发布时间：2026 年 2 月 5 日
理疗实践面临着一个根本性的参与度问题。尽管是肌肉骨骼护理中最有效且最常开具的治疗方法之一，但只有 25-35% 的转诊患者开始接受治疗，只有 30% 的患者完成了治疗。
对于许多人来说，障碍是实际存在的，例如等待时间长、地点限制、日程安排冲突以及需要自付费用。对于其他人来说，问题在于无障碍功能。虽然虚拟护理已变得越来越普遍，但对于技术能力较弱的人来说，这可能是一项挑战。
LainaHealth 是一家虚拟理疗服务提供商，使用数字肌肉骨骼 (MSK) 平台，旨在让理疗服务更易于获取且更具成本效益。我们将持证治疗师与我们的实时 AI 导航助理 (Laina) 相结合。在获得许可的理疗师的指导下，Laina 通过训练和部署自定义模型，在网络上提供智能自动化服务，包括实时运动分析、个性化锻炼进度和对话式支持。
我们的挑战：打造一款适合所有人的应用
一种可接受的解决方案必须能有效覆盖广泛的人群，因此我们要求它不限设备、顺畅易用且易于访问。我们努力打造一个可供任何人无缝使用的平台，无需下载应用。由于我们是一家美国公司，而物理疗法是一种医疗服务，这也意味着我们的应用必须达到医疗级标准并符合 HIPAA 法规。
在 2020 年之前，我们发现大多数数字解决方案都需要专用硬件或应用安装，这给患者带来了很大的不便。我们构建了依赖于其他外部设备（例如平板电脑）的原型，但这带来了运输延迟、网络设置挑战和额外费用等问题。由于这些因素，我们几乎无法扩展解决方案。
我们假设，如果我们在 Web 上构建应用，就能提高患者互动度和改善患者预后。如果我们无需下载，也无需进行技术设置，那么障碍会少得多。
我们的应用将是一款 FDA II 类 Web 应用，它使用机器学习 (ML) 技术，无需特殊传感器或硬件，但仍可提供实时运动分析。为了确保隐私保护，我们知道需要使用设备端推理和安全的令牌化链接。我们决定通过以下指标来衡量我们的成功：患者能否轻松获得护理服务、患者参与度是否更高，以及每个疗程或就诊期的费用是否更低。
利用机器学习提供个性化治疗支持
我们首先使用 PoseNet 模型创建了一个概念验证，以评估我们的想法是否可行。最初的结果令人满意，但模型的总体准确率和速度不足以发布。然后，我们尝试了 TensorFlow.js 中的姿势检测 API MoveNet 模型。虽然它提高了速度和准确性，但我们尚未达到专为专用硬件设计的模型所能实现的保真度。
为了克服这一障碍，我们与 Google 合作，对 MoveNet 的一个子类进行了微调，专门针对肌肉骨骼康复进行了优化。我们记录并注释了数小时的临床运动数据，以训练这一子类模型，最终的分析结果将 MoveNet 的功能扩展到可以识别关节位置以外的更多信息。MoveNet 能够识别运动模式和补偿，这对于肌肉骨骼治疗至关重要。
为了确保 HIPAA 法规遵从和患者隐私保护，我们需要模型在浏览器中运行推理。这样可确保受保护的健康信息（例如诊断结果和治疗情况）不会与第三方模型或外部提供商共享。
因此，我们在 TensorFlow.js 中转换了自定义模型。 最后，我们还实施了一些其他性能优化任务，重点在于在各种设备上保持实时推理速度和最短加载时间。
我们在 2021 年首次部署时证明了该概念的可行性，但该应用并非与设备无关。我们仍然依赖特定的 Apple 设备进行处理。虽然该模型已经取得了很大进步，但在某些身体姿势、脚踝追踪和 3D 空间中的身体旋转方面仍存在不足。
我们进行了用户测试，发现当患者注意到运动失真和延迟时，他们对体验的信心会降低。当视频输出降至每秒不到 20 帧时，用户开始注意到这一点。
我们通过减少总体模型负载，引入多个协同工作的小型模型来解决这些问题。每种小型模型都针对特定的身体区域和方向进行了调优。到 2023 年底，我们开发了一款基于浏览器的模型，该模型可实现接近设备级的准确度，能够测量运动速度和运动范围，而无需使用专用传感器。自此以后，我们便可以通过一个安全的网络链接提供医疗级运动分析。
我们提供医疗级在线理疗服务，无需设置或下载。
扩大互动范围并降低费用
通过将 LainaHealth 和我们的姿势估计系统迁移到 Web，我们将虚拟理疗服务扩展到了 45 个州，提高了患者参与度并降低了成本：
74 %
降低患者费用
2 x
患者注册率和完成率
4 x
参与物理治疗
- 与传统理疗相比，患者注册率提高 2 倍，完成率提高 2 倍，互动度提高 4 倍。
- 每集完成后的平均访问次数为 34 次，而标准面对面护理的平均访问次数为 8 次。
- 通过提高效率和可扩缩性，每集节目的成本降低了 74%。
- 经过验证的临床疗效，通过 Web AI 跟踪客观依从性和功能改善情况。
此外，LainaHealth 的 Web 应用可为 12 至 99 岁的患者提供服务，这表明我们基于 Web 的 AI 驱动方法适用于不同的人群和技术能力。
结论和建议
长期以来，物理疗法一直面临着实际的可及性问题，即患者因时间、距离和费用而难以参加疗程。通过将网络 AI 与持证理疗师相结合，我们显著减少了这些障碍，让用户可以在舒适的家中进行康复。
我们设计了一种模式和应用，可提供更高的可及性、更低的成本和更快的恢复速度，帮助患者重返自己想要的生活。 我们已经证明，基于浏览器的智能 AI 可以增强（而非取代）人类护理，从而实现更个性化、可扩展且有效的肌肉骨骼健康护理方法。