Ett forskarteam vid Umeå universitet har lyckats träna en AI-modell att utifrån rörelsemönster identifiera de korsbandsopererade som är rädda för nya korsbandsskador. Men när kan sådan AI-teknik bli tillgänglig för fler? Vi ringde upp professor Charlotte Häger som är ansvarig forskare för studien.
Charlotte Häger, professor i fysioterapi, Umeå universitet. Foto: Agneta Persson
Rörelsemönster och muskelsignaler från hopptester i rörelseanalyslabb kan avslöja vilka idrottare som är rädda att skada sig igen efter en operation i främre korsbandet. Den aktuella Umeåstudien visar att AI kunde hitta de personer som hade en rörelserädsla med upp till 86 procents träffsäkerhet.
– Våra resultat visar att rädsla för en ny korsbandsskada inte bara är något man säger sig känna – den kan också avspeglas i hur kroppen rör sig och hur musklerna arbetar, säger Charlotte Häger, professor i fysioterapi vid Institutionen för samhällsmedicin och rehabilitering vid Umeå universitet.
Det är välkänt att rädslan för att skada sig igen är en av de främsta orsakerna till att idrottare inte återgår till sin sport efter en främre korsbandsskada. Charlotte Häger och forskargruppen hoppas att tekniken på sikt ska leda till att man tidigare ska kunna hitta de personer som riskerar att fastna i rädsla och osäkerhet efter skada.
När kan en sådan här AI-modell tas i bruk av andra än er som forskare?
– Det är svårt att svara på, säger Charlotte Häger. Vi är början av utvecklingen och har nu tränat en AI-modell att ha hög noggrannhet i att identifiera vilka idrottare som är rädda för en ny korsbandsruptur och som också kan klassa vissa rörelsefaktorer som hör ihop med den rädslan. Men innan AI-modellen kan spridas behöver vi testa den kliniska betydelsen av våra fynd, till exempel om rörelsefaktorerna kan kopplas till en risk att få nya skador eller inte. Men vi tycker ändå att det är en bra början då vi inte tidigare har haft några objektiva mått för hur en rörelserädsla påverkar individen. Vi börjar nu kunna skönja sådana mönster.
Charlotte Häger konstaterar samtidigt att utvecklingen inom AI går fort, vilket betyder att AI-modeller med ytterligare funktioner kan se dagens ljus snabbare än man tror.
Vilka användare ser du för en framtida AI-modell av den här typen?
– Det kan vara fysioterapeuter som vill filma rörelsemönstret i en klinisk situation eller tränare och coacher som filmar spelares rörelsemönster på planen som ett komplement till hur individen själv upplever och beskriver eventuell rädsla. Det vi säger är ofta en annan sak än det som man kan upptäcka vid en objektiv mätning. Och det är inte det att till exempel fotbolls- eller innebandyspelare ljuger för att hoppas gå tillbaka till spel. Ofta är man inte medveten om att man tvekar vid hopp eller landning, som ofta är risksituationer inom sport.
Grafiskt abstrakt om mätningen av rörelsemönster, kraftmoment och muskelaktivitet vid enbenshopp i sidled. Bild: Abdolamir Karbalaie
Är AI-modellen lätt att implementera eller kräver den kostsam teknik?
– I nuläget krävs tillgång till avancerad utrustning som analyserar rörelsemönster till exempel hur man böjer och sträcker knäet eller andra leder och som även registrerar hur musklerna aktiveras, förklarar Charlotte Häger.
Men hon och forskargruppen menar att vad de nu åstadkommit i labbet kan ligga till grund för en framtida utveckling där det kan räcka att man videofilmar idrottaren och sedan gör AI en djupare analys av rörelsemönstret. Utvecklingen av olika bärbara sensorer för användning utanför labb kan också bidra här.
– På sikt kan en AI-modell vara till hjälp så att individen får se sina egna tänkbara riskmönster i tillägg till vanlig videoteknik. Det är lättare att träna på och modifiera sin teknik om man ser och har blivit medveten om sitt rörelsemönster.
AI-analysen skulle dessutom kunna vara ett underlag för fysioterapeuter, coacher och tränare med flera att resonera med spelare om när de är redo att gå tillbaka till sin idrott, säger Charlotte Häger.
– Det är viktigt att man tillsammans finner sätt att trygga återgången så att spelarens rädslor att knäet ska ge vika minskar.
Tre artiklar inom ämnesområdet är klara och en fjärde är på gång, berättar Charlotte Häger. Hon betonar att dessa forskningsstudier där fysioterapin slår följe med AI-utvecklingen bygger på tvärprofessionellt samarbete.
– Att vi kan jobba tillsammans med AI-forskare såsom matematiker och ingenjörer har stor betydelse. Vi kan bara åstadkomma det här om vi samarbetar med andra professioner.
I studien analyserades rörelsemönster, kraftmoment och muskelaktivitet vid enbenshopp i sidled hos 72 personer som gjort en främre korsbandsrekonstruktion.
Lois Steen
lois.steen@fysioterapeuterna.se
