Efecte d’ un programa d’ exercicis dirigits a minimitzar els moviments compensatoris, a nivell proximal, de l’ extremitat superior afecta de nens amb Paràlisi Cerebral Unilateral durant l’ execució d’ activitats bimanuals, valorat amb Intel·ligència Artificial. Assaig Clínic Aleatori

La paràlisi cerebral unilateral espàstica (PCUE) produeix una alteració de l’hemicòs contralateral, sent major l’afectació de l’extremitat superior (ES) i presentant dèficits motors i de control postural que dificulten les seves activitats de la vida diària. Aquest darrer dèficit s’origina per les dificultats d’ acompliment bimanual i desencadenen en el desenvolupament compensacions corporals. L’evidència científica indica que el treball en la part proximal d’ aquesta ES més afecta millora la funcionalitat bimanual de l’ infant.

Definició del projecte

Resum Executiu
En aquest projecte es diferencien 3 fases. En primer lloc, es validarà l’eina DeepLabCut (IA) i s’extrauran les característiques cinemàtiques. Seguidament, s’arribarà a un consens d’experts sobre la pauta d’ exercicis de tronc i de la part proximal de les EEES. I, finalment, es realitzarà un assaig clínic aleatori per comprovar si aquests exercicis disminueixen les compensacions i reflecteixen una millora en la funció bimanual dels infants amb PCUE.

Context i Justificació
El projecte proposa una nova metodologia per identificar de forma objectiva les compensacions dels pacients amb PCUE. El programa consensuat entre experts i la consegüent comprovació del seu correcte funcionament a casa suposaria un avenç per a la fisioteràpia pediàtrica ja que comportaria la introducció d’un nou focus d’atenció en el procés de neurorehabilitació amb els nens amb Paràlisi Cerebral Unilateral.

Objectiu General
Validar mitjançant aprenentatge profund (IA) la detecció sense marcadors de les trajectòries del moviment en un programa remot d’exercicis motors focalitzats en la part proximal de les EESS dels infants amb PCUE de 8-16 anys (nivells I-II segons el “Manual Ability Classification System”) i a partir d’aquesta informació inferir si es produeix una disminució de les compensacions i la millora de l’acompliment bimanual.

Objectius Específics

  • Validar si l’eina computacional DeepLabCut (IA) permet extreure correctament trajectòries del moviment escapular en pacients amb PCUE.
  • Dissenyar les característiques numèriques i objectives que permetin diferenciar entre pacients amb PCUE i sense patologia del neurodesenvolupament a partir del registre cinemàtic de les trajectòries del moviment del tronc i de cintura escapular en població pediàtrica.
  • Dissenyar un índex a partir de les trajectòries cinemàtiques per poder avaluar objectivament els mecanismes de compensació en infants amb PCUE
  • Establir un consens per experts sobre la pauta d’ exercicis dissenyada per a la disminució dels moviments compensatoris del tronc i de la part proximal de les extremitats superiors en infants amb PCUE.

Enfocament i Estratègies

Disseny d’ estudi
En aquest projecte es diferencien 3 fases que es detallen a continuació.
Fase I: Validació del DeepLabCut i extracció de característiques cinemàtiques.
Fase II: Consens dels exercicis de control escapular.
Fase III: Efecte del programa d’exercicis mitjançant un Assaig Clínic Aleatori (ECA).

Participants
La població d’estudi estarà constituïda per nens amb PCUE d’entre 8 i 16 anys classificats en els nivells I i II a la Manual Ability Classification System (MACS) i població de nens de la mateixa edat amb NDT que no tinguin cap alteració cognitiva.

Activitats Previstes

FASE I

Per al registre de les dades s’ obtindran 2 vídeos d’ ambdós subjectes en els quals s’ extraurà les trajectòries dels marcadors dels moviments.

Característiques del registre de vídeo:

  • Model Cambra del projecte
  • Resolució de la cambra
  • Posició de la càmera: Col·locada en un trípode a 30 cm de distància cap a posterior on el pacient està assegut.
  • Emmarcar i centrar el vídeo a la zona de totes dues espatlles fins a la base dels glútens
  • Fons blanc i llis
  • Posició del subjecte: En sedestació en un tamboret sense suport i els peus han de tocar plans a terra.
  • S’ ha escollit el plànol posterior atès que és on es poden observar millor les compensacions.

Les activitats de la vida diària bimanuals (AVD) a desenvolupar seran les següents:

  • Desenroscar el tap d’una ampolla.
  • Posar pegament de barra a un paper.
  • Apujar-se la cremallera d’una jaqueta.
  • Treure’s aquesta jaqueta.
  • Portar una safata.
  • Pentinar-se la part posterior del cap.
  • Tocar-se la part lumbar de l’esquena.

Les 5 primeres formen part del test Childrens Hand-use Experience Questionaire 2.0 (CHEQ 2.0). Aquestes són activitats de la vida diària que accentuen les descompensacions a més que abasten tots els moviments que realitza l’escàpula.

La fiabilitat inter avaluador serà avaluada mitjançant el programari DeepLabCut, que utilitza un etiquetatge semi-automàtic amb una xarxa neuronal convolucional (CNN).

L’entrenament de la xarxa neuronal el realitzaran l’ investigador 1 i 2, a partir de l’ etiquetatge manual de n = 20 fotogrames significatius, obtinguts a partir d’ un algoritme de clusterització k-means.

La fiabilitat intra avaluador serà avaluada de la mateixa manera després del pas d’una setmana.

FASE III

Es durà a terme un Assaig clínic aleatori a simple cec.

Per a la variable acompliment bimanual es demanarà als pares, juntament amb els seus fills, que omplin el formulari del CHEQ 2.0 (https://www.cheq.se).

Es descarregaran el full de resultats i la manaran a l’email del projecte amb el document encriptat (es facilitarà un vídeo tutorial de com es realitza aquest procés). Si ho prefereixen poden portar-lo físicament al centre.

Per a l’ anàlisi dels paràmetres cinemàtics, es demanarà als pares que realitzin la filmació del seu fill realitzant les activitats a avaluar, en les mateixes condicions de registre de la Fase I. Hauran de manar l’ arxiu mitjançant SwissTranfer ( https://www.swisstransfer.com/es-es ) a l’email de l’ IP. Aquest codificarà l’ arxiu segons l’ aleatorització.

En la intervenció d’ ambdós grups es mantindrà el seu tractament habitual. Aquest sol estar personalitzat a les necessitats d’aquest en el moment en què es troben. Acostumen a seguir el mateix patró: 1 sessió de fisioteràpia i 1 de teràpia ocupacional setmanal, o combinats, i també solen tenir un seguiment amb psicologia. A més, solen realitzar tots entre 1 o 2 activitats físiques extraescolars a la setmana, a més de les assignatures d’educació física escolars.

La intervenció del GE consistirà en l’addició al seu tractament habitual, el programa d’ exercicis validat en les Fase II. Aquests exercicis estaran descrits a la plataforma Physiotec ( https://physiotec.ca/esp/es/ ). Els subjectes o els seus pares hauran d’ anar marcant les caselles conforme es vagin fent.

Beneficis Previstos

Entre els resultats d’aquest estudi, s’espera que la disminució de les compensacions que fan amb els nens amb PCUE millorin la funció bimanual en els seus AVDs. Aquesta troballa suposaria una rellevància en la comunitat científica en tant que obriria un nou focus d’atenció en l’abordatge neurorehabilitador d’aquests pacients, sent aquest estudi el primer ECA que posa de manifest la necessitat del treball plantejat. L’aconseguiment del consens sobre la pauta d’ exercicis idonis de tronc i part proximal de les extremitats superiors també sumaria en aquest aspecte.

L’obtenció de l’índex de compensació mitjançant el DeepLabCut contribuirà a estimar els mecanismes que provoquen les compensacions i el grau d’ aquestes, millorant així el plantejament d’ objectius de fisioteràpia.

A més, s’espera poder comprovar que el DLC és una eina vàlida i fiable per valorar les compensacions que fan els infants amb PCUE. Això suposaria un canvi a nivell social i mediambiental, permetent als pacients no haver de desplaçar-se als centres mèdics per a les valoracions, ni per a la realització de les pautes d’exercici, que les realitzen a casa.

Efectes Positius en la Comunitat o Sector Beneficiat

És important destacar que la introducció d’una eina d’intel·ligència artificial per a l’anàlisi del moviment mitjançant imatges en l’àmbit de les ciències de la salut és un avenç en un futur cada vegada més proper. A nivell socioeconòmic, suposaria un avenç per al professional sanitari que tindria accés a una eina de valoració de baix cost i de fàcil maneig.

Finalment, aquest projecte compliria amb els següents Objectius de Desenvolupament Sostenibles (ODS) marcats per l’Assemblea General de les Nacions Unides de 2022: Salut i benestar (nº 3), Reducció de les desigualtats (nº 10) i Acció pel clima (nº 13).

Vull col·laborar

Ajuda’ns a superar els límits i millorar la vida de milers de persones