El análisis de la marcha impulsado por IA une los campos de la atención sanitaria y la seguridad

El análisis del patrón de marcha individual de una persona puede revelar detalles sobre su identidad y reflejar diferencias entre individuos, grupos e incluso poblaciones.

Un equipo internacional de investigadores, dirigido por Kayne Duncanson de la Universidad de Adelaida, el profesor asociado Dominic Thewlis, el Dr. Will Robertson y el Dr. Ehsan Abbasnejad, tomó un perfil diverso de los datos de la marcha de más de 700 personas y entrenó modelos de inteligencia artificial para encontrar similitudes.

La investigación fue publicada en El Revista de la interfaz de la Royal Society .

Ya se está trabajando en cómo se pueden utilizar las relaciones entre la marcha y el estado biológico en la atención sanitaria y la seguridad, pero hasta ahora, los campos utilizaban métodos diferentes.

«En la atención de la salud, el objetivo es utilizar la marcha como un marcador funcional personal para ayudar en el manejo de afecciones neurológicas y musculoesqueléticas, y las medidas generalmente se toman utilizando múltiples instrumentos especializados y pequeñas muestras de población», afirmó la investigadora principal Kayne Duncanson, profesora superior Título otorgado por candidato a investigador de la Facultad de Medicina de Adelaida.

«En seguridad, el objetivo es utilizarlo como biométrico para ayudar al reconocimiento personal en entornos dinámicos, como la vigilancia en aeropuertos, o para la autenticación en hogares inteligentes.

«El reconocimiento de la marcha requiere modelado a nivel individual para detectar características que difieren entre individuos pero que permanecen consistentes dentro de los individuos a lo largo del tiempo.

«Por lo tanto, la mayoría de los estudios se centran en el desarrollo de modelos multivariados complejos, como redes neuronales profundas, para desenredar las características identificativas de la marcha de las características relacionadas con la apariencia corporal.

«Dado que los métodos de análisis de la marcha en la atención sanitaria y la seguridad parecen complementarios, podría resultar beneficioso combinar sus puntos fuertes».

Algunos de los datos estudiados se recopilaron de los participantes mientras caminaban sobre una placa en el suelo, conocida como plataforma de fuerza.

La plataforma de fuerza mide la magnitud y la ubicación puntual de la fuerza en el suelo en respuesta a la fuerza aplicada a través de los pies, y luego la información se investiga utilizando un método de IA explicable (XAI) llamado análisis de sensibilidad de oclusión y aproximación y proyección de colector uniforme (UMAP).

«El primer objetivo de este estudio fue determinar si el rendimiento del reconocimiento de la marcha difiere según los conjuntos de datos utilizados para el desarrollo y la evaluación del modelo utilizando diferentes configuraciones de cuatro grandes conjuntos de datos de la marcha de plataformas de fuerza de todo el mundo», dijo el profesor asociado Thewlis, director del Centro de Investigación en Ortopedia y Traumatología.

«El segundo objetivo era examinar si los atributos demográficos y las condiciones experimentales ayudan a definir la variación de la marcha utilizando XAI.

«Para cumplir estos objetivos, se propuso un nuevo método de análisis de la marcha que permite la caracterización simultánea de la variación individual, grupal y a nivel de conjunto de datos en los patrones de la marcha».

Lo que encontraron fue que los modelos, que estuvieron expuestos a la diversidad mientras aprendían, eran muy precisos a la hora de identificar personas en diversas condiciones.

«Descubrimos que las plataformas de fuerza podrían implementarse como instrumentos independientes con relativamente pocas restricciones en la selección de muestras y las condiciones de marcha para permitir la adquisición de grandes conjuntos de datos en laboratorios, clínicas y posiblemente entornos más diversos, lo que a su vez podría facilitar una gestión de datos más avanzada. toma de decisiones», afirmó el profesor asociado Thewlis.

«Las tendencias en rendimiento y los conocimientos de XAI indicaron que el calzado, la velocidad al caminar, la masa corporal, el sexo, la altura y posiblemente otros factores dependientes del tiempo interactúan para afectar la variación de la marcha en múltiples niveles, y los sistemas de reconocimiento de la marcha basados ​​en IA que se basan en datos de plataformas de fuerza muestran una promesa sustancial para el análisis personalizado».