Gepersonaliseerd revalideren met beweegsensoren big data en kunstmatige intelligentie
Jaarlijks worden gemiddeld zo’n 40.000 Nederlanders getroffen door een hersenbloeding of beroerte. Een aanzienlijk deel van deze mensen moet opnieuw leren lopen, en dat gaat vaak moeizaam. Op basis van data uit bewegingssensoren werkt onderzoeker Michiel Punt van het lectoraat Leefstijl en Gezondheid aan een applicatie om tot betere prognoses te komen over valrisico en de kans op herstel. Deze prognoses vormen de basis voor gepersonaliseerde behandeltrajecten, die moeten leiden tot een succesvollere revalidatie en een hogere kwaliteit van leven van revalidanten.
“Met bewegingssensoren genereren we bij bestaande balans- en looptesten 100 keer per seconde extra data over de beweegprestaties van revalidanten”, licht Michiel Punt toe. “De algoritmen in onze applicatie vertalen die data naar begrijpelijke uitkomsten voor revalidatieartsen en fysiotherapeuten. Denk aan gegevens over loopsnelheid, stapgrootte en symmetrie tussen links en rechts. Die gegevens bieden artsen en therapeuten inzicht in de manier waarop balans wordt gehandhaafd, het valrisico en het verwachtte herstel van patiënten. Daarbij kijken we met speciale aandacht naar de voorspelde mate van zelfstandigheid in algemene dagelijkse handelingen.”
Gepersonaliseerde behandeltrajecten
Op basis van die data werkt Punt aan een applicatie die revalidatieartsen en therapeuten adviseert over de inrichting van gepersonaliseerde behandeltrajecten. “We staan nog helemaal aan het begin van gepersonaliseerd behandelen op basis van data. Gestructureerd meten en data verzamelen in revalidatiecentra is daarvoor de basis”.
"De applicatie is geen vervanging van, maar een aanvulling op de professionele kennis van fysiotherapeuten en revalidatieartsen"
“Hoewel de data en algoritmen meer inzicht verschaffen in de kans op herstel en geschikte oefeningen, worden beslissingen nog altijd gemaakt door artsen en therapeuten, in samenspraak met de revalidant”, verduidelijkt Punt. “De applicatie is dus geen vervanging van, maar een aanvulling op de professionele kennis van artsen en fysiotherapeuten. Met de extra informatie uit de applicatie kunnen fysiotherapeuten beter onderbouwde beslissingen nemen en gerichter interveniëren.”
Structureel data verzamelen
De applicatie van Punt monitort de progressie van revalidanten en zorgt voor een gestructureerde opslag van de data. Naarmate er meer data wordt verzameld, worden de algoritmes steeds beter in het inschatten van valrisico’s en het voorspellen van het verwachtte herstel. Punt hoopt subgroepen binnen de revalidatiepopulatie te kunnen ontdekken en daarmee verschillende patiëntprofielen te maken. Die profielen vormen de basis voor het opzetten van de gepersonaliseerde behandeltrajecten.
"Van big data naar gepersonaliseerde trajecten op basis van kunstmatige intelligentie"
“Het is daarom van belang dat zoveel mogelijk patiënten gedurende hun revalidatietraject sensoren dragen”, legt Punt uit. “Zo gaan we van gestructureerde dataverzameling en opslag naar geavanceerde data-analyse aan de hand van kunstmatige intelligentie. Daarmee kunnen therapeuten en revalidatieartsen per patiënt steeds beter inschatten wat de beste opties zijn voor maximaal herstel.”
De eerste successen zijn er inmiddels ook laat Punt weten: “De uitkomsten van onze eerste studie zijn veelbelovend. Ook is onze subsidieaanvraag op het gebied van kunstmatige intelligentie gehonoreerd door het eScience center. Zij gaan ons vanuit hun expertise gedurende de rest van het jaar ondersteunen op het gebied van kunstmatige intelligentie.”
Wil je meer informatie of op de hoogte blijven van het onderzoek? Neem dan contact op met Michiel Punt.
