Kinetiq · Motor de inteligencia del ejercicio y de prueba RTM

La estimación de pose es gratis. La prueba facturable por encima es lo difícil, y es lo que construimos.

Toda plataforma de fisioterapia ya puede ejecutar estimación de pose gratuita y contar repeticiones. Kinetiq es la capa determinista por encima de los puntos clave: evalúa cada repetición frente a un perfil clínico adaptativo a la población, se abstiene cuando una articulación no es visible en lugar de inventar un ángulo, y exporta un informe de sesión facturable para RTM, con forma FHIR, sobre el que un clínico puede actuar. Los agentes aconsejan, el código decide.

100%

Concordancia de veredicto por repetición recuperada a través de ruido inyectado en los puntos clave (35 of 35 reps)

Conjunto sintético etiquetado fijo: 25 claros más 10 borderline

3 / 3

Las repeticiones ocluidas se abstuvieron en lugar de adivinar un ángulo, 0 ángulos fabricados

Invariante de honestidad con pruebas unitarias en el conjunto etiquetado

3 of 4

Sesiones auto-verificadas como facturables para RTM, 1 derivada a revisión del clínico, 0 no facturables

3 pacientes sintéticos más 1 clip real capturado

Una demo ejecutable del mecanismo en tres pacientes sintéticos y un clip real de sentadilla capturado. Se ejecuta sin conexión, sin cámara en vivo, sin hardware y sin clave de API; los agentes opcionales son la única parte que puede usar un modelo.

Una biblioteca de pose en bruto registrará 15 sentadillas buenas en una rodilla que está colapsando

Volumen sin verificación, y un recuento de repeticiones que ningún pagador reembolsará.

Contar repeticiones es la parte fácil, y es casi gratis. BlazePose y MoveNet se ejecutan en un teléfono y te dirán que un paciente hizo 15 sentadillas. Lo que no te dirán es que la repetición 9 cedió medialmente hacia un riesgo de re-lesión, que la cadera salió de encuadre en la repetición 12 de modo que no existe un ángulo honesto, o que la misma profundidad de 80 degree es progreso para una rodilla postquirúrgica y un fracaso para un atleta sano. Esa interpretación es la capa que una plataforma de fisioterapia realmente necesita, y es la capa que peor envejece cuando se omite.

El dolor es concreto. La adherencia al ejercicio en casa en fisioterapia se sitúa en 35 percent, y 65 percent de los pacientes abandonan dentro del primer mes (Veriprajna WP29 research, 2026), mientras que el autoinforme sobrestima el cumplimiento. Los clínicos quieren facturar Monitorización Terapéutica Remota en CPT 98975 to 98981, más los códigos de 2026 98979 y 98985 con el umbral de cualificación reducido a tan solo 2 days o 10 minutes, pero CMS exige datos recogidos por dispositivo vinculados a decisiones de tratamiento, no coordenadas en bruto (Veriprajna WP29 research, 2026). Los puntos clave en bruto no superan ese listón.

Lo que está en juego para los empleadores es igual de concreto. Las afecciones musculoesqueléticas cuestan a los empleadores aproximadamente 3,591 dollars por empleado al año, 486 dollars directos y 3,105 dollars en productividad, un estimado 36 percent de las cirugías MSK se consideran innecesarias a una escala de 90 billion dollar, y más de 50 percent de los empleados se resisten a compartir datos de salud por motivos de privacidad (Veriprajna WP29 research, 2026). Y el techo de precisión es real: el error del ángulo de rodilla monocular se sitúa en un error absoluto medio de 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), que es exactamente por qué un sistema que afirma un ángulo de grado clínico desde una sola cámara está sobrevendiendo, y uno que se abstiene en una repetición de baja visibilidad está siendo honesto.

Un motor determinista evalúa cada repetición, una puerta de política decide la facturabilidad

El núcleo de confianza es código sencillo, con pruebas unitarias. Ningún LLM se sienta en la ruta de puntuación.

La canalización por sesión es directa. Un flujo de puntos clave, sintético o extraído sin conexión de un clip capturado, se suaviza con un 1-Euro filter, se filtra por confianza de los puntos clave de modo que una repetición se abstiene cuando una articulación no es visible, se segmenta en repeticiones con auto-similitud temporal independiente de la clase, se convierte en rasgos biomecánicos por repetición, se evalúa contra un motor de reglas adaptativo a la población, se pasa por una puerta de política RTM determinista, y se escribe en un informe de sesión con forma FHIR que se renderiza en un panel canvas. Cada veredicto es NumPy sencillo que un clínico puede interrogar.

Motor de biomecánica determinista

El núcleo de confianza, enteramente fuera de cualquier modelo de lenguaje. Un 1-Euro filter suaviza el flujo de estilo BlazePose de 33-keypoint, una puerta de confianza se abstiene por debajo del umbral de visibilidad, la segmentación independiente de la clase encuentra repeticiones por auto-similitud temporal, y cada repetición produce ángulo articular y ROM, un índice de valgo de rodilla, un ratio de tempo descenso-ascenso, suavidad Log Dimensionless Jerk, y un índice de simetría L o R. Código sencillo, con pruebas unitarias, para que un clínico vea exactamente por qué se marcó una repetición.

Puerta de política RTM e informe con forma FHIR

Fuera del modelo, código sencillo decide por sesión: rtm_billable, needs_clinician_review, o insufficient_device_data, mapeado a la familia RTM de CMS CPT 98975 to 98981 más los códigos de 2026 98979 y 98985. El informe es JSON con forma FHIR que refleja las formas de campo de Observation y DocumentReference, con observaciones por repetición, el consolidado de sesión, la determinación RTM y la documentación que CMS espera. Con forma FHIR, no validado según FHIR: Kinetiq emite el registro, no hace POST a un EHR en vivo.

Qué mide el motor por repetición

Señal Qué captura Base
Ángulo articular y ROM Si la flexión máxima alcanza el objetivo del perfil, por ejemplo 75 degrees post-ACL frente a 95 degrees para un atleta de bienestar. determinista
Índice de valgo de rodilla Colapso medial de la rodilla, un riesgo de re-lesión en una rodilla en rehabilitación, umbralizado por perfil (por ejemplo 0.03 post-ACL). determinista
Ratio de tempo descenso-ascenso Ralentización o precipitación compensatoria a través de parte del movimiento (por ejemplo tempo por encima de 1.25). determinista
Suavidad LDLJ y simetría L o R Calidad de movimiento entrecortada o asimétrica que un recuento de repeticiones por sí solo oculta. determinista
Puerta de confianza Una articulación por debajo del umbral de visibilidad, de modo que la repetición no se puntúa en lugar de asignarle un ángulo fabricado. determinista, se abstiene

Los agentes opcionales: acotados a la interpretación

Sobre el núcleo determinista, dos agentes opcionales intercambiables por proveedor interpretan y comunican los números: un Monitor Longitudinal que redacta una escalada proactiva al clínico cuando una tendencia declina, y un Escriba Clínico que redacta la nota RTM. Cada uno se comprueba contra la evidencia determinista, de modo que cualquier cifra que un agente introduzca que no esté ya en la evidencia se rechaza y se muestra en su lugar la plantilla determinista. Ambos se abstienen sin clave de API. El adaptador usa por defecto Claude claude-opus-4-8 y cambia a OpenAI o Gemini, pero la puerta de puntuación nunca cambia de manos: los agentes aconsejan, el código decide.

Sesiones trabajadas, en pantalla

Cuatro pacientes honestamente etiquetados: tres son sintéticos (Maria, Jordan, Eleanor) y uno (Aisha) es un clip real de sentadilla capturado. Sin cámara en vivo, sin identidad real de paciente, sin historial médico.

La canalización ejecutándose en metraje real

Aisha es un vídeo real de sentadilla con peso corporal cuyos puntos clave se extrajeron sin conexión con MediaPipe, luego se puntuaron con el mismo motor sin cambios, de modo que lo primero que ves es la canalización ejecutándose en metraje real, honestamente etiquetado. El esqueleto de 33 puntos se superpone al clip real mientras el panel evalúa cada repetición frente al perfil de cribado de bienestar. La puerta de sesión devuelve rtm_billable, con 1 verificada, 2 marcadas, y una calidad media de 8.3.

Kinetiq puntuando a Aisha, un clip real de sentadilla con peso corporal capturado, con el esqueleto de 33 puntos superpuesto al vídeo real y una tabla por repetición a la derecha que muestra una repetición buena y una repetición SHALLOW evaluadas frente al perfil de cribado de bienestar.
Aisha: un clip real de sentadilla, puntos clave extraídos sin conexión, puntuado por el mismo motor que las sesiones sintéticas.

La repetición que un modelo de pose cuenta y un clínico no debería contar

Maria es una paciente sintética post-ACL que hace 15 sentadillas prescritas. Una biblioteca de pose en bruto registraría las 15 como repeticiones. Kinetiq las evalúa, y en la repetición 9 devuelve KNEE VALGUS: el índice de valgo de rodilla lee 0.054, en o por encima del umbral de 0.03, la flexión máxima es 78.6 degrees, y el tempo es 1.4, por encima del límite de 1.25, una alerta de riesgo de re-lesión en lugar de una buena repetición. Esa es toda la tesis en una sola fila: el valor no es contar la repetición, es detectar la que importa.

La sesión post-ACL de Maria con la tabla de análisis por repetición destacando la repetición 9 en rojo como KNEE VALGUS, leyendo índice de valgo de rodilla 0.054 en o por encima de 0.03 como riesgo de re-lesión y tempo 1.4 por encima de 1.25 como compensatorio, mientras las repeticiones 5 through 14 a su alrededor leen GOOD REP, y la repetición 12 lee NOT SCORED con el punto clave de la cadera por debajo del umbral de visibilidad.
Repetición 9 marcada como riesgo de re-lesión por valgo de rodilla, con la cláusula exacta del umbral mostrada; repetición 12 se abstiene porque la cadera no es visible.

El mismo movimiento, distinto veredicto según el perfil del paciente

El juicio adaptativo a la población no es un eslogan; invierte un veredicto. Cambia el perfil de Maria (post-ACL, objetivo 75 degrees) a Jordan, un atleta de bienestar corporativo (objetivo 95 degrees), y una sentadilla a aproximadamente 80 degrees de profundidad que se puntuó como buena para Maria se puntúa SHALLOW para Jordan. El mismo movimiento obtiene un veredicto distinto porque los umbrales están vinculados al paciente. En la sesión completa de Jordan la puerta sigue devolviendo rtm_billable incluso con repeticiones marcadas, un matiz honesto: facturable no significa que cada repetición fuera buena.

La sesión de Jordan como atleta de bienestar corporativo bajo el perfil wellness_athlete, con una tabla por repetición donde las sentadillas alrededor de 80 degrees de flexión máxima leen todas SHALLOW porque la flexión está por debajo del objetivo de 95 degree, la misma profundidad que se evaluó como buena bajo el objetivo post-ACL de 75 degree de Maria.
El giro adaptativo a la población: aproximadamente 80 degrees es bueno para una rodilla post-ACL y SHALLOW para un atleta de bienestar.

El recibo facturable, y la abstención que lo deriva

La sesión de Maria se consolida en 13 repeticiones verificadas, 1 marcada (repetición 9), y 1 abstenida por oclusión, a una calidad media de 9.6 out of 10. La determinación RTM lee needs_clinician_review, mapeada a CPT 98975 to 98981 más los códigos de 2026 98979 y 98985: la sesión es elegible para facturación, pero la alerta de valgo la deriva a un clínico antes de cualquier facturación automática, y esa alerta al clínico en sí documenta una decisión del plan de tratamiento. Desde aquí el informe con forma FHIR se exporta como la evidencia auditable sobre la que un clínico documenta RTM.

El modal de determinación RTM para Maria que lee NEEDS CLINICIAN REVIEW, familia RTM CPT 98975 to 98981 más códigos de 2026 98979 y 98985, con 15 reps prescritas, 13 verificadas, 1 marcada, 1 abstenida por oclusión, calidad media 9.6 out of 10, y un botón Export FHIR Report.
La determinación RTM: elegible para facturación, pero la alerta de valgo la deriva a un clínico antes de la facturación automática.

El benchmark, acotado con honestidad

Ejecutar el conjunto etiquetado fijo saca a la superficie el resultado duradero. La concordancia de veredicto por repetición contra la verdad de referencia plantada es 100 percent en 25 casos claros y 100 percent en 10 casos borderline a unos one sigma de un umbral, con concordancia por clase toda en 1.00. La verdad de referencia son los parámetros físicos plantados frente a los umbrales del perfil, calculados de forma independiente del motor, y el ruido de medición se inyecta después de fijar las etiquetas, de modo que el motor debe recuperar el veredicto a través del ruido. El invariante de honestidad es independiente y tiene pruebas unitarias: de 3 repeticiones ocluidas, 3 se abstuvieron, con 0 ángulos fabricados. Estas son precisión de tarea, rendimiento y honestidad en un conjunto sintético etiquetado fijo, no una garantía de mundo abierto.

El resumen del benchmark de Kinetiq mostrando tarjetas de métrica para 100 percent de concordancia de veredicto en 25 casos claros, 100 percent en 10 casos borderline dentro de one sigma de un umbral, 3 of 3 repeticiones ocluidas abstenidas con 0 ángulos fabricados, y 3 plus 1 of 4 sesiones auto-facturables o derivadas a revisión, sobre una tabla de concordancia por clase que lee 100 percent para GOOD REP, SHALLOW, NOT SCORED y KNEE VALGUS.
100 percent en 35 of 35 reps recuperadas a través de ruido inyectado, y 3 of 3 repeticiones ocluidas abstenidas, en el conjunto sintético etiquetado.

Dónde se sitúa Kinetiq, y dónde no

Se ejecuta después de los puntos clave, encima de cualquier modelo de pose que ya uses. Construye la capa de interpretación y prueba; no compite con el estimador de pose.

Preocupación Estimación de pose en bruto y recuento de repeticiones Kinetiq
Una rodilla que colapsa en la repetición 9 Contada como una repetición Marcada como riesgo de re-lesión por valgo de rodilla, con el umbral mostrado
Una articulación fuera de encuadre Un ángulo inferido de todos modos Se abstiene, repetición no puntuada, ningún ángulo fabricado
Misma profundidad, distinto paciente Un umbral fijo para todos Veredicto adaptativo a la población vinculado al perfil del paciente
Evidencia de facturación Coordenadas en bruto que CMS no reembolsará Informe de sesión facturable para RTM, con forma FHIR, mapeado a la familia CPT
Quién decide la facturabilidad No se aborda Una puerta de política determinista fuera de cualquier modelo
Durabilidad a medida que mejoran los modelos de pose Todo el valor es el sensor, que se commoditiza El valor es el cerebro y la prueba por encima del sensor

Lo que esta demo no hace

  • No usa una cámara en vivo ni inferencia en el dispositivo. El flujo de puntos clave se genera sintéticamente para tres escenarios o se extrae sin conexión con MediaPipe de un clip real capturado. El SDK de captura móvil y cualquier despliegue en el borde se aplazan.
  • No afirma goniometría de grado clínico. El error del ángulo de rodilla monocular es 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), así que Kinetiq trabaja a la granularidad que RTM exige y se abstiene en repeticiones de baja visibilidad en lugar de informar un ángulo preciso.
  • El informe de sesión es con forma FHIR, no validado según FHIR ni conforme a FHIR. Refleja las formas de Observation y DocumentReference; la escritura al EHR es un adaptador simulado, así que emite y no hace POST.
  • El mapeo RTM y CPT es un encuadre para ayudar a documentar RTM, no una certificación de facturación, una aprobación de cumplimiento ni una garantía de reembolso.
  • La ruta de puntuación no tiene LLM ni modelo profundo entrenado. V1 es un motor de rasgos determinista; un TCN entrenado es el recambio V2 declarado detrás de la misma interfaz por repetición. Los agentes opcionales solo interpretan y se comprueban contra la evidencia.
  • Los pacientes son casos de prueba honestamente etiquetados, no pacientes reales ni clientes. Tres (Maria, Jordan, Eleanor) son sintéticos y uno (Aisha) es un clip real de sentadilla capturado sin identidad real ni historial médico. No hay clientes, despliegues, testimonios ni ROI reclamado.
  • La concordancia de veredicto de 100 percent y la abstención de 3 of 3 son mediciones en un conjunto sintético etiquetado fijo donde la verdad de referencia son los parámetros plantados frente a los umbrales del perfil, no garantías de mundo abierto ni de producción.

Preguntas que hacen los compradores

Ya ejecutamos BlazePose y contamos repeticiones. ¿Qué añade Kinetiq?

La estimación de pose y el recuento de repeticiones son la parte commoditizada. Una biblioteca de pose en bruto registrará gustosamente 15 sentadillas buenas en un paciente cuya rodilla colapsa en la repetición 9. Kinetiq es la capa por encima de los puntos clave: evalúa cada repetición frente a un perfil clínico adaptativo a la población, se abstiene cuando una articulación no es visible, y exporta un informe de sesión facturable para RTM, con forma FHIR, sobre el que un clínico puede actuar. Esa capa de interpretación y prueba es lo que una plataforma de fisioterapia realmente factura y sobre lo que un clínico actúa, y sobrevive a cada actualización del modelo de pose en lugar de envejecer con él.

¿Puede medir un ángulo articular con suficiente precisión para facturar?

No afirmamos goniometría de grado clínico, y lo decimos en pantalla. El error del ángulo de rodilla monocular se sitúa en un error absoluto medio de 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), así que una afirmación de ángulo precisa al grado desde una sola cámara es una trampa. Kinetiq trabaja a la granularidad que RTM realmente exige, finalización verificada más calidad aproximada más tendencia, y se abstiene en repeticiones de baja visibilidad en lugar de inventar un ángulo preciso. La evidencia de facturación es el registro de sesión verificado, mapeado al protocolo, no un ángulo articular exacto reclamado.

¿El informe es conforme a FHIR, y puede escribir en nuestro EHR?

Es con forma FHIR, no validado según FHIR. El informe de sesión es JSON estructurado que refleja las formas de campo FHIR de Observation y DocumentReference, con observaciones por repetición, el consolidado de sesión, la determinación RTM y la familia CPT, y los campos de documentación que CMS espera. La escritura a EHR o FHIR es un adaptador simulado en esta demo, así que Kinetiq emite el registro, no hace POST a un servidor en vivo. Eso mantiene el artefacto honesto: es la evidencia sobre la que un clínico documenta, con forma para una integración FHIR posterior que tú construirías, no una escritura certificada a un EHR.

¿Cómo facturamos realmente RTM a partir de esto, y está garantizado el reembolso?

CMS reembolsa Monitorización Terapéutica Remota en la familia CPT 98975 to 98981, más los códigos de 2026 98979 y 98985, y exige datos recogidos por dispositivo vinculados a decisiones de tratamiento en lugar de coordenadas en bruto. Kinetiq está diseñado para producir exactamente esa evidencia: una puerta de política determinista devuelve rtm_billable, needs_clinician_review, o insufficient_device_data, y el informe con forma FHIR documenta los datos recogidos por dispositivo y el vínculo con la decisión de tratamiento. El mapeo CPT es un encuadre para ayudarte a documentar RTM, no una certificación de facturación ni una garantía de reembolso, y una sesión marcada se deriva a un clínico antes de la facturación automática.

Una IA está evaluando la forma de ejercicio de un paciente. ¿Cómo es eso defendible?

El núcleo de confianza es determinista y no tiene LLM en la ruta de puntuación. Cada veredicto por repetición y la determinación de facturabilidad RTM son código NumPy sencillo, con pruebas unitarias, de modo que un clínico puede interrogar exactamente por qué se marcó una repetición, por ejemplo la repetición 9 marcada porque el índice de valgo 0.054 está en o por encima de 0.03 y el tempo 1.4 está por encima de 1.25. Los agentes aconsejan, el código decide: los dos agentes opcionales solo interpretan y comunican la evidencia determinista, y cualquier número que un agente introduzca que no esté en la evidencia se rechaza y se muestra en su lugar la plantilla determinista. Esa auditabilidad es el punto para una firma cuya marca es la verdad.

¿Necesita una cámara en vivo o un SDK móvil? ¿Qué se ejecuta hoy?

No hay cámara en vivo ni inferencia en el dispositivo en esta demo. El flujo de puntos clave se genera sintéticamente para tres escenarios o se extrae sin conexión con MediaPipe de un clip real de sentadilla capturado, un sensor simulado en ambos casos. El SDK de captura móvil y cualquier despliegue en el borde se aplazan. Lo que se ejecuta hoy es la lógica real de interpretación y prueba: el suavizado 1-Euro, la puerta de confianza, la segmentación de repeticiones independiente de la clase, la biomecánica por repetición, las reglas adaptativas a la población, la puerta de política RTM y la exportación con forma FHIR, todo sin clave en un portátil.

¿Esos números de 100 percent son precisión del mundo real?

No, y los acotamos con cuidado. La concordancia de veredicto de 100 percent es en un conjunto sintético etiquetado fijo de 35 reps, 25 claros y 10 borderline a unos one sigma de un umbral, donde la verdad de referencia son los parámetros físicos plantados frente a los umbrales del perfil, calculados de forma independiente del motor, y el motor debe recuperar el veredicto a través de ruido de medición inyectado después de fijar las etiquetas. Los casos borderline son una prueba de estrés de discriminación, así que esto es discriminación genuina más que recuerdo de un extremo, pero no es una garantía de mundo abierto. Las medidas duraderas son precisión de tarea, rendimiento de automatización y honestidad, incluyendo 3 of 3 repeticiones ocluidas abstenidas con 0 ángulos fabricados, que se mantienen a medida que mejora la estimación de pose.

Investigación técnica

La investigación detrás de esta demo — la arquitectura, el diseño de verificación y el plano empresarial.

Construye el cerebro por encima de tu modelo de pose

Datos de ejercicio verificados, adaptativos a la población, con un recibo facturable.

Si tus equipos de producto y clínicos están resolviendo cómo convertir un flujo de pose en bruto en datos de ejercicio verificados, facturables para RTM, sin sobreafirmar un ángulo de grado clínico, nos gustaría de verdad oír cómo lo estás pensando. El problema es de toda la industria y las respuestas también lo serán.

Evaluación de verificación de ejercicio

  • ✓ Mapea dónde tu flujo de pose necesita interpretación, no solo recuentos de repeticiones
  • ✓ Define umbrales adaptativos a la población por perfil de paciente
  • ✓ Establece la puerta de confianza para que el sistema se abstenga en lugar de adivinar
  • ✓ Da forma a un registro facturable para RTM, con forma FHIR, sobre el que tus clínicos puedan documentar

Construir con nosotros

  • ✓ Un motor de biomecánica determinista, con pruebas unitarias, por encima de cualquier modelo de pose
  • ✓ Un motor de reglas adaptativo a la población y una puerta de política RTM determinista
  • ✓ Un informe de sesión con forma FHIR mapeado a la familia CPT RTM
  • ✓ Agentes con comprobación de fundamentación para la nota longitudinal, no puntuación de caja negra