Разработка системы для прогнозирования риска падений у неврологических пациентов на основе искусственного интеллекта
Цель исследования — создание модели искусственного интеллекта для прогнозирования вероятности падений на основе анализа видеозаписей паттерна ходьбы.
Материалы и методы. В исследование включено 187 пациентов (медиана возраста — 59 лет) с неврологическими заболеваниями различной этиологии, предъявлявших жалобы на нарушение равновесия и неустойчивость при ходьбе. Всем участникам выполнена видеорегистрация движений с использованием смартфона в условиях теста 10-метровой ходьбы и теста «Встань и иди» (TUG). На основе анализа 2077 шагов, зафиксированных у 122 пациентов, с применением архитектуры YOLO-NAS Pose M и двухуровневой модели машинного обучения разработан алгоритм стратификации риска падений.
Результаты. Итоговая модель при анализе видеоданных достигла точности 76% при прогнозировании риска, средняя абсолютная ошибка предсказания временных параметров составила 1,445 с. В качестве ключевых биомеханических предикторов риска падений идентифицированы ширина базы шага на уровне голеностопных суставов, латеральные колебания туловища, ширина базы шага на уровне коленных суставов, вертикальный клиренс стопы в фазе переноса, а также временные параметры шага.
Ikonnikova Е.S., Slotina A.E., Belyankin G.А., Zabello М.А., Vishnyakov V.Yu., Lobanov А.V., Bedeneu N.V., Dobrovolsky А.А., Zemlyanaya D.О., Tropynina А.Yu., Kirichenko О.А., Baidukova А.V., Suponeva N.А. Development of an artificial intelligence-based system for predicting fall risk in neurological patients. Sovremennye tehnologii v medicine 2026; 18(4): 42, https://doi.org/10.17691/stm2026.18.4.05
🤩 Российский центр неврологии и нейронаук 🔔Подписаться⚡️️️️️️Поддержать канал
Цель исследования — создание модели искусственного интеллекта для прогнозирования вероятности падений на основе анализа видеозаписей паттерна ходьбы.
Материалы и методы. В исследование включено 187 пациентов (медиана возраста — 59 лет) с неврологическими заболеваниями различной этиологии, предъявлявших жалобы на нарушение равновесия и неустойчивость при ходьбе. Всем участникам выполнена видеорегистрация движений с использованием смартфона в условиях теста 10-метровой ходьбы и теста «Встань и иди» (TUG). На основе анализа 2077 шагов, зафиксированных у 122 пациентов, с применением архитектуры YOLO-NAS Pose M и двухуровневой модели машинного обучения разработан алгоритм стратификации риска падений.
Результаты. Итоговая модель при анализе видеоданных достигла точности 76% при прогнозировании риска, средняя абсолютная ошибка предсказания временных параметров составила 1,445 с. В качестве ключевых биомеханических предикторов риска падений идентифицированы ширина базы шага на уровне голеностопных суставов, латеральные колебания туловища, ширина базы шага на уровне коленных суставов, вертикальный клиренс стопы в фазе переноса, а также временные параметры шага.
Ikonnikova Е.S., Slotina A.E., Belyankin G.А., Zabello М.А., Vishnyakov V.Yu., Lobanov А.V., Bedeneu N.V., Dobrovolsky А.А., Zemlyanaya D.О., Tropynina А.Yu., Kirichenko О.А., Baidukova А.V., Suponeva N.А. Development of an artificial intelligence-based system for predicting fall risk in neurological patients. Sovremennye tehnologii v medicine 2026; 18(4): 42, https://doi.org/10.17691/stm2026.18.4.05
🤩 Российский центр неврологии и нейронаук 🔔Подписаться⚡️️️️️️Поддержать канал