APPLICATIONS OF ARTIFICIAL INTELLIGENCE IN PHYSICAL THERAPY: AN INTEGRATIVE REVIEW
REGISTRO DOI: 10.69849/revistaft/ch10202411122157
Ana Carolina Da Conceição Santos1
Luísa Marina Borges Mariano2
Gilderlene Alves Fernandes Barros Araujo3
Resumo
Este estudo analisa o uso da inteligência artificial (IA) na fisioterapia, explorando como essa tecnologia pode ser aproveitada para melhorar o diagnóstico, o monitoramento e o tratamento dos pacientes. Por meio de uma revisão e análise abrangente de artigos publicados de 2020 a 2024 em bases de dados incluindo PubMed, Scielo e Scholar, um total de 46 resultados mas apenas 19 estudos atenderam aos critérios de inclusão. Os resultados mostram que a inteligência artificial tem potencial para transformar a prática fisioterapêutica, principalmente no diagnóstico de distúrbios musculoesqueléticos, utilizando algoritmos de aprendizado de máquina e análise de imagens para identificar padrões e lesões com alta precisão. Outra aplicação de destaque é o monitoramento em tempo real de pacientes por meio de tecnologias como sensores de movimento, o que facilita tratamentos mais personalizados e eficientes. Apesar do potencial da inteligência artificial, são necessárias mais pesquisas para solidificar sua eficácia em diversas condições clínicas e preparar os profissionais para usar essas tecnologias com segurança.
Palavras-chave: Inteligência. Artificial. Fisioterapia.
1. INTRODUÇÃO
A inteligência artificial (IA) está tornando rapidamente um instrumento revolucionário no campo da saúde, com usos que vão desde o diagnóstico antecipado até a customização do tratamento e o acompanhamento dos pacientes. Em particular, na área de fisioterapia, a Inteligência Artificial tem sido utilizada para aprimorar a exatidão no diagnóstico de problemas musculoesqueléticos, antecipar os resultados de reabilitação e ajudar na personalização dos tratamentos. Isso potencializa o trabalho dos fisioterapeutas e aumenta a efetividade dos procedimentos. Este progresso é viável devido à capacidade da Inteligência Artificial de analisar grandes quantidades de dados clínicos e identificar padrões que poderiam não ser percebidos por um olhar humano, abrindo novas oportunidades para intervenção.
No entanto, apesar desse potencial, a aplicação da Inteligência Artificial na fisioterapia ainda encontra obstáculos e dúvidas que precisam de uma avaliação mais detalhada. A falta de dados específicos para o treinamento de algoritmos em áreas especializadas, a falta de competência técnica entre os profissionais de saúde, além de questões éticas, como a proteção de dados e a responsabilidade em decisões automatizadas, são barreiras que exigem uma atenção maior. Além disso, a melhoria da Inteligência Artificial ainda é restrita em cenários práticos de fisioterapia, devido a obstáculos como custos elevados, ausência de regulamentação específica e resistência à tecnologia em certos cenários clínicos. As pesquisas anteriores já enfatizaram esses obstáculos e indicam que, para incorporar completamente a Inteligência Artificial na fisioterapia, são admitidas estratégias que incluem a elaboração de normas contemporâneas e formação profissional, além da implementação de sistemas de IA seguros e de fácil acesso.
Neste contexto, esta pesquisa sugere uma revisão integrativa da literatura com o propósito de identificar e debater as principais utilizações, vantagens e obstáculos da inteligência artificial no âmbito da fisioterapia. Este estudo tem como objetivo responder à seguinte pergunta de pesquisa: “Quais são os usos e efeitos da inteligência artificial na fisioterapia descritos na literatura científica?” Ao examinar essa questão, buscamos oferecer uma perspectiva completa e baseada sobre a capacidade da Inteligência Artificial de revolucionar a fisioterapia, auxiliando na ampliação do saber e direcionando pesquisas e práticas clínicas futuras no campo.
2. FUNDAMENTAÇÃO TEÓRICA
Para fundamentar teoricamente o uso da inteligência artificial (IA) na fisioterapia, é crucial discutir o progresso dessa tecnologia na área da saúde e seu efeito nos procedimentos de diagnóstico, acompanhamento e recuperação. Através de algoritmos de aprendizado de máquina e análise de dados, a inteligência artificial tem sido extensivamente estudada e empregada em diversos cenários clínicos. Pesquisas recentes destacam a capacidade da Inteligência Artificial em melhorar a exatidão do diagnóstico, acelerar a avaliação de condições músculo-esqueléticas e melhorar a supervisão de pacientes durante o processo de recuperação. Segundo o estudo, “a inteligência artificial tem grande potencial para transformar a prática fisioterapêutica mais eficaz, principalmente nas áreas de tratamento personalizado” (Santos et al., 2023). Este quadro teórico se fundamenta em estudos científicos divulgados entre 2020 e 2024, que ilustram como a Inteligência Artificial pode atuar como um recurso adicional para fisioterapeutas na prática clínica.
Inteligência Artificial e Diagnóstico Clínico na Fisioterapia
O uso de algoritmos de aprendizagem automáticos, especialmente na avaliação de imagens, é um dos maiores progressos no diagnóstico de lesões e problemas musculares-esqueléticos. A literatura sugere que os sistemas de Inteligência Artificial são capazes de detectar padrões complexos que, muitas vezes, não são percebidos em análises convencionais, fornecendo um diagnóstico mais exato e minucioso para uma decisão clínica mais fundamentada. Por exemplo, pesquisas indicam que a Inteligência Artificial pode ajudar na identificação antecipada de lesões e doenças, evitando o intervalo entre o surgimento dos sintomas e a intervenção. Essa habilidade de análise automatizada e apoio ao diagnóstico se destaca como uma das áreas com maior potencial de influência na prática da fisioterapia, posicionando a IA como uma parceira na personalização dos cuidados clínicos.
Desafios e Considerações Éticas
Apesar das potencialidades das aplicações da inteligência artificial na fisioterapia, a literatura também aponta obstáculos e restrições. Um aspecto fundamental é a exigência de formação dos profissionais de fisioterapia para manusear sistemas de Inteligência Artificial de forma ética e responsável. A incorporação segura e eficiente da Inteligência Artificial na prática clínica requer orientações precisas e capacitações relacionadas para que os profissionais entendam tanto as vantagens quanto as restrições dessa tecnologia. Além disso, existem questões relativas à privacidade dos dados dos pacientes, já que a aplicação da Inteligência Artificial implica na coleta e avaliação de dados pessoais, que devem ser resguardados de acordo com as normas sanitárias.
Estado da Técnica e Propriedade Industrial
No que diz respeito à situação técnica, nota-se um aumento no desenvolvimento de patentes direcionadas ao aperfeiçoamento de tecnologias fundamentadas em Inteligência Artificial utilizadas na área da saúde. Estas patentes abrangem sistemas de rastreamento por sensores, programas de análise preditiva para diagnóstico e algoritmos de customização de terapia. A avaliação da propriedade intelectual neste cenário oferece uma visão geral das inovações em desenvolvimento ao redor do mundo e aponta os rumores futuros para a implementação da Inteligência Artificial na fisioterapia. Esse quadro conceitual técnico é crucial para entender as inovações tecnológicas que estão impulsionando o progresso da fisioterapia e a possível incorporação da Inteligência Artificial em práticas clínicas.
Portanto, este quadro teórico estabelece uma base robusta para o desenvolvimento deste estudo, evidenciando que, mesmo com os progressos e benefícios da Inteligência Artificial na fisioterapia, existe uma escassez de pesquisas em certos aspectos, particularmente no que diz respeito à validação de metodologias em variados cenários clínicos e à formação de profissionais para a utilização ética e segura dessas tecnologias.
3. METODOLOGIA
Este estudo estudou um protocolo sistemático para coletar, examinar e condensar a literatura disponível sobre a utilização de inteligência artificial (IA) em fisioterapia. A metodologia foi organizada em cinco fases fundamentais: formulação da pergunta, recolha de dados, avaliação dos estudos escolhidos, análise e interpretação dos resultados e, finalmente, apresentação da síntese dos resultados.
O questionamento central previsto foi: “Quais são os usos e efeitos da inteligência artificial na fisioterapia descritos na literatura científica?” Esta pergunta guiou a escolha das fontes de dados, abrangendo as bases PubMed, Scielo e Google Scholar. Essas plataformas foram selecionadas devido à sua importância no âmbito das ciências da saúde e à sua habilidade de oferecer uma vasta gama de pesquisas ligadas à fisioterapia e à inteligência artificial.
Para garantir a exatidão e pertinência das informações, os critérios de seleção incluíram pesquisas publicadas entre 2020 e 2024, em português e inglês, que tratassem diretamente do uso da Inteligência Artificial no âmbito da fisioterapia. Estudos duplicados, desvinculados do tema ou de baixa qualidade metodológica foram excluídos, garantindo que somente artigos pertinentes formassem uma base de dados para análise.
A obtenção de dados ocorreu através da combinação de termos específicos, tais como “fisioterapia” e “inteligência artificial”. Os artigos selecionados foram submetidos a uma análise crítica e sistemática, com o objetivo de identificar as principais utilizações da Inteligência Artificial na fisioterapia, além dos desafios, vantagens e restrições identificadas nas pesquisas evidenciadas. Finalmente, foi feita uma análise qualitativa dos resultados alcançados, oferecendo uma perspectiva abrangente e organizada sobre o assunto e suas ramificações no âmbito da fisioterapia.
A estrutura metodológica detalhada possibilita a replicação deste estudo por outros pesquisadores, dando-lhe uma natureza rigorosa e simplificando a análise e interpretação de dados em pesquisas futuras.
4. RESULTADOS E DISCUSSÕES
Apresenta-se de maneira estruturada e minuciosa as descobertas mais relevantes da revisão sobre a utilização da inteligência artificial na fisioterapia, segmentando-se em subseções que simplificam a avaliação de cada uso desta tecnologia no campo.
Dentre as descobertas mais significativas, ressalta-se a efetividade da inteligência artificial no diagnóstico de distúrbios músculo-esqueléticos. A aplicação de algoritmos de aprendizado automático e análise de imagens possibilita a detecção precisa de padrões de lesões e doenças, oferecendo aos fisioterapeutas um recurso para enriquecer a avaliação clínica e, potencialmente, aprimorar a tomada de decisões. Esses resultados, em comparação com pesquisas anteriores, destacam a capacidade da inteligência artificial de revolucionar o diagnóstico clínico na fisioterapia. No entanto, é imprescindível a realização de mais pesquisas para validar esses métodos em diversas situações e condições de saúde.
Outro ponto abordado é a utilização da inteligência artificial para acompanhar em tempo real o avanço dos pacientes no processo de reabilitação. Instrumentos como sensores de movimento e sistemas de visão computacional foram descritos como eficientes para documentar o rendimento dos pacientes e ajustar as intervenções conforme a necessidade, favorecendo uma estratégia mais individualizada e um maior comprometimento com o tratamento. Com base em resultados de estudos prévios, esta aplicação tem resultados promissores para melhorar a eficácia dos tratamentos. No entanto, é importante sublinhar a necessidade de avaliações adicionais para avaliar o efeito em grande escala.
Em conclusão, a avaliação dos resultados mostra que, apesar das inúmeras vantagens da inteligência artificial para a fisioterapia, ainda persistem obstáculos, como a exigência de capacitar os profissionais de saúde para o uso seguro e ético desses instrumentos. Portanto, a discussão indica que a formação e a elaboração de diretrizes específicas para a aplicação da Inteligência Artificial na fisioterapia são fundamentais para que essa tecnologia seja incorporada à prática clínica de maneira eficiente e segura, gerando uma mudança significativa na qualidade do cuidado aos pacientes.
5. CONCLUSÃO/CONSIDERAÇÕES FINAIS
Com base nas descobertas da revisão sobre a utilização de inteligência artificial (IA) em fisioterapia, observamos que as metas propostas foram totalmente cumpridas, destacando as vantagens dessa tecnologia para diagnóstico, monitoramento e personalização de tratamentos na prática da fisioterapia. A Inteligência Artificial permite progressos no diagnóstico de condições músculo-esqueléticas, fornecendo assistência ao fisioterapeuta para melhorar a exatidão clínica e rapidez das avaliações. Dessa forma, auxilia na tomada de decisões mais fundamentadas. No que diz respeito ao acompanhamento, a utilização de sensores de movimento e visão computacional se mostra eficiente para registrar e adaptar, em tempo real, o avanço dos pacientes no tratamento, melhorando a adesão e os resultados.
Em virtude dos resultados concluí que, mesmo com os benefícios notados, existem obstáculos que impedem a implementação total da Inteligência Artificial na fisioterapia, como a exigência de formação profissional e a elaboração de normas específicas para garantir o uso ético e seguro desses instrumentos. Portanto, a pesquisa enfatiza que a capacitação de fisioterapeutas e a criação de normas são fundamentais para incorporar a Inteligência Artificial de forma ética e eficiente no contexto clínico.
Dessa forma, este estudo enriquece a literatura ao destacar as possibilidades e os obstáculos da Inteligência Artificial na fisioterapia. Propõe-se que estudos futuros investiguem a efetividade dessas tecnologias em diversas nações e condições de saúde, além de investigar métodos que possam expandir a utilização da IA e superar as restrições identificadas.
REFERÊNCIAS
ADLY, A. S.; ADLY, M. S.; ADLY, A. S. Telemanagement of home-isolated COVID-19 patients using oxygen therapy with noninvasive positive pressure ventilation and physical therapy techniques: randomized clinical trial. Journal of Medical Internet Research, v. 23, n. 4, 2021. p. e23446. Disponível em: https://doi.org/10.2196/23446. Acesso em: 11 de setembro de 2024.
BAGIO, G. G.; RODRIGUES, P. S. S. UMA metodologia de visão computacional para análise de movimentos fisioterápicos. In: CENTRO UNIVERSITÁRIO FEI, XIII Simpósio de Iniciação Científica, Didática e de Ações Sociais da FEI, 2023. Disponível em: https://fei.edu.br/sites/sicfei/2023/ARTIGO_52.pdf. Acesso em: 8 de outubro de 2024.
CARPINELLA, I.; LENCONI, T.; BOWMAN, T.; BERTONI, R.; TUROLLA, A.; FERRARIN, M.; JONSDOTTIR, J. Effects of robot therapy on upper body kinematics and arm function in persons post stroke: a pilot randomized controlled trial. Journal of NeuroEngineering and Rehabilitation, v. 17, n. 1, 2020. Disponível em: https://doi.org/10.1186/s12984-020-0646-1. Acesso em: 22 de setembro de 2024.
CHEN, Y. et al. The effect of sequential combination of mirror therapy and robot-assisted therapy on motor function, daily function, and self-efficacy after stroke. Scientific Reports, v. 13, n. 1, 2023. Disponível em: https://doi.org/10.1038/s41598-023-43981-3. Acesso em: 8 de setembro de 2024.
DA SILVA AREAS, F. Z.; BALTZ, S.; GILLESPIE, J.; OCHOA, C.; GILLILAND, T.; DUBIEL, R.; BENNETT, M.; DRIVER, S.; SWANK, C. Early robotic gait training after stroke (ERA Stroke): study protocol for a randomized clinical trial. BMC Neurology, v. 24, n. 1, 2024. Disponível em: https://doi.org/10.1186/s12883-024-03858-y. Acesso em: 12 de setembro de 2024.
DEVINE, T. M.; ALTER, K. E.; DAMIANO, D. L.; BULEA, T. C. A randomized cross-over study protocol to evaluate long-term gait training with a pediatric robotic exoskeleton outside the clinical setting in children with movement disorders. PLoS ONE, v. 19, n. 7, 2024. p. e0304087. Disponível em: https://doi.org/10.1371/journal.pone.0304087. Acesso em: 2 de outubro de 2024.
DOS SANTOS LINS, D. et al. Aplicações Da Inteligência Artificial (Ia) Na Fisioterapia Pediátrica De Doenças Raras. Revista Movimenta, [s. l.], v. 17, n. 1, p. 1, 2024. DOI 10.31668/movimenta.v17i1.15303. Disponível em: https://research.ebsco.com/linkprocessor/plink?id=fc975dd9-f9a7-3e8a-bb4f-a564e1de05b2. Acesso em: 3 nov. 2024.
ITOH, N.; MISHIMA, H.; YOSHIDA, Y.; YOSHIDA, M.; OKA, H.; MATSUDAIRA, K. Evaluation of the effect of patient education and strengthening exercise therapy using a mobile messaging app on work productivity in Japanese patients with chronic low back pain: open-label, randomized, parallel-group trial. JMIR mHealth and uHealth, v. 10, n. 5, 2022, e35867. Disponível em: https://doi.org/10.2196/35867. Acesso em: 20 de setembro de 2024.
LAO, C.; WANG, B.; WANG, R. S.; CHANG, H. The combined effects of sports smart bracelet and multi-component exercise program on exercise motivation among the elderly in Macau. Medicina (Kaunas), v. 57, n. 1, 2021. p. 34. DOI: 10.3390/medicina57010034. PMID: 33401676; PMCID: PMC7824334.
LUNA, A.; CASERTANO, L.; TIMMERBERG, J.; O’NEIL, M.; MACHOWSKY, J.; LEU, C.; LIN, J.; FANG, Z.; DOUGLAS, W.; AGRAWAL, S. Artificial intelligence application versus physical therapist for squat evaluation: a randomized controlled trial. Scientific Reports, v. 11, n. 1, 2021. Disponível em: https://doi.org/10.1038/s41598-021-97343-y. Acesso em: 22 de setembro de 2024.
PARK, C.; OH-PARK, M.; BIALEK, A.; FRIEL, K.; EDWARDS, D.; YOU, J. S. H. Abnormal synergistic gait mitigation in acute stroke using an innovative ankle–knee–hip interlimb humanoid robot: a preliminary randomized controlled trial. Scientific Reports, v. 11, n. 1, 2021. Disponível em: https://doi.org/10.1038/s41598-021-01959-z. Acesso em: 2 de outubro de 2024.
RANZANI, R. et al. Neurocognitive robot-assisted rehabilitation of hand function: a randomized control trial on motor recovery in subacute stroke. Journal of NeuroEngineering and Rehabilitation, v. 17, n. 1, 2020. Disponível em: https://doi.org/10.1186/s12984-020-00746-7. Acesso em: 7 de setembro de 2024.
REGO, J. S. O uso da inteligência artificial na busca pela acessibilidade web: promovendo a inclusão e mitigando vieses. p. 4. Revista Científica Campus Party, s. d. Disponível em: https://brasil.campus-party.org/wp-content/uploads/2023/12/Revista-Cientifica-Campus-Party_ED52023_CPAmazonia.pdf#page=4. Acessado em: 2 de novembro de 2024.
RODRÍGUEZ-FERNÁNDEZ, A.; LOBO-PRAT, J.; FONT-LLAGUNES, J. M. Systematic review on wearable lower-limb exoskeletons for gait training in neuromuscular impairments. Journal of NeuroEngineering and Rehabilitation, v. 18, n. 1, 2021. Disponível em: https://doi.org/10.1186/s12984-021-00815-5. Acesso em: 8 de setembro de 2024.
SPINA, S.; FACCIORUSSO, S.; CINONE, N.; ARMIENTO, R.; PICELLI, A.; AVVANTAGGIATO, C.; CIRITELLA, C.; FIORE, P.; SANTAMATO, A. Effectiveness of robotic balance training on postural instability in patients with mild Parkinson’s disease: a pilot, single blind, randomized controlled trial. Journal of Rehabilitation Medicine, v. 53, n. 2, 2021. p. jrm00154. Disponível em: https://doi.org/10.2340/16501977-2793. Acesso em: 22 de outubro de 2024.
UNIVERSIDADE FEDERAL DO AMAZONAS. Um método para monitoramento e geração de feedbacks em atividades físicas repetitivas baseado em Máquinas de Boltzmann Restritas. 18 dez. 2023. Disponível em: https://tede.ufam.edu.br/handle/tede/10035#preview-link3. Acessado em: 1 de novembro de 2024.
VISTA DO SINERGIA ENTRE FISIOTERAPIA E INTELIGÊNCIA ARTIFICIAL: TENDÊNCIAS ATUAIS, DESAFIOS E DIREÇÕES FUTURAS. REVISÃO INTEGRATIVA. s. d. Disponível em: https://revista.cpaqv.org/index.php/CPAQV/article/view/1361/978. Acessado em: 1 de novembro de 2024.
WAN, C.; HUANG, S.; WANG, X.; GE, P.; WANG, Z.; ZHANG, Y.; LI, Y.; SU, B. Effects of robot-assisted gait training on cardiopulmonary function and lower extremity strength in individuals with spinal cord injury: a systematic review and meta-analysis. Journal of Spinal Cord Medicine, v. 47, n. 1, 2023. p. 6–14. Disponível em: https://doi.org/10.1080/10790268.2023.2188392. Acesso em: 22 de setembro de 2024.
ZSARNOCZKY-DULHAZI, F.; AGOD, S.; SZARKA, S.; TUZA, K.; KOPPER, B. AI based motion analysis software for sport and physical therapy assessment. Revista Brasileira de Medicina do Esporte, v. 30, 2023. Disponível em: https://doi.org/10.1590/1517-8692202430012022_0020i. Acessado em: 4 de novembro de 2024.
1Discente do Curso Superior de Fisioterapia do Instituto Uninovafapi Campus Teresina- Pi e-mail: anacarolinados06@gmail.com.br;
2Discente do Curso Superior de Fisioterapia do Instituto Uninovafapi Campus Teresina-Pi e-mail: luisamarina19@hotmail.com.br;
3Docente do Curso Superior de Fisioterapia do Instituto Uninovafapi Campus Teresina-Pi. Doutora em Engenharia Biomédica (UNIVAP). e-mail: gilderlene.araujo@uninovafapi.edu.br