Pubblicato il 5 febbraio 2026
Gli studi di fisioterapia devono affrontare un problema fondamentale di coinvolgimento. Nonostante sia uno dei trattamenti più efficaci e prescritti nella cura muscoloscheletrica, solo il 25-35% dei pazienti indirizzati inizia la terapia e solo il 30% completa le cure.
Per molti, le barriere sono pratiche: lunghi tempi di attesa, vincoli di posizione, conflitti di programmazione e costi vivi ricorrenti. Per altri, il problema è l'accessibilità. Sebbene le cure virtuali siano diventate più comuni, possono essere difficili per chi ha meno competenze tecniche.
LainaHealth è un fornitore di fisioterapia virtuale che utilizza una piattaforma digitale muscoloscheletrica (MSK) creata per rendere la fisioterapia più accessibile ed economica. Uniamo terapisti con licenza al nostro assistente di navigazione con intelligenza artificiale live (Laina). Sotto la guida di fisioterapisti autorizzati, Laina offre un'automazione intelligente addestrando e implementando un modello personalizzato sul web che fornisce analisi del movimento in tempo reale, progressione personalizzata degli esercizi e supporto conversazionale.
La nostra sfida: un'app per tutti
Una soluzione accettabile deve trattare efficacemente un'ampia popolazione, quindi doveva essere indipendente dal dispositivo, semplice e accessibile. Ci siamo impegnati a creare una piattaforma che potesse funzionare perfettamente per chiunque, senza richiedere il download di un'app. Poiché siamo una società con sede negli Stati Uniti e la fisioterapia è un servizio medico, la nostra applicazione doveva essere di livello medico e conforme alla normativa HIPAA.
Prima del 2020, abbiamo scoperto che la maggior parte delle soluzioni digitali richiedeva installazioni di app o hardware dedicati, il che comportava un elevato attrito per i pazienti. Abbiamo creato prototipi che si basavano su dispositivi esterni aggiuntivi (come tablet), il che ha introdotto problemi con ritardi nella spedizione, difficoltà di configurazione della rete e costi aggiuntivi. A causa di questi fattori, la scalabilità della nostra soluzione era quasi impossibile.
Abbiamo ipotizzato che avremmo migliorato il coinvolgimento e i risultati dei pazienti se avessimo creato la nostra applicazione sul web. Se non avessimo download e configurazione tecnica, ci sarebbero molte meno barriere.
La nostra applicazione sarebbe classificata come app web FDA di classe II che utilizza il machine learning (ML) senza sensori o hardware speciali, fornendo comunque un'analisi del movimento in tempo reale. Per garantire la privacy, sapevamo che avremmo avuto bisogno di inferenza sul dispositivo e di link sicuri e tokenizzati. Abbiamo deciso di misurare il nostro successo in base alla facilità di accesso alle cure per i pazienti, al loro maggiore coinvolgimento e al costo inferiore per un ciclo di trattamento o un episodio.
Machine learning per il supporto terapeutico personalizzato
Abbiamo iniziato creando una proof of concept utilizzando il modello PoseNet per valutare se la nostra idea fosse fattibile. I risultati iniziali erano promettenti, ma l'accuratezza complessiva e la velocità del modello non erano sufficienti per il lancio. Poi abbiamo provato il modello MoveNet, un'API di rilevamento della postura in TensorFlow.js. Sebbene abbia migliorato la velocità e l'accuratezza, non avevamo raggiunto la stessa fedeltà dei modelli progettati per hardware dedicati.
Per superare questo ostacolo, abbiamo collaborato con Google per perfezionare una sottoclasse di MoveNet, ottimizzata specificamente per la riabilitazione muscoloscheletrica. Abbiamo registrato e annotato ore di dati sul movimento clinico per addestrare questo modello di sottoclasse e l'analisi risultante ha esteso le funzionalità di MoveNet per riconoscere più di posizioni delle articolazioni. MoveNet ha riconosciuto i modelli di movimento e le compensazioni, che sono fondamentali per la terapia muscoloscheletrica.
Per la conformità alla normativa HIPAA e la privacy dei pazienti, avevamo bisogno che il modello eseguisse l'inferenza nel browser. In questo modo, le informazioni sanitarie protette, come diagnosi e condizioni in trattamento, non vengono condivise con modelli di terze parti o fornitori esterni.
Pertanto, abbiamo convertito il modello personalizzato in TensorFlow.js. Infine, abbiamo implementato alcune altre attività di ottimizzazione delle prestazioni incentrate sul mantenimento di velocità di inferenza in tempo reale e tempi di caricamento minimi su tutti i dispositivi.
La nostra prima implementazione nel 2021 ha dimostrato che il concetto era possibile, ma l'applicazione non era indipendente dal dispositivo. Ci affidavamo ancora a dispositivi Apple specifici per l'elaborazione. Sebbene il modello avesse fatto molta strada, continuava ad avere difficoltà con alcune posizioni del corpo, il monitoraggio delle caviglie e la rotazione del corpo in uno spazio 3D.
Abbiamo eseguito test con gli utenti e abbiamo scoperto che la fiducia dei pazienti nell'esperienza diminuiva quando notavano distorsioni del movimento e ritardi. Gli utenti hanno iniziato a notarlo quando l'output video è sceso a meno di 20 fotogrammi al secondo.
Abbiamo risolto questi problemi riducendo il carico complessivo del modello e introducendo più modelli più piccoli che funzionano insieme. Ogni modello di piccole dimensioni è stato ottimizzato per regioni e orientamenti specifici del corpo. Entro la fine del 2023, abbiamo prodotto un modello basato su browser che ha raggiunto una precisione quasi pari a quella del dispositivo, in grado di misurare la velocità di movimento e l'ampiezza del movimento, senza sensori specializzati. Da allora, possiamo fornire analisi del movimento di livello medico tramite un unico link web sicuro.
Forniamo fisioterapia online di livello sanitario, senza configurazione o download.
Maggiore coinvolgimento e costi ridotti
Trasferendo LainaHealth e il nostro sistema di stima della postura sul web, abbiamo ampliato la fisioterapia virtuale in 45 stati, migliorato il coinvolgimento dei pazienti e ridotto i costi:
74 %
Riduzione dei costi per i pazienti
2 x
Tasso di registrazione e completamento dei pazienti
4 x
Coinvolgimento nella fisioterapia
- Il doppio dei pazienti iscritti, il doppio del tasso di completamento e un coinvolgimento 4 volte superiore rispetto alla fisioterapia tradizionale.
- In media 34 visite per episodio completato, rispetto alle 8 visite standard di persona.
- Riduzione del 74% del costo per episodio grazie al miglioramento dell'efficienza e della scalabilità.
- Risultati clinici convalidati, con aderenza oggettiva e miglioramento funzionale monitorati con l'AI web.
Inoltre, i servizi dell'app web di LainaHealth si rivolgono a pazienti di età compresa tra 12 e 99 anni, dimostrando che il nostro approccio basato sull'AI web funziona con popolazioni e capacità tecniche diverse.
Conclusioni e suggerimenti
La fisioterapia ha sempre avuto un problema di accessibilità pratica: i pazienti hanno difficoltà a partecipare alle sedute a causa di tempo, distanza e costi. Grazie all'abbinamento dell'AI e di fisioterapisti autorizzati, abbiamo ridotto significativamente queste barriere e reso possibile il recupero comodamente da casa.
Abbiamo progettato un modello e un'applicazione che offrono maggiore accesso, costi inferiori e recupero più rapido, per aiutare i pazienti a tornare alla vita che vogliono vivere. Abbiamo dimostrato che l'AI intelligente basata sul browser può migliorare, non sostituire, l'assistenza umana, consentendo un approccio più personalizzato, scalabile ed efficace alla salute muscoloscheletrica.