Avaliação das capacidades físicas de pacientes com sarcopenia utilizando análise de marcha e palmilha inteligente para desenvolvimento de biomarcador digital

Scientific Reports volume 13, Artigo número: 10602 (2023) Citar este artigo

485 acessos

1 Altmétrico

Detalhes das métricas

O objetivo deste estudo é comparar a importância das variáveis ​​​​em múltiplas ferramentas de medição e usar palmilha inteligente e análise de marcha de inteligência artificial (IA) para criar variáveis ​​​​que possam avaliar as habilidades físicas de pacientes com sarcopenia. Ao analisar e comparar pacientes com sarcopenia com pacientes sem sarcopenia, este estudo tem como objetivo desenvolver modelos preditivos e de classificação para sarcopenia e descobrir biomarcadores digitais. Os pesquisadores usaram palmilhas inteligentes para coletar dados de pressão plantar de 83 pacientes e um smartphone para coletar dados de vídeo para estimativa de postura. Uma U de Mann-Whitney foi realizada para comparar o grupo de sarcopenia de 23 pacientes e o grupo controle de 60 pacientes. Palmilha inteligente e estimativa de pose foram usadas para comparar as habilidades físicas de pacientes com sarcopenia com um grupo controle. A análise das variáveis ​​dos pontos articulares mostrou diferenças significativas em 12 das 15 variáveis, mas não na média do joelho, na amplitude do tornozelo e na amplitude do quadril. Estes resultados sugerem que os biomarcadores digitais podem ser usados ​​para diferenciar pacientes com sarcopenia da população normal com maior precisão. Este estudo comparou pacientes com distúrbios musculoesqueléticos com pacientes com sarcopenia usando palmilha inteligente e estimativa de pose. Vários métodos de medição são importantes para um diagnóstico preciso da sarcopenia e a tecnologia digital tem potencial para melhorar o diagnóstico e o tratamento.

A sarcopenia é uma diminuição da massa, força e função muscular relacionada à idade. É um problema comum entre os idosos e pode levar à redução da mobilidade, aumento do risco de quedas, fraturas e redução da qualidade de vida1. As causas da sarcopenia são complexas, incluindo alterações hormonais, redução da atividade física, estresse oxidativo e inflamação, e alterações na síntese e degradação de proteínas musculares2,3. Várias diretrizes foram desenvolvidas para diagnosticar a sarcopenia, e existem diretrizes representativas apresentadas por instituições como EWGSOP e AWGS4,5,6. Essas diretrizes diagnósticas incluem itens de avaliação da função física para pacientes com sarcopenia, que atualmente estão sendo medidos de diversas maneiras1,7,8.

Diagnosticar a sarcopenia envolve avaliar a massa muscular, força, desempenho físico e composição corporal através de vários métodos. Um foco recente tem sido a avaliação do desempenho físico, sendo comumente utilizadas ferramentas como o Teste de Velocidade da Marcha, Teste de Levantar a Cadeira, Teste Timed Up and Go (TUG) e Teste de Força de Preensão Mão9,10. No entanto, esses métodos são suscetíveis a preconceitos subjetivos do medidor ou do ambiente. Para resolver esta questão, tem havido um impulso no sentido da utilização de inteligência artificial (IA) para recolher dados de desempenho físico11. Em particular, estudos como o cálculo de ângulos e amplitudes articulares usando estimativa de pose estão sendo ativamente discutidos12,13.

Estão em curso pesquisas para melhorar a precisão da medição do desempenho físico dos pacientes utilizando equipamentos inteligentes, juntamente com tecnologias de IA, como a estimativa da postura corporal14,15,16. A estimativa de pose é uma tecnologia de visão computacional que usa modelos de aprendizado profundo para estimar pontos-chave do corpo humano em tempo real. Ele rastreia e detecta articulações e partes do corpo humano, permitindo estimativa de pose 2D ou 3D17,18,19. Atualmente, há pesquisas ativas sendo conduzidas para comparar sua precisão e utilidade com o sistema de movimento VICON (Vicon Nexus; Vicon Motion Systems Ltd., Oxford, Inglaterra), que utiliza múltiplas câmeras para realizar captura de movimento 3D altamente precisa12,20. Através desses estudos comparativos, está sendo verificada a precisão e a utilidade do método de estimativa de pose12,20,21. Além disso, vários dispositivos vestíveis, como smartwatches e palmilhas inteligentes, estão sendo usados ​​atualmente para medir o desempenho físico dos pacientes. Em particular, pesquisas utilizando sensores de Unidade de Medição Inercial (IMU), como o Smart Insole, estão sendo ativamente conduzidas no campo da distrofia muscular, e parâmetros espaciais e temporais significativos estão sendo identificados. Por exemplo, houve estudos que analisaram a marcha da osteoporose e da distrofia muscular usando IA e sensores vestíveis. Também houve estudos identificando pacientes com distrofia muscular utilizando sensores IMU22,23.