Оценка походки важна для диагностики неврологических расстройств, но современные методы остаются субъективными. Искусственный интеллект (ИИ) предлагает количественный анализ походки с использованием смартфонов, однако большинство моделей разработаны для конкретных групп пациентов из-за недостатка разнообразных клинических данных.
Учёные из IBM Research, Кливлендской клиники и Университета Цукуба предложили новый подход: создание синтетических данных о походке с помощью генеративного ИИ, обученного на физических моделях опорно-двигательного аппарата. Эти симуляции охватывают широкий спектр параметров, включая возрастные группы и состояния, что позволяет разрабатывать универсальные модели.
Команда проверила подход на наборе из более 12 000 записей походки 1200 человек. Результаты показали:
Модели, обученные на синтетических данных, достигли точности, сравнимой с моделями на реальных данных;
Предварительное обучение на синтетике повысило производительность моделей в клинических задачах, включая выявление заболеваний и прогнозирование их прогрессирования.
Подход особенно ценен для редких заболеваний, где доступ к данным ограничен. Синтетические данные могут обеспечить масштабируемый и универсальный анализ движений.