Центр передового опыта в области медицинской робототехники и исследований

Травмы коленного сустава, особенно разрывы передней крестообразной связки (ПКС), а также дегенеративные заболевания, такие как остеоартрит, представляют собой значительную нагрузку на системы здравоохранения во всем мире. Точная 3D-реконструкция анатомии коленного сустава по данным МРТ в сочетании с функциональной оценкой в реальном времени с помощью носимых экзоскелетов открывает перспективный путь к персонализированной диагностике, предоперационному планированию и реабилитации. В данной статье рассматриваются последние достижения в двух взаимодополняющих направлениях: (1) модульные активные коленные экзоскелеты, оснащённые мультимодальными датчиками (IMU, сила, ЭМГ) для сбора динамических биомеханических данных, и (2) self-supervised модели глубокого обучения, такие как Vision Transformers (ViT), предварительно обученные с masked autoencoding, а также подходы на основе BYOL — для высокоточной 3D-реконструкции коленного сустава из 2D-срезов МРТ. Мы также представляем прототип экзоскелета и ИИ-пайплайн, разработанные в Center for Excellence in Medical Robotics and Rehabilitation (CEMRR) Назарбаев Университета (Астана), демонстрируя, как интеграция этих технологий позволяет соотносить структурную патологию с функциональными нарушениями и в итоге создавать более эффективные, персонализированные вмешательства.

Путь пациента от МРТ к 3D-реконструкции на базе ИИ, далее — к персонализированным реабилитационным решениям и тренировкам с обратной связью в реальном времени, чтобы превратить диагностику в измеримый прогресс и уверенное движение.

FAST-AI применяет самосупервизируемое обучение (BYOL), чтобы извлекать информативные признаки из больших объёмов неразмеченных МРТ колена, а затем переносит их на задачу выявления разрыва ПКС, делая диагностику более масштабируемой и стабильной при минимуме разметки.

Коленный экзоскелет с цифровой разработкой: весь цикл спроектирован в Fusion 360 и быстро реализован через 3D-печать ABS и лазерную резку стали. Устройство имеет универсальную 3-осевую регулировку (X/Y/Z) для быстрого и повторяемого подбора под разных пациентов, а также пассивную самонастройку оси, чтобы снизить сдвиговые нагрузки и повысить комфорт. Решение ориентировано на клинику и домашнюю реабилитацию; следующий этап — датчики, адаптивное управление и облегчённые алюминиевые версии.

В CEMRR созданы прототипы экзоскелетов для голеностопа и колена, обеспечивающие точные и воспроизводимые движения в соответствии с естественной биомеханикой. Голеностопное устройство реализует трёхосевое управление движением и точную регулировку соосности для снижения сдвиговых нагрузок и более точного мониторинга результатов, а коленный прототип ориентирован на клинически значимый момент с мощным приводом. Вместе они поддерживают персонализированные протоколы, сбор объективных данных прогресса и масштабируемую терапию для клиники и потенциального домашнего применения.

HYBRID-2 — компактный плечевой реабилитационный экзоскелет CEMRR, который сочетает четырёхзвенный механизм для отслеживания движений плечевого пояса и кабельный параллельный привод для вращений гленогумерального сустава. Такая анатомическая согласованность снижает рассогласование и дискомфорт, делая реабилитацию более безопасной и эффективной для пациентов с разными параметрами тела.

Систематический обзор по PRISMA, включающий 32 качественных исследования (2015–апрель 2025) по плечевым реабилитационным экзоскелетам после инсульта. Наиболее перспективными названы мультимодальная сенсорика (ЭМГ + IMU + сила/момент) и адаптивное/ML-управление для персонализированной терапии, однако клиническая доказательность пока ограничена и для внедрения нужны более крупные стандартизированные исследования.

CEMRR разрабатывает экзоскелет «голова–шея», который объективно измеряет движения шейного отдела для выявления дисфункций и при необходимости обеспечивает безопасную поддержку assist-as-needed. Система, основанная на биомеханике шеи, позволяет контролируемо оценивать движение по трём осям (амплитуда, симметрия, качество) и улучшена за счёт расширенного ROM и адаптации под разные типы телосложения.

CEMRR формирует национальную реабилитационную траекторию, переводя субъективные оценки прогресса в измеримые и отслеживаемые показатели. В рамках программно-целевого финансирования Казахстана (2025–2026) под руководством проф. Прашанта К. Джамвала инициатива объединяет ИИ, робототехнику, сенсоры и иммерсивные технологии, чтобы обеспечить более стабильную терапию, более понятную обратную связь и более человечный путь восстановления для детей и семей.

CEMRR разрабатывает интегрированную, основанную на данных систему детской нейрореабилитации для детей с двигательными нарушениями (включая ДЦП). Она объединяет клинические тесты и мультимодальные сенсоры (ЭМГ, IMU, стельки давления) с роботизированными платформами (P.GEAR для ходьбы, RPS для баланса), а также QTrobot и AR/VR, чтобы сделать терапию измеримой, персонализированной и вовлекающей — с более понятной обратной связью и лучшими функциональными результатами.

В Астане формируется новая модель детской реабилитации, которая выводит передовую робототехнику из лаборатории в повседневную клиническую практику. В рамках проекта CEMRR Национальный центр детской реабилитации (NCCR) выступает клинической площадкой внедрения, где роботизированные системы для тренировки ходьбы, равновесия и социально-коммуникативной терапии устанавливаются и оцениваются в рамках структурированных пилотных исследований, создающих основу для более масштабных клинических испытаний.

В NCCR (Астана) команда CEMRR тестирует детскую реабилитацию с VR/AR/MR, превращая повторяющиеся упражнения в игровые сценарии. Система на Unity/MRTK и Meta Quest, интегрированная с P.GEAR, обеспечивает тренировку ходьбы и верхних конечностей с данными в реальном времени, повышая вовлечённость, стабильность терапии и функциональные результаты у детей с ДЦП.

CEMRR разрабатывает программу роботизированной тренировки равновесия с контролируемыми внешними воздействиями: безопасные и повторяемые толчки/тяги и смещения опоры с одновременным сбором данных IMU/ЭМГ/давление. Платформа превращает терапию баланса в измеримый цикл обучения с адаптивным ИИ, персонализируя сложность в реальном времени для реабилитации после инсульта, при ДЦП и в ортопедии.

В NCCR (Астана) в рамках проекта CEMRR проведён пилот социально-когнитивных интервенций с QTrobot для детей с ДЦП и другими двигательными нарушениями на казахском и русском языках. В течение 3 недель (10 сессий) робот обеспечивал стабильные, повторяемые сценарии взаимодействия (приветствие, очередность, эмоции, имитация, сторителлинг), а терапевты контролировали безопасность и фиксировали изменения. Предварительные результаты показывают высокую применимость и вовлечённость и указывают на потенциал улучшений в социально-когнитивных навыках, делая социальную робототехнику масштабируемым дополнением к традиционной реабилитации.

R.ALFRED — роботизированная система для автономной репозиции переломов бедренной кости, призванная снизить физическую нагрузку на хирурга и сократить время работы под флюороскопией. Концепция основана на 6-осевом параллельном роботе с внутренне комплаентными приводами, который сочетает точность, достаточную тягу и безопасную “податливость”, с дальнейшим переходом к автономии под контролем хирурга и с навигацией по изображениям.

CEMRR разрабатывает роботизированного ассистента нового поколения для операций на колене, чтобы повысить точность, безопасность и стабильность результатов в ортопедии. Платформа объединяет поддержку хирурга (surgeon-in-the-loop), датчики в реальном времени, компьютерное зрение и медицинский ИИ для предоперационного планирования и интраоперационной навигации, помогая точнее выполнять выравнивание и позиционирование.

AI-CPath — разрабатываемая инициатива CEMRR по клиническому ИИ в патологии: подготовленные цифровые препараты, экспертная разметка и интерпретируемые валидированные модели для улучшения выявления рака, стратификации риска и прогноза. Проект нацелен на привязку результатов к клиническим исходам и интеграцию с партнёрскими больницами для ускорения скрининга, повышения стабильности отчётности и усиления решений в прецизионной онкологии в Казахстане.

AI-CPath — разрабатываемая инициатива CEMRR по клиническому ИИ в патологии: подготовленные цифровые препараты, экспертная разметка и интерпретируемые валидированные модели для улучшения выявления рака, стратификации риска и прогноза. Проект нацелен на привязку результатов к клиническим исходам и интеграцию с партнёрскими больницами для ускорения скрининга, повышения стабильности отчётности и усиления решений в прецизионной онкологии в Казахстане.

AI-PIONEER — ИИ-платформа предписывающей аналитики, которая по данным IMU-датчиков оценивает технику баттерфляя относительно элитных эталонов и выдаёт точечные рекомендации по координации, таймингу и эффективности. Оборудование откалибровано, идёт сбор данных со спортсменами для обучения моделей, формирующих «идеальные» элитные циклы и выявляющих отклонения.

Ведущие СМИ Казахстана недавно осветили разработанный в стране реабилитационный экзоскелет A.GEAR, отметив его потенциал для улучшения реабилитации пациентов после инсульта и с ДЦП, а также готовность технологии к массовому производству.

Международная конференция AIR 2025 по искусственному интеллекту и робототехнике прошла 9–11 мая 2025 года в Назарбаев Университете и объединила ученых, экспертов индустрии и инноваторов со всего мира. Мероприятие широко освещалось в СМИ Казахстана, включая телеканалы «Хабар», «Qazaqstan», а также издания Digital Business и DKNews.