在设备上人工智能驱动的实时人类姿势估计和运动处方程序的临床验证;前单臂准实验性研究

科学领域:

• 运动生理学 运动生理学
• 人工智能在健康中的作用
• 数字健康干预措施 数字健康干预措施

背景情况:

• 身体不活动是一个重要的公共卫生问题,不成比例地影响了服务不足的人群,无法获得运动设施.
• 使用实时人类姿势估计的AI驱动的智能手机应用程序提供了一种可扩展的方法来促进身体活动.
• 然而,这些数字健康解决方案需要严格的临床验证以确保有效性.

研究的目的:

• 临床验证为期16周的设备上人工智能驱动的抵抗训练计划,为年轻人提供有限的设施访问.
• 评估该计划对肌肉力量 (1RM),身体组成,功能运动 (FMS) 和心肺呼吸能力 (VO2max) 的影响.
• 为了评估MediaPipe在提供个性化炼指导方面的有效性,提出估计技术.

主要方法:

• 一个单组前后研究设计,涉及216名年轻成年人 (146名完成者).
• 参与者每周参加三次30分钟的复合阻力练习,由智能手机应用程序指导.
• 该应用程序提供实时姿势分析 (97.2%准确率,28.6毫秒推断),多式联络反,并使用自选设备进行个性化进展.

主要成果:

• 在肌肉力量 (+4.39公斤1RM坐),身体脂肪 (-2.92%),骨肌肉质量 (+2.19公斤),FMS (+0.29分) 和VO2max (+1.82毫升/公斤/分钟) (所有p <0.001) 中观察到显著的改善.
• 人工智能姿势分类的准确性与理疗师的评估有很高的一致性 (ICC = 0.94).
• 与专家评估相比,人工智能模型实现了95.8%的分类准确性.

结论:

• 在设备上的人工智能姿势估计促进了有效的,独立于设施的抵抗训练,结果与传统方法相似.
• 这种轻量级的实时人工智能模型支持移动部署,提高了精确运动医学的可访问性.
• 未来的研究应该包括随机对照试验 (RCT) 与多种不同的人群,以证实研究结果.