LainaHealth ने वेब एआई की मदद से, फ़िज़िकल थेरेपी की लागत में 74% की कमी की

Chris Slee

Melissa Mitchell

पब्लिश होने की तारीख: 5 फ़रवरी, 2026

फ़िज़िकल थेरेपी की प्रैक्टिस करने वाले लोगों को, लोगों की दिलचस्पी बढ़ाने से जुड़ी समस्या का सामना करना पड़ता है. मस्कुलोस्केलेटल (मांसपेशियों और हड्डियों से जुड़ी) समस्याओं के इलाज के लिए, सबसे असरदार और सुझाए जाने वाले तरीकों में से एक होने के बावजूद, सिर्फ़ 25 से 35% मरीज़ ही थेरेपी शुरू करते हैं. साथ ही, सिर्फ़ 30% मरीज़ ही अपना इलाज पूरा करते हैं.

कई लोगों के लिए, ये समस्याएं व्यावहारिक होती हैं. जैसे, अपॉइंटमेंट के लिए लंबा इंतज़ार करना, जगह की उपलब्धता से जुड़ी समस्याएं, शेड्यूल में टकराव, और बार-बार जेब से पैसे खर्च करना. कुछ लोगों के लिए, सुलभता से जुड़ी समस्या होती है. वर्चुअल केयर अब आम बात हो गई है. हालांकि, तकनीकी जानकारी कम रखने वाले लोगों के लिए इसका इस्तेमाल करना मुश्किल हो सकता है.

LainaHealth, वर्चुअल फ़िज़िकल थेरेपी की सुविधा देने वाली कंपनी है. यह मस्कुलोस्केलेटल (एमएसके) से जुड़ी समस्याओं के इलाज के लिए डिजिटल प्लैटफ़ॉर्म का इस्तेमाल करती है. इसे फ़िज़िकल थेरेपी को ज़्यादा सुलभ और किफ़ायती बनाने के लिए बनाया गया है. हम लाइसेंस वाले थेरेपिस्ट को, लाइव आर्टिफ़िशियल इंटेलिजेंस नेविगेशन असिस्टेंट (लैना) के साथ जोड़ते हैं. लायना, लाइसेंस वाले फ़िज़िकल थेरेपिस्ट के निर्देशों के मुताबिक काम करती है. यह वेब पर एक कस्टम मॉडल को ट्रेनिंग देती है और उसे डिप्लॉय करती है. इससे, यह रीयल-टाइम में मूवमेंट का विश्लेषण करती है, व्यक्ति के हिसाब से एक्सरसाइज़ का सुझाव देती है, और बातचीत के ज़रिए मदद करती है.

हमारी चुनौती: सभी के लिए एक ऐप्लिकेशन

स्वीकार किए जाने वाले समाधान को बड़ी संख्या में लोगों के लिए असरदार होना चाहिए. इसलिए, हमें यह ज़रूरी लगा कि यह समाधान, डिवाइस के हिसाब से काम करे, बिना किसी रुकावट के काम करे, और इसे आसानी से ऐक्सेस किया जा सके. हमने एक ऐसा प्लैटफ़ॉर्म बनाने की कोशिश की है जो बिना किसी रुकावट के सभी के लिए काम कर सके. इसके लिए, ऐप्लिकेशन डाउनलोड करने की ज़रूरत नहीं होगी. हम अमेरिका में मौजूद एक कंपनी हैं और फ़िज़िकल थेरेपी एक चिकित्सा सेवा है. इसलिए, हमारे ऐप्लिकेशन को मेडिकल-ग्रेड का होना चाहिए और HIPAA के मुताबिक होना चाहिए.

साल 2020 से पहले, हमें पता चला कि ज़्यादातर डिजिटल समाधानों के लिए, खास हार्डवेयर या ऐप्लिकेशन इंस्टॉल करने की ज़रूरत होती है. इससे मरीज़ों को काफ़ी परेशानी होती है. हमने ऐसे प्रोटोटाइप बनाए जो टैबलेट जैसे अन्य बाहरी डिवाइसों पर निर्भर थे. इससे शिपिंग में देरी, नेटवर्क सेटअप करने में समस्याएं, और अतिरिक्त लागत जैसी समस्याएं आईं. इन वजहों से, हमारे समाधान को बड़े पैमाने पर लागू करना लगभग नामुमकिन था.

हमने यह अनुमान लगाया था कि अगर हम अपना ऐप्लिकेशन वेब पर बनाते हैं, तो इससे मरीज़ों की दिलचस्पी बढ़ेगी और उन्हें बेहतर नतीजे मिलेंगे. अगर हमारे पास कोई डाउनलोड नहीं है और कोई तकनीकी सेटअप नहीं है, तो काफ़ी कम रुकावटें होंगी.

हमारा ऐप्लिकेशन, FDA Class II वेब ऐप्लिकेशन के तौर पर काम करेगा. यह मशीन लर्निंग (एमएल) का इस्तेमाल करता है. इसके लिए, किसी खास सेंसर या हार्डवेयर की ज़रूरत नहीं होती. साथ ही, यह रीयल-टाइम में मोशन का विश्लेषण भी करता है. निजता को सुरक्षित रखने के लिए, हमें डिवाइस पर मौजूद डेटा का इस्तेमाल करके अनुमान लगाने की सुविधा और सुरक्षित, टोकन वाले लिंक की ज़रूरत थी. हमने यह तय किया कि हम अपनी सफलता का आकलन इन आधार पर करेंगे: मरीज़ों को कितनी आसानी से इलाज मिल पाता है, मरीज़ों की दिलचस्पी कितनी बढ़ती है, और इलाज या एपिसोड पर आने वाली लागत कितनी कम होती है.

मशीन लर्निंग की मदद से, लोगों की ज़रूरतों के हिसाब से थेरेपी से जुड़ी सहायता उपलब्ध कराना

हमने PoseNet मॉडल का इस्तेमाल करके, प्रूफ़-ऑफ़-कॉन्सेप्ट बनाया. इससे हमें यह आकलन करने में मदद मिली कि हमारा आइडिया काम कर सकता है या नहीं. शुरुआत में इसके नतीजे उम्मीदों पर खरे उतरे, लेकिन मॉडल की कुल सटीकता और स्पीड, इसे लॉन्च करने के लिए काफ़ी नहीं थी. इसके बाद, हमने TensorFlow.js में पोज़ का पता लगाने वाले एपीआई, MoveNet मॉडल का इस्तेमाल किया. इससे, जवाब देने की स्पीड और सटीकता में सुधार हुआ. हालांकि, हमें उतनी फ़िडेलिटी नहीं मिली जितनी कि खास हार्डवेयर के लिए डिज़ाइन किए गए मॉडल से मिलती है.

इस समस्या को हल करने के लिए, हमने Google के साथ मिलकर काम किया. हमने MoveNet की एक सबक्लास को बेहतर बनाया. इसे खास तौर पर, मांसपेशियों और हड्डियों की समस्याओं के इलाज के लिए ऑप्टिमाइज़ किया गया है. हमने इस सबक्लास मॉडल को ट्रेन करने के लिए, घंटों तक क्लीनिकल मूवमेंट डेटा रिकॉर्ड किया और उसमें एनोटेशन जोड़े. इसके बाद, विश्लेषण के नतीजे से MoveNet की क्षमताओं को बढ़ाया गया, ताकि वह ज़्यादा से ज़्यादा ज्वाइंट पोज़िशन को पहचान सके. MoveNet ने मोशन पैटर्न और कंपन को पहचाना. ये मस्कुलोस्केलेटल थेरेपी के लिए ज़रूरी हैं.

हिपा के नियमों का पालन करने और मरीज़ की निजता बनाए रखने के लिए, हमें ऐसे मॉडल की ज़रूरत थी जो ब्राउज़र में अनुमान लगा सके. इससे यह पक्का किया गया कि स्वास्थ्य की सुरक्षित जानकारी, जैसे कि बीमारी की पहचान और इलाज की स्थिति को तीसरे पक्ष के मॉडल या बाहरी सेवा देने वालों के साथ शेयर नहीं किया जाएगा.

इसलिए, हमने कस्टम मॉडल को TensorFlow.js में बदल दिया. आखिर में, हमने परफ़ॉर्मेंस ऑप्टिमाइज़ेशन से जुड़े कुछ अन्य टास्क लागू किए. इनमें, सभी डिवाइसों पर रीयल-टाइम इन्फ़रेंस की स्पीड और लोड होने में लगने वाले कम से कम समय को बनाए रखने पर फ़ोकस किया गया.

साल 2021 में, हमने पहली बार इस सुविधा को लॉन्च किया था. इससे यह साबित हुआ कि इस सुविधा को लागू किया जा सकता है. हालांकि, यह सुविधा किसी भी डिवाइस पर काम नहीं करती थी. हम अब भी प्रोसेसिंग के लिए, Apple के कुछ डिवाइसों का इस्तेमाल करते हैं. मॉडल में काफ़ी सुधार हुआ था. हालांकि, अब भी इसे शरीर की कुछ स्थितियों, टखने की ट्रैकिंग, और 3D स्पेस में शरीर के घूमने से जुड़ी समस्याओं का सामना करना पड़ रहा था.

हमने लोगों के साथ इस सुविधा को टेस्ट किया. इससे हमें पता चला कि मोशन डिस्टॉर्शन और लैग की वजह से, मरीज़ों का भरोसा कम हो गया. उपयोगकर्ताओं को इस समस्या के बारे में तब पता चला, जब वीडियो आउटपुट 20 फ़्रेम प्रति सेकंड से कम हो गया.

हमने इन समस्याओं को हल करने के लिए, मॉडल के लोड को कम किया. साथ ही, कई छोटे मॉडल पेश किए जो एक साथ काम करते थे. हर छोटे मॉडल को शरीर के खास हिस्सों और ओरिएंटेशन के हिसाब से ट्यून किया गया था. साल 2023 के आखिर तक, हमने ब्राउज़र पर आधारित एक मॉडल तैयार किया. यह डिवाइस के हिसाब से सटीक नतीजे देता है. साथ ही, यह खास सेंसर के बिना भी, गति और गति की सीमा को मेज़र कर सकता है. तब से, हम एक सुरक्षित वेब लिंक के ज़रिए, मेडिकल ग्रेड का मोशन विश्लेषण कर सकते हैं.

हम स्वास्थ्य सेवा के स्तर की फ़िज़िकल थेरेपी ऑनलाइन उपलब्ध कराते हैं. इसके लिए, आपको कोई सेटअप करने या कुछ भी डाउनलोड करने की ज़रूरत नहीं होती.

उपयोगकर्ताओं की दिलचस्पी बढ़ी और लागत कम हुई

LainaHealth और पोज़ का अनुमान लगाने वाले सिस्टम को वेब पर ले जाने से, हमें इन फ़ायदे मिले: हमने 45 राज्यों में वर्चुअल फ़िज़िकल थेरेपी की सुविधा उपलब्ध कराई, मरीज़ों की दिलचस्पी बढ़ाई, और लागत कम की:

74 _%

मरीज़ के इलाज में लगने वाले खर्च में कमी

2 _x

मरीज़ों के नाम रजिस्टर करने और उनके इलाज पूरा होने की दर

4 _x

फ़िज़िकल थेरेपी में शामिल होना

• फ़िज़िकल थेरेपी के मुकाबले, इस ऐप्लिकेशन से इलाज कराने वाले मरीज़ों की संख्या दोगुनी है. साथ ही, इलाज पूरा करने वाले मरीज़ों की संख्या भी दोगुनी है. इसके अलावा, मरीज़ों की दिलचस्पी भी चार गुना ज़्यादा है.
• एक एपिसोड पूरा करने पर, औसतन 34 बार विज़िट की गई. वहीं, स्टैंडर्ड इन-पर्सन केयर में यह संख्या 8 थी.
• बेहतर परफ़ॉर्मेंस और स्केलेबिलिटी की वजह से, हर एपिसोड की लागत में 74% की कमी आई.
• क्लिनिकल नतीजों की पुष्टि की गई. साथ ही, वेब एआई की मदद से, मकसद के मुताबिक काम करने और फ़ंक्शनल सुधार को ट्रैक किया गया.

इसके अलावा, LainaHealth का वेब ऐप्लिकेशन 12 से 99 साल के मरीज़ों को सेवाएं देता है. इससे पता चलता है कि एआई की मदद से काम करने वाला हमारा वेब ऐप्लिकेशन, अलग-अलग उम्र के लोगों और तकनीकी क्षमताओं के हिसाब से काम करता है.

नतीजे और सुझाव

फ़िज़िकल थेरेपी में, लंबे समय से एक समस्या आ रही है. मरीज़ों को समय, दूरी, और लागत की वजह से सेशन अटेंड करने में मुश्किल होती है. हमने वेब एआई और लाइसेंस वाले फ़िज़िकल थेरेपिस्ट को साथ में काम करने का मौका दिया. इससे हमने इन समस्याओं को काफ़ी हद तक कम कर दिया. साथ ही, घर पर ही ठीक होने की सुविधा उपलब्ध कराई.

हमने एक ऐसा मॉडल और ऐप्लिकेशन डिज़ाइन किया है जो मरीज़ों को बेहतर इलाज, कम लागत, और जल्दी ठीक होने में मदद करता है. इससे मरीज़ों को अपनी पसंद का जीवन जीने में मदद मिलती है. हमने दिखाया है कि ब्राउज़र पर आधारित एआई, इंसानों की जगह लेने के बजाय उनकी मदद कर सकता है. इससे मस्कुलोस्केलेटल स्वास्थ्य के लिए, लोगों की ज़रूरत के हिसाब से बेहतर और असरदार तरीके से इलाज किया जा सकता है.