Evaluación Objetiva del Riesgo de Caídas Utilizando Captura de Movimiento Sin Marcadores y Aprendizaje Automático Representacional

Las caídas son un problema importante para quienes tienen más de 65 años en todo el mundo. La evaluación objetiva del riesgo de caídas es rara en la práctica clínica. Los métodos más comunes de evaluación son las pruebas de observación que consumen tiempo (pruebas clínicas). El diagnóstico asistido por computadora podría ser de gran ayuda. Una prueba clínica popular para el riesgo de caídas es la de levantarse de una silla cinco veces. El tiempo que se tarda en completar la prueba es la métrica más utilizada para identificar a los pacientes con mayor riesgo. Sin embargo, rastrear el movimiento de las articulaciones esqueléticas puede proporcionar información mucho más rica. Utilizamos captura de movimiento sin marcadores, aliada con un modelo representacional, para identificar a quienes están en riesgo de caídas. Nuestro método utiliza un autoencoder LSTM para derivar una medida de distancia. Usando esta medida, introducimos un nuevo sistema de puntuación, permitiendo que individuos con diferentes riesgos de caídas sean colocados en una escala continua. Evaluando nuestro método en el conjunto de datos KINECAL, logramos una precisión de 0.84 al identificar a aquellos con riesgo elevado de caídas. Además de identificar posibles caedores, nuestro método podría encontrar aplicaciones en rehabilitación. Esto se alinea con los objetivos del Conjunto de Datos KINECAL. KINECAL contiene las grabaciones de 90 individuos realizando 11 movimientos utilizados en evaluaciones clínicas. KINECAL está etiquetado para desambiguar el deterioro relacionado con la edad y el riesgo de caídas.