“La figura del fisioterapeuta es imprescindible. Cuando un paciente que sufre dolor musculoesquelético (espalda, hombro, rodilla, etc.) y ha sido derivado por un médico al experto, éste le hace las preguntas pertinentes, le explora la espalda y detecta los puntos de dolor y algias”, comenta Jiménez, responsable de Adamo.
A continuación, el fisioterapeuta marca de forma virtual los puntos a tratar. Y “el sistema ADAMO traza esos puntos, los mapea de forma individualizada con cámaras 3D, sensores y termografía, y los memoriza”, explica Jiménez. Después el fisioterapeuta programa la presión que ha de ejercer el brazo robótico, así como el tiempo, en cada punto del tratamiento.
Presión y temperaturas adaptadas a cada patología
El brazo robótico colaborativo consigue reproducir los movimientos de forma automática y expulsa aire a alta presión, cuya temperatura es regulable, para que el paciente tenga una sensación agradable durante la sesión al mismo tiempo que se consigue adaptar la temperatura a las necesidades fisiológicas de la patología tratada.
Deep Learning para apoyar la labor del fisioterapeuta
La colaboración entre CEIEC-UFV y ADAMO permitirá crear modelos de Deep Learning que, gracias a los datos recogidos, apoyarán al fisioterapeuta para establecer un diagnóstico, un seguimiento y una propuesta de tratamiento mucho más objetiva.
En este sentido, “gracias a la termografía que lleva integrada el brazo robótico, podremos medir la recuperación del paciente. Es decir, nos dará el tiempo necesario para la recuperación al mismo tiempo que podremos cuantificar el dolor”, explica Carlos Jiménez, CEO de ADAMO.
Por otro lado, la cámara termográfica y la cámara 3D “permiten apoyar al fisioterapeuta en el diagnóstico y generar un tratamiento más acertado”, concluye Manuel Rodríguez, investigador en la Facultad de Ciencias de la Salud UFV.
