disabilities using environment data features. PLoS ONE. 2022;17(6). https://doi.org/10.1371/journal.pone.0269472

11. Soin A., Hirschbeck M., Verdon M., Manchikanti L. A Pilot Study Implementing a Machine Learning Algorithm to Use Artificial Intelligence to Diagnose Spinal Conditions. Pain Physician. 2022;25(2):171–178.

12. Gupta C., Chandrashekar P., Jin T., He C., Khullar S., Chang Q., Wang D. Bringing machine learning to research on intellectual and developmental disabilities: taking inspiration from neurological diseases. Journal of Neurodevelopmental Disorders. 2022;14(1). https://doi.org/10.1186/s11689-022-09438-w

13. Cheng A.S.K., Ng P.H.F., Sin Z.P.T., Lai S.H.S., Law S.W. Smart Work Injury Management (SWIM) System: Artificial Intelligence in Work Disability Management. Journal of Occupational Rehabilitation. 2020;30(3):354–361. https://doi.org/10.1007/s10926-020-09886-y

14. Gross D.P., Steenstra I.A., Harrell Jr F.E., Bellinger C., Zaïane O. Machine Learning for Work Disability Prevention: Introduction to the Special Series. Journal of Occupational Rehabilitation. 2020;30(3):303–307. https://doi.org/10.1007/s10926-020-09910-1

15. Saarela M., Ryynänen O.-P., Äyrämö S. Predicting hospital associated disability from imbalanced data using supervised learning. Artificial Intelligence in Medicine. 2019;95:88–95. https://doi.org/10.1016/j.artmed.2018.09.004

16. Santilli V. Application of machine learning techniques to physical and rehabilitative medicine. Annali di Igiene. 2022;34(1):79–83.

17. Devi A., Kavya G. Dysgraphia disorder forecasting and classification technique using intelligent deep learning approaches. Progress in Neuro-Psychopharmacology and Biological Psychiatry. 2023;120. https://doi.org/10.1016/j.pnpbp.2022.110647

18. Luvizutto G.J., Silva G.F., Nascimento M.R., Sousa Santos K.C., Appelt P.A., De Moura Neto E., De Souza J.T., Wincker F.C., Miranda L.A., Hamamoto Filho P.T., De Souza L.A.P.S., Simões R.P., De Oliveira Vidal E.I., Bazan R. Use of artificial intelligence as an instrument of evaluation after stroke: a scoping review based on international classification of functioning, disability and health concept. Topics in Stroke Rehabilitation. 2022;29(5):331–346. https://doi.org/10.1080/10749357.2021.1926149

19. D'Antoni F., Russo F., Ambrosio L., Vollero L., Vadalà G., Merone M., Papalia R., Denaro V. Artificial Intelligence and Computer Vision in Low Back Pain: A Systematic Review. International Journal of Environmental Research and Public Health. 2021;18(20). https://doi.org/10.3390/ijerph182010909

20. Roca P., Attye A., Colas L., Tucholka A., Rubini P., Cackowski S., Ding J., Budzik J. F., Renard F., Doyle S., Barbier E.L., Bousaid I., Casey R., Vukusic S., Lassau N., Verclytte S., Cotton F.; OFSEP Investigators; Steering Committee; Investigators; Imaging group. Artificial intelligence to predict clinical disability in patients with multiple sclerosis using FLAIR MRI. Diagnostic and Interventional Imaging. 2020;101(12):795–802. https://doi.org/10.1016/j.diii.2020.05.009

21. Sardari S., Sharifzadeh S., Daneshkhah A., Nakisa B., Loke S.W., Palade V., Duncan M.J. Artificial Intelligence for skeleton-based physical rehabilitation action evaluation: A systematic review. Computers in Biology and Medicine. 2023;158. https://doi.org/10.1016/j.compbiomed.2023.106835

22. Zdravkova K., Krasniqi V., Dalipi F., Ferati M. Cutting-edge communication and learning assistive technologies for disabled children: An artificial intelligence perspective. Frontiers in Artificial Intelligence. 2022;5. https://doi.org/10.3389/frai.2022.970430

23. Mulfari D., La Placa D., Rovito C., Celesti A., Villari M. Deep learning applications in telerehabilitation speech therapy scenarios. Computers in Biology and Medicine. 2022;148. https://doi.org/10.1016/j.compbiomed.2022.105864

24. Bublin M., Werner F., Kerschbaumer A., Korak G., Geyer S., Rettinger L., Schönthaler E., Schmid-Kietreiber M. Handwriting Evaluation Using Deep Learning with SensoGrip. Sensors. 2023;23(11). https://doi.org/10.3390/s23115215

25. Luu D.K., Nguyen A.T., Jiang M., Drealan M.W., Xu J., Wu T., Tam W.-K., Zhao W., Lim B.Z.H., Overstreet C.K., Zhao Q., Cheng J., Keefer E.W., Yang Z. Artificial Intelligence Enables Real-Time and Intuitive Control of Prostheses via Nerve Interface. IEEE Transactions on Biomedical Engineering. 2022;69(10):3051–3063. https://doi.org/10.1109/TBME.2022.3160618

26. Zhang F., Demiris Y. Learning garment manipulation policies toward robot-assisted dressing. Science Robotics. 2022;7(65). https://doi.org/10.1126/scirobotics.abm6010

27. Malcangi M. AI-Based Methods and Technologies to Develop Wearable Devices for Prosthetics and Predictions of Degenerative Diseases. In: Artificial Neural Networks. New York: Humana; 2021. pp. 337–354. https://doi.org/10.1007/978-1-0716-0826-5_17

28. Liu K., Yu Y., Liu Y., Tang J., Liang X., Chu X., Zhou Z. A novel brain-controlled wheelchair combined with computer vision and augmented reality. BioMedical Engineering OnLine. 2022;21(1). https://doi.org/10.1186/s12938-022-01020-8

29. Takahashi S., Nonomiya Y., Terai H., Hoshino M., Ohyama S., Shintani A., Nakamura H. Artificial intelligence model to identify elderly patients with locomotive syndrome: A cross-section study. Journal of Orthopaedic Science. 2023;28(3):656–661. https://doi.org/10.1016/j.jos.2022.01.010

30. Cingolani M., Scendoni R., Fedeli P., Cembrani F. Artificial intelligence and digital medicine for integrated home care services in Italy: Opportunities and limits. Frontiers in Public Health. 2023;10. https://doi.org/10.3389/fpubh.2022.1095001

31. Ran M., Banes D., Scherer M.J. Basic principles for the development of an AI-based tool for assistive technology decision making. Disability and Rehabilitation: Assistive Technology. 2022;17(7):778–781. https://doi.org/10.1080/17483107.2020.1817163

32. Щербина К.К., Буров Г.Н., Голубева Ю.Б., Головин М.А., Марусин Н.В. Об актуальности внедрения автоматизации технологий цифрового производства протезно-ортопедических изделий. В сборнике: Актуальные направления фундаментальных и прикладных исследований: Материалы XIV международной научно-практической конференции: Том 2, 19–20 декабря 2017 года, Норт Чарлстон, США. Норт-Чарлстон: CreateSpace; 2017. С. 73–75.

33. Суфэльфа А.Р., Каплун Д.И. Исследование методов предварительной обработки электронно-геометрической модели культи нижней конечности. Известия СПбГЭТУ «ЛЭТИ». 2023;16(3):37–45. https://doi.org/10.32603/2071-8985-2023-16-3-37-45

34. Марусин Н.В., Головин М.А., Суфэльфа А.Р. Результаты испытания макетов приемных гильз протезов голени и бедра, изготовленных по инновационной технологии трехмерной печати для раннего протезирования пострадавших от травм и неотложных состояний. В сборнике: Четвёртый всероссийский конгресс с международным участием: Медицинская помощь при травмах и неотложных состояниях в мирное и военное время. Новое в организации и технологиях: Сборник тезисов, 15–16 февраля 2019 года, Санкт-Петербург, Россия. Санкт Петербург: Санкт Петербургская общественная организация «Человек и его здоровье»; 2019. С. 156–157.