AI-Enhanced Gait Re-Education: Overcoming Linguistic and Cultural Barriers in Rehabilitation

Abstract

Listen in: English (British) Español (España) Name: Loading voices… ▶ Listen to Abstract Pause Stop Speed: 0.75x1x 1.25x1.5x

Reeducación de la marcha mejorada con inteligencia artificial: superación de las barreras lingüísticas y culturales en la rehabilitación Autor: Marius Dobîndă Albu - Alexandru Ioan Cuza University of Iași (RO) Resumen El éxito de la rehabilitación motora está estrechamente relacionado con la calidad de la comunicación entre el terapeuta y el paciente. El deterioro cognitivo es frecuente entre los supervivientes de un accidente cerebrovascular agudo y suele asociarse con un procesamiento más lento de la información. En estas condiciones, las instrucciones verbales a menudo no se transmiten de una forma que el paciente pueda traducir eficazmente en una acción. Este artículo presenta dos sistemas electrónicos complementarios desarrollados para proporcionar retroalimentación independiente del lenguaje durante la reeducación de la marcha. El primero es un dispositivo de bajo coste basado en una plataforma Arduino MKR1000 que combina un acelerómetro triaxial y tres sensores de presión FSR para proporcionar retroalimentación visual en tiempo real durante la marcha, sin incorporar inteligencia artificial en el dispositivo. El segundo utiliza un microcontrolador STM32 con seis acelerómetros sincronizados para registrar datos de marcha de múltiples segmentos y procesarlos posteriormente mediante Gait Flow Analyser, que proporciona resúmenes gráficos, estadísticas descriptivas y un módulo opcional de IA que detecta desviaciones respecto a una línea de base aprendida de marcha normal. El uso clínico preliminar con 12 pacientes durante seis meses sugirió que las señales visuales pueden favorecer la corrección del movimiento sin necesidad de indicaciones verbales. Además, el sistema STM32 ha sido evaluado en una investigación paralela con una cohorte de 30 participantes —15 participantes con afecciones neurológicas y 15 controles sanos—, proporcionando así un contexto empírico más amplio para los hallazgos descriptivos presentados en este trabajo. Los dos sistemas no son alternativas entre sí. La retroalimentación en tiempo real apoya la sesión terapéutica, mientras que el análisis offline asistido por IA proporciona al terapeuta una evaluación objetiva de la asimetría de la marcha y de su evolución a lo largo del tiempo. En conjunto, ambos sistemas establecen un marco de rehabilitación en el que la orientación terapéutica depende menos de la comunicación verbal y más de una retroalimentación visual directamente interpretable.

The success of motor rehabilitation is closely related to the quality of communication between the therapist and the patient. Cognitive impairment is common among acute stroke survivors and is frequently associated with slowed information processing. Under such conditions, verbal instructions often fail to be conveyed in a form that the patient can effectively translate into action. This paper presents two complementary electronic systems developed to provide language-independent feedback for gait re-education. The first is a low-cost device built on an Arduino MKR1000 platform that combines a triaxial accelerometer and three FSR pressure sensors to provide real-time visual feedback during walking, with no AI on board. The second one uses an STM32 microcontroller with six synchronised accelerometers to record multi-segment gait data for offline processing using Gait Flow Analyser, which provides graphical summaries, descriptive statistics, and an optional AI module that detects deviations from a learned normal gait baseline. Preliminary clinical use with 12 patients over six months suggested that visual cues can prompt movement correction without verbal direction. The STM32 system has additionally been evaluated in a parallel investigation on a cohort of 30 participants (15 neurological participants and 15 healthy controls), thereby providing broader empirical context for the descriptive findings reported here. The two systems are not alternatives. Real-time feedback supports the therapeutic session, whereas offline AI-assisted analysis provides the therapist with an objective assessment of gait asymmetry and its evolution over time. Together, they establish a rehabilitation framework in which therapeutic guidance relies less on verbal communication and more on directly interpretable visual feedback.