GFT | Soutien à la réadaptation des patients victimes d'AVC
Système d'aide à la décision pour la définition et l'attribution automatiques de routines de rééducation personnalisées pour les patients victimes d'un AVC. TFG développé par Sergio Martínez Cid et réalisé par David Vallejo Fernández et Cristian Gómez Portes. Projet primé dans la IIe édition des Turing Machine Awards 2022.
RÉSUMÉ:
L'AVC ou accident vasculaire cérébral est l'une des principales causes de décès et d'invalidité dans le monde. L'AVC a un impact croissant à la fois sur le plan social et économique, et cet impact augmente dans les pays en développement et dans les couches de la population à faible revenu. L'AVC affecte à la fois les capacités cognitives et les capacités physiques des patients. De plus, les patients doivent effectuer un processus de réadaptation qui dure généralement plusieurs mois. En raison de l'impact des accidents vasculaires cérébraux, de nombreux systèmes informatiques tentent d'améliorer les processus de prévention et de réadaptation des accidents vasculaires cérébraux. Plus précisément, il existe des projets visant à faciliter l'exécution de la réadaptation physique à domicile.
La rééducation à domicile permet de réduire les coûts liés au transport du patient à la clinique et rend la rééducation plus accessible, mais elle génère des défis liés à la motivation et à la bonne exécution des exercices. Le projet détaillé dans ce document s'inscrit dans le cadre du développement d'un système commercial dans la société Furious Koalas, développement auquel l'auteur du projet a pris part. Le système est une application Web qui vise à faciliter la rééducation des patients en guidant leurs mouvements et en aidant le thérapeute à suivre les progrès du patient.
Le projet a consisté à développer un système d'aide à la décision, qui est chargé de définir automatiquement des routines de réadaptation physique pour les patients victimes d'un AVC. Le projet comprend également l'intégration dans le système. La définition automatique des routines de rééducation physique est un avantage pour le thérapeute, car elle réduit le temps passé à définir les routines. Ainsi, le temps de qualité que le thérapeute passe avec les patients peut être augmenté. De plus, le système d'aide à la décision inclut la capacité de générer des explications sur les routines de rééducation suggérées. Cette fonctionnalité relève du domaine de l'intelligence artificielle explicable (XAI), qui sera essentielle pour surmonter les obstacles éthiques qui empêchent l'intégration de l'intelligence artificielle dans des domaines tels que la médecine.
