Het gebruik van state-of-the-art artificiële intelligentie en deep learning technieken ter ondersteuning van het maken van klinische beslissingen van kinesitherapeuten in de eerste lijn.

Het doel van dit project is om aan te tonen hoe patiënt-gerelateerde kinesitherapeutische gegevens die op een gestructureerde manier kunnen worden verzameld en opgeslagen, geanalyseerd kunnen worden uitgevoerd met behulp van kunstmatige intelligentie, meer bepaald deep learning. Neurale netwerken zullen gebruikt worden om te bepalen welke therapeutische aanpak het beste kan worden gebruikt voor welk type patiënt om fysieke activiteit te verhogen. Zo wordt de haalbaarheid aangetoond van het gebruik van big data-analyse om effectieve therapeutische strategieën te ontwikkelen bij patiënten met cardiorespiratoire en metabole ziekten. Het aantonen van de haalbaarheid van gegevensverzameling, opslag en analyse in kinesitherapie en revalidatie bij interne ziekten in de eerste lijn zal een belangrijke stap zijn in de ontwikkeling van data-gestuurde therapie. De resultaten van dit project zullen verder onderzoek vergemakkelijken en het mogelijk maken om gegevens- gestuurde geneeskunde bij meerdere ziekten verder te ontwikkelen, evenals het ontwikkelen van toepassingen voor data monitoring en tele-coaching in de gezondheidszorg. Dankzij de gecombineerde expertise van beide onderzoeksgroepen, in samenwerking met de Belgische Vereniging voor Kinesitherapie (Axxon), kan dit consortium een ​​voorsprong nemen in het adviseren van klinische beslissingen op basis van data analyse binnen de kinesitherapie en op die manier een pionier worden op dit gebied in Europa.

Trefwoorden:ARTIFICIËLE INTELLLIGENTIE, LICHAMELIJKE INSPANNING, MACHINAAL LEREN, REHABILITATIETECHNOLOGIE

Disciplines:Datamining, Machine learning en besluitvorming, Fysiotherapie