RehabTwin: AI-gedreven ondersteuning voor revalidatie na een beroerte thuis

Aanleiding

Een beroerte is een groot gezondheidsprobleem in Nederland. Jaarlijks worden zo’n 41.000 mensen getroffen en door de druk op de zorg is de opnameduur in het ziekenhuis teruggebracht tot gemiddeld zes dagen. Hierdoor moet een groot deel van de patiënten thuis verder revalideren.

Thuisrevalidatie brengt echter uitdagingen met zich mee. Patiënten voeren oefeningen vaak niet correct uit, krijgen weinig directe feedback en hebben minder contact met hun therapeut. Dit kan leiden tot verminderde motivatie, overbelasting en minder effectief herstel. Er is daarom behoefte aan slimme oplossingen die patiënten thuis beter ondersteunen en tegelijkertijd therapeuten inzicht geven in het revalidatieproces.

Doel

RehabTwin heeft als doel om een AI-gedreven revalidatiesysteem te ontwikkelen dat patiënten helpt bij hun herstel thuis, terwijl therapeuten op afstand kunnen meekijken en begeleiden.

Het project richt zich op het verbeteren van de kwaliteit van oefeningen, het vergroten van therapietrouw en het bieden van gepersonaliseerde ondersteuning.

Aanpak

RehabTwin combineert technologie en zorg in een mensgerichte aanpak. Het systeem maakt gebruik van draagbare sensoren en kunstmatige intelligentie om bewegingen te analyseren en feedback te geven.

Patiënten krijgen tijdens het oefenen direct aanwijzingen en aanmoedigingen, afgestemd op hun persoonlijke situatie. Tegelijkertijd kunnen therapeuten via een professioneel platform de voortgang volgen en waar nodig bijsturen.Het systeem wordt ontwikkeld in nauwe samenwerking met patiënten, zorgprofessionals, ontwerpers en AI-experts, zodat het goed aansluit bij de praktijk en betrouwbaar is in gebruik.

Beoogde resultaten

Het project levert een geïntegreerd systeem voor thuisrevalidatie. Hiermee wordt veilige, effectieve en gepersonaliseerde revalidatie thuis mogelijk gemaakt, met meer ondersteuning voor patiënten en beter inzicht voor zorgprofessionals.

• Draagbare sensoren voor het meten van beweging.
• AI-modellen voor analyse, feedback en aanpassing van oefeningen.
• Een thuisapplicatie voor patiënten.
• Monitoringtools voor therapeuten.

Onderzoekers

• Prof. dr. Somaya Ben Allouch, lector Digital Life
• Dr. Bin Yu, projectleider, onderzoeker Digital Life

Partners

• Vrije Universiteit Amsterdam
• wearm.ai B.V.
• Reade revalidatie

Financiering

Health Holland